C++ Primer Plus第四章阅读笔记

本文深入探讨了C++11中引入的数组初始化改进,包括直接初始化、默认初始化为零,以及使用getline和get函数处理字符串输入的细节。同时,文章强调了正确使用指针、内存管理和字符串处理的重要性,以及C++中不同的存储类型。

1.C++11中新增的初始化数组的方式有:

double earnings[4] {1.2e4,1.6e4,1.1e4};  //可以省略=

unsigned int counts[10] = {}; //将所有元素设置为零

float balances[100] {}; //同上

2.cin使用空白(空格,制表符和换行符)来确定字符串的结束位置,这意味着cin在获取字符数组输入时只读取一个单词

3.

a) . getline()函数读取整行,他使用通过回车键输入的换行符来确定输入结尾。要调用这种方法,可以使用cin.getline()。

cin.getline(name,size);

b) . get()的工作方式与getline()类似,他们接受的参数相同,解释参数的方式也相同,并且都读取到行尾。但是get()并不在读取并丢弃换行符,而是将其留在输入队列中。

cin.get(name,ArSize);

cin.get();

cin.get(dessert,ArSize);

4.不能将一个数组直接赋给另一个数组(只能用strcpy()),但是string可以

这里要注意的是,如果数组是一个内部成员,是可以通过“成员赋值”的方式完成赋值的

5.对于未被初始化的数据,第一个空字符的出现位置是随机的,因此在运行程序的时候,得到的数组长度很可能与此不同

6.在不进行强制转换的情况下,只能将定义枚举时使用的枚举量赋给这种枚举的变量

7.一定要在对指针应用解除引用运算符(*)之前,将指针初始化为一个确定的、适当的地址。以下为错误示范:

long * fellow;

*fellow = 2333;

8.变量是在编译时分配的有名称的内存,而指针指示为可以通过名称直接访问的内存提供了一个别名

9.用new来分配一个内存: typeName * pointer_name = new typeName;

10.用delete释放内存,使得用完内存后,能够将其归还为内存池

delete ps;   //这将释放ps指向的内存,但是不会删除指针ps本身。

另外,一定要配对的使用new和delete,否则会发生严重的内存泄漏

使用new和delete的时候一定要遵守以下规则:

a) 不要使用delete来释放不是new分配的内存

b) 不要使用delete释放通一个内存块两次

c) 如果使用new[]为数组分配内存,应该使用delete[]来释放(int * psome = new int[10];   delete[] psome;)

d) 如果使用new为一个实体分配内存,则应使用delete(没有方括号)来释放

e) 对空指针应用delete是安全的

11.如果要用指针或者数组名称显示该字符串的地址,则需要强制转换,例如:(int *)ps

12.如果结构标识符是结构名,则使用句点运算符;如果标识符是指向结构的指针,则使用箭头运算符

13.C++中的存储方式:

a)自动存储:在函数内部定义的常规变量使用自动存储空间,被称为自动变量,这意味着它们在所属的函数被调用时自动产生,在该函数结束时消亡

b)静态存储:整个程序执行期间都存在的存储方式。一种是在函数外面定义;另一种是在声明变量的时候用关键字static。他存在在程序的整个生命周期

c)动态存储:new和delete运算符提供了一种比自动变量和静态变量更灵活的方法。他们管理了一个内存池,这在C++中被称为自由存储空间(free store)和堆(heap)。

 

 

 

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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