顺序表

部署运行你感兴趣的模型镜像
#include<iostream>
using namespace std;
const int MaxSize=100; //线性表最多有100个元素
class SeqList
{
public:
	SeqList()
	{length=0;}//无参构造函数,创建一个空表
	SeqList(int a[],int n);
		//有参构造函数
	~SeqList(){}//析构函数
	void Insert(int i,int x);//在线性表第i个位置插入值为x的元素;
	int Delete(int i);//删除线性表的第i个元素
	int Locate(int x);//求线性表中值为x的元素序号
	void PrintList();//按序号表一次输出各元素
private:
	int data[MaxSize];//存放数据元素数组
	int length;//线性表长度
};
SeqList::SeqList(int a[],int n)//类SeqList的成员函数定义
{
	if(n>MaxSize)throw"参数非法";
	for(int i=0;i<n;i++)
		data[i]=a[i];
	length=n;
}
void SeqList::Insert(int i,int x)
{
	if(length>=MaxSize)throw"上溢";
	if(i<1||i>length+1)throw"位置非法";
	for(int j=length;j>=i;j--)
		data[j]=data[j-1];//第j个元素在数组下标为j-1处
		data[i-1]=x;
	    length++;
}
int SeqList::Delete(int i)
{
	if(length==0)throw"下溢";
	if(i<1||i>length)throw"位置非法";
	int x=data[i-1];
	for(int j=i;j<length;j++)
		data[j-1]=data[j];
	length--;//此处j已经是元素所在数组的下标
	return x;
}
int SeqList::Locate(int x)
{
	for(int i=0;i<length;i++)
		if(data[i]==x)return i+1;//下标为i的元素其序号为i+1
		return 0;//退出循环,说明查找失败的原因
}
void SeqList::PrintList()
{
	for(int i=0;i<length;i++)
		cout<<data[i]<<" ";
	cout<<endl;
}
void main()
{
	int r[5]={1,2,3,4,5};
	SeqList L(r,5);
	cout<<"执行插入操作前数据为:"<<endl;
	L.PrintList(); //输出所有元素
	try
	{
		L.Insert(2,3);//在第2位置插入值为3 的元素
	}
	catch(char *s)
	{
		cout<<s<<endl;
	}
	cout<<"执行插入操作后数据为:"<<endl;
	L.PrintList();//输出所有元素
	cout<<"值为3的元素位置为:";
	cout<<L.Locate(3)<<endl;
	cout<<"执行删除第一个元素操作,删除前数据为:"<<endl;
	L.PrintList();
	try
	{
		L.Delete(1);//删除第1个元素
	}
	catch(char *s)
	{
		cout<<s<<endl;
	}
	cout<<"删除后数据为:"<<endl;
	L.PrintList();//删除所有元素
}

您可能感兴趣的与本文相关的镜像

ACE-Step

ACE-Step

音乐合成
ACE-Step

ACE-Step是由中国团队阶跃星辰(StepFun)与ACE Studio联手打造的开源音乐生成模型。 它拥有3.5B参数量,支持快速高质量生成、强可控性和易于拓展的特点。 最厉害的是,它可以生成多种语言的歌曲,包括但不限于中文、英文、日文等19种语言

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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