2、开启C++20编程之旅:工具准备与首个程序实践

开启C++20编程之旅:工具准备与首个程序实践

1. 工具准备

在开启C++编程之旅前,你需要准备一些基础工具,包括文本编辑器、C++编译器、链接器和调试器。这些工具可以单独获取,也可以作为集成开发环境(IDE)的一部分打包获取。工具的选择因平台、操作系统和预算而异。
- 课程或组织环境 :如果是上课,老师会提供工具或指定使用的工具;如果在已使用C++的组织中工作,建议使用组织的工具,以便熟悉其使用方法。
- 自行获取工具 :若需自行获取工具,可访问相关网站获取最新建议。由于工具版本和质量变化迅速,网站能提供最新信息。

2. C++版本

本次编程使用C++ 20,这是2020年标准化委员会批准的C++标准的重大更新版本。C++ 20引入了多个重要特性,但并非所有编译器都能立即支持这些特性。本书中的大部分代码需要使用支持C++ 20的最新编译器才能编译,即使使用最新工具,也可能无法编译所有示例。其中,模块(modules)是一个影响所有程序的重要特性,如果你的环境不支持该特性,可能无法编译任何代码示例。不过,相关网站提供了不使用模块的代码示例转换版本,其他C++ 20特性保持不变。

3. 工具推荐

C++是世界上使用广泛的编程语言之一,因此有许多适用于不同硬件和软件环境、不同价格的工具可供选择。你可以选择命令行工具(在UNIX和类UNIX环境中特别受欢迎),也可以选择IDE(将所有工具集成到一个图形用户界面中),选择你最习惯的方式即可,程序本身并不关心你使用何种工具进行编辑、编译和链接。
- Clang和LLVM

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值