【C++】内联函数inline以及 C++入门(4)

目录

1. 内联函数

1.1 问题引入

1.2 内联函数的概念

1.3 内联函数的特性

1.3.1 inline是一种以空间换时间的做法,省去调用函数额开销。所以代码很长或者有循环/递归的函数不适宜使用作为内联函数

1.3.2  inline对于编译器而言只是一个建议,编译器会自动优化,如果定义为inline的函数体内有循环/递归等等,编译器优化时会忽略掉内联

1.3.3  inline不建议声明和定义分离,分离会导致链接错误。因为 inline 被展开,就没有函数地址了,链接就会找不到


1. 内联函数

1.1 问题引入

在C语言中我们学过函数,当函数在调用的时候会开辟函数栈帧。假设调用10次Add()函数,那么就要开辟10次函数栈帧。而函数栈帧中需要做很多事情,如保存寄存器、压参数、压返回值等等,过程会很繁琐,在C语言中我们使用宏来解决这个问题,在C++中我们使用内联函数inline来解决


1.2 内联函数的概念

使用关键字inline修饰的函数叫做内联函数,C++的编译器会在调用内联函数时展开。没有压栈的开销,使得程序的运行效率提升。

int Add(int a, int b)
{
	int c = a + b;
	return c;
}

以Add()函数为例,C语言中使用宏来代替函数:

#define Add(x,y) ((x)+(y))

在C++中使用内联函数:

inline int Add(int x, int y)
{
	int z = x + y;
	return z;
}

那么请问,为什么在已经有了宏定义的情况下,还需要内联函数?

  • 宏晦涩难懂,比较复杂容易写错,语法机制设计不好

  • 宏不支持调试,而inline函数在Debug模式下支持调试(Debug模式下不会展开,release才会),能够提高和加深我们对于代码的理解

我们通过反汇编来看一下不加inline的调用:

发现会有函数的调用,后面跟的是函数栈帧的地址。

如果在Add函数前使用inline关键字,编译器在编译期间就会使用函数体代替函数调用。

查看方式:

  • release模式下,查看汇编代码中是否存在call
  • debug模式下,需要对编译器进行设置(因为在debug模式下,编译器默认不会对代码进行优化)

编译器设置步骤:

 

 

我们在来看一下使用inline内联函数的结果:

会发现,编译器优化了 Add(1, 2),直接内联(inline)计算,未生成函数调用(无call指令),避免了栈帧开销。


1.3 内联函数的特性

  1. inline是一种以空间换时间的做法,省去调用函数额开销。所以代码很长或者有循环/递归的函数不适宜使用作为内联函数。

  2. inline对于编译器而言只是一个建议,编译器会自动优化,如果定义为inline的函数体内有循环/递归等等,编译器优化时会忽略掉内联。

  3. inline不建议声明和定义分离,分离会导致链接错误。因为 inline 被展开,就没有函数地址了,链接就会找不到。

1.3.1 inline是一种以空间换时间的做法,省去调用函数额开销。所以代码很长或者有循环/递归的函数不适宜使用作为内联函数

因为如果是长代码(复杂算法)时:

inline void processBigData(Data& data) {
    // 100+ 行代码
    // 复杂的逻辑...
}

如果内联 100 次,最终二进制文件会显著膨胀(可能从几 KB 变成几 MB),导致:

  • 缓存命中率下降(CPU 缓存能存储的代码变少,性能反而可能下降)。

  • 可执行文件体积变大(加载更慢,占用更多内存)。


1.3.2  inline对于编译器而言只是一个建议,编译器会自动优化,如果定义为inline的函数体内有循环/递归等等,编译器优化时会忽略掉内联

这里举一个例子,我有一个函数里面有13行代码,但是我们需要调用100次。如果使用inline替换的话,就会有100*13条指令,如果不替换就会有100+13条指令:

inline int Add(int x, int y)
{
	int z = x + y;
	z += x * y;
	z += x * y;
	z += x * y;
	z += x * y;
	z += x * y;
	z += x * y;
	z += x * y;
	z += x * y;
	z += x * y;
	z += x * y;
	z += x * y;
	return z;
}
int main()
{
	for (int i = 0; i < 100; i++)
	{
		Add(1, 2);
	}

	return 0;
}

意思就是说,内联后的二进制文件会膨胀的很快。

我们看一下汇编代码:

我们可以看见,虽然Add函数前加了inline,但是最终却没有展开。


1.3.3  inline不建议声明和定义分离,分离会导致链接错误。因为 inline 被展开,就没有函数地址了,链接就会找不到

 

 

会发现在头文件包含,并且函数定义正确的情况下,报错未定义的标识符!

这是因为这是因为test.h中替换到test.cpp中发现是内联函数,内联函数不需要生成地址,因为内联函数调用的地方都展开了,因此不会存在在符号表中。外部调用时就找不到。因此不要将声明和定义分开。


(本篇完)

【四轴飞行器】非线性三自由度四轴飞行器模拟器研究(Matlab代码实现)内容概要:本文围绕非线性三自由度四轴飞行器模拟器的研究展开,重点介绍基于Matlab代码实现的四轴飞行器动力学建模与仿真方法。研究构建了考虑非线性特性的飞行器数学模型,涵盖姿态动力学与运动学方程,实现了三自由度(滚转、俯仰、偏航)的精确模拟。文中详细阐述了系统建模过程、控制算法设计思路及仿真结果分析,帮助读者深入理解四轴飞行器的飞行动力学特性与控制机制;同时,该模拟器可用于算法验证、控制器设计与教学实验。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的高校学生、科研人员及无人机相关领域的工程技术人员,尤其适合从事飞行器建模、控制算法开发的研究生和初级研究人员。; 使用场景及目标:①用于四轴飞行器非线性动力学特性的学习与仿真验证;②作为控制器(如PID、LQR、MPC等)设计与测试的仿真平台;③支持无人机控制系统教学与科研项目开发,提升对姿态控制与系统仿真的理解。; 阅读建议:建议读者结合Matlab代码逐模块分析,重点关注动力学方程的推导与实现方式,动手运行并调试仿真程序,以加深对飞行器姿态控制过程的理解。同时可扩展为六自由度模型或加入外部干扰以增强仿真真实性。
基于分布式模型预测控制DMPC的多智能体点对点过渡轨迹生成研究(Matlab代码实现)内容概要:本文围绕“基于分布式模型预测控制(DMPC)的多智能体点对点过渡轨迹生成研究”展开,重点介绍如何利用DMPC方法实现多智能体系统在复杂环境下的协同轨迹规划与控制。文中结合Matlab代码实现,详细阐述了DMPC的基本原理、数学建模过程以及在多智能体系统中的具体应用,涵盖点对点转移、避障处理、状态约束与通信拓扑等关键技术环节。研究强调算法的分布式特性,提升系统的可扩展性与鲁棒性,适用于多无人机、无人车编队等场景。同时,文档列举了大量相关科研方向与代码资源,展示了DMPC在路径规划、协同控制、电力系统、信号处理等多领域的广泛应用。; 适合人群:具备一定自动化、控制理论或机器人学基础的研究生、科研人员及从事智能系统开发的工程技术人员;熟悉Matlab/Simulink仿真环境,对多智能体协同控制、优化算法有一定兴趣或研究需求的人员。; 使用场景及目标:①用于多智能体系统的轨迹生成与协同控制研究,如无人机集群、无人驾驶车队等;②作为DMPC算法学习与仿真实践的参考资料,帮助理解分布式优化与模型预测控制的结合机制;③支撑科研论文复现、毕业设计或项目开发中的算法验证与性能对比。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注DMPC的优化建模、约束处理与信息交互机制;按文档结构逐步学习,同时参考文中提及的路径规划、协同控制等相关案例,加深对分布式控制系统的整体理解。
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