单链表

1.实验目的

使用单链表,用于实践


2.实验代码

头文件

#include <iostream>
class Node
{
public:
 float data;
 Node  *next;
 Node(){
  next=NULL;}
};

class List{
public:
 List(){first=new Node;first->next=NULL;}
 List(float a[],int n);
 int length();
 void Get(int i);
 void insert(int i,float x);
 float Delete(int i);
 void printList();
private:
 Node *first;
 int count;
};

源文件:

#include <iostream>
#include "tou.h"
using namespace std;

void List::printList()
{
 Node *p;
 p=first->next;
 while(p!=NULL)
 {
  cout<<p->data<<",";
  p=p->next;
 }
}


int List::length(){
 Node *p;
 p=first->next;
 count=0;
 while(p!=NULL)
 {
  p=p->next;
  count++;
 }
 return count;}

void List::Get(int i){
 Node *p;
 p=first->next; count=1;
 while(p!=NULL&&count<i)
 {
  p=p->next;
  count++;
 }
 if(p==NULL)throw"位置";
 else cout<<endl<<"The price is:"<<p->data<<endl;
}

void List::insert(int i,float x){
 Node *p; Node *s=new Node();
 p=first; count=0;
 while(p!=NULL&&count<i-1)
 {
  p=p->next;
  count++;
 }
 if(p==NULL) throw"位置";
 else{
     s->data=x;
  s->next=p->next; p->next=s;
  cout<<endl;
 }
}

List ::List(float a[],int n){
 first=new Node;
 Node *s,*r;
 r=first;
 for(int i=0;i<n;i++){
  s=new Node; s->data=a[i];
  r->next=s;
  r=s;
}
 r->next=NULL;
}

float List::Delete(int i){
 Node *p,*q;
 float x;
 p=first; count=0;
 while(p!=NULL&&count<i-1)
 {
  p=p->next;
  count++;
 }
 if(p==NULL||p->next==NULL)
  throw"位置";
 else{
  q=p->next; x=q->data;
  p->next=q->next;
  delete q;
  return x;
 }
}

void main(){
 int n; int i;
 float a[]={99,11,22,33,44};
 n=5;
    List x(a,n);
 x.printList();
 x.Get(2);
 x.Delete(2);
 x.printList();
 x.insert(2,11);
 x.printList();
 system("pause");
}


3.实验心得:

虽然明白了单链表原理,但实施起来并不容易,需要多多实践。





内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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