C++笔记8-函数提高

本文介绍了C++中函数的默认参数、占位参数和重载的概念及使用规则。详细讲解了如何设置默认参数,以及函数重载的条件和注意事项。同时,还探讨了占位参数在函数声明和实现中的应用。

函数提高

函数的默认参数
在C++中,函数的形参列表中的形参是可以有默认值的。
语法:返回值类型 函数名 (参数=默认值){}
注意事项:
1、如果某个位置已经有了默认参数,那么从这个位置往后,从左往右都必须有默认值。
2、如果函数的声明有了默认参数,函数的实现就不能有默认参数。(Demo好像没有报错)

int func(int a=100,int b=20,int c=3){   //调用时只传送了a=1一个实参 
	return a+b+c;  //因此传回值=1+20+3=24 
}

void demo(int a,int b,int c=1,int d=0){
	//如果某个位置已经有了默认参数,那么从这个位置往后,从左到右都必须有默认值
	//这里的位置即c,c左侧可以不带默认参数,但c右侧的形式参数必须带默认值 
} 

int main(){
	int demo2(int a,int b=2,int c=10);
	int a=1,b=2,c=3;
	cout<<func(a)<<endl;  //只传送一个实参a=1,其余都按子函数规定的默认缺省值 
	cout<<demo2(10,100)<<endl;
	system("pause");
	return 0;
}

int demo2(int a,int b=10,int c=10){  //在声明和定义函数中都有默认参数 
	return a+b+c;
} 

函数占位参数
C++中函数的形参列表里可以有占位参数,用来做占位,调用函数时必须填补该位置。
语法: 返回值类型 函数名 (数据类型){}
占位参数还可以有默认参数

void func2(int a,int =10){
	//占位参数带默认参数
}

int func(int a,int){
	cout<<"here is func"<<endl;	
}

int main(){
	func(10,10);
	system("pause");
	return 0;
}

函数重载

函数重载概述
作用: 函数名可以相同,提高复用性
函数重载满足条件:

  • 同一个动作域下
  • 函数名称相同
  • 函数参数 类型不同 或者 个数不同 或者 顺序不同
  • 注意: 函数的返回值不可以作为函数重载的条件
void func(){
	cout<<"子函数func"<<endl; 
}

void func(int a,char b){   //参数个数不同 
	cout<<"a="<<a<<"\tb="<<b<<endl;
}

void func(char a,int b){   //参数类型不同 
	cout<<"a="<<a<<"\tb="<<b<<endl;
}
/*
int func (){  //返回值类型不同不能作为函数重载的条件 
	return 100;
} 
*/

int main(){
	//函数重载,提高函数复用性	
	func();
	func(10,'v');
	func('v',20);
	system("pause");
	return 0;
}

函数重载注意事项

  • 引用作为重载条件
  • 函数重载碰到函数默认参数
void func(int &a){  
	cout<<"a="<<a<<endl; 
}

void func(int &a,int b,int c=10){
	cout<<"a="<<a<<"\tb="<<b<<"\tc="<<c<<endl;
} 

void func(const int &a){   
	cout<<"const a="<<a<<endl;
}

int main(){
	int a=10;
	func(a); //输出 a=10 
	func(a,5);  //输出a=10 b=5 c=10 
	func(10); //输出const a=10 
	return 0;
}
基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制问题,并提供完整的Matlab代码实现。文章结合数据驱动方法与Koopman算子理论,利用递归神经网络(RNN)对非线性系统进行建模与线性化处理,从而提升纳米级定位系统的精度与动态响应性能。该方法通过提取系统隐含动态特征,构建近似线性模型,便于后续模型预测控制(MPC)的设计与优化,适用于高精度自动化控制场景。文中还展示了相关实验验证与仿真结果,证明了该方法的有效性和先进性。; 适合人群:具备一定控制理论基础和Matlab编程能力,从事精密控制、智能制造、自动化或相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能控制设计;②为非线性系统建模与线性化提供一种结合深度学习与现代控制理论的新思路;③帮助读者掌握Koopman算子、RNN建模与模型预测控制的综合应用。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现流程,重点关注数据预处理、RNN结构设计、Koopman观测矩阵构建及MPC控制器集成等关键环节,并可通过更换实际系统数据进行迁移验证,深化对方法泛化能力的理解。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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