折腾二维数组

本文详细介绍了二维数组的定义、赋值、输入、修改、输出等操作,包括按行、按列、逆序输出,以及根据特定条件筛选数组元素。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

/*
* 程序的版权和版本声明部分
* Copyright (c)2012, 烟台大学计算机学院学生
* All rightsreserved.
* 文件名称: array.cpp                           
* 作    者:    田凤                        
* 完成日期:  2012年  12月  10 日
* 版本号: v1.0      
* 输入描述:无
* 问题描述:定义二维数组,为数组赋初值、输入值、更改值、按各种方法输出
*/

#include<iostream>
using namespace std;
int main()
{
   int i,j;
   int a[5][4]={{0,1},{4,5},{8,9},{12,13},{16,17}};
   cout<<"请输入10个整数:"<<endl;
   for(i=0;i<5;++i)
   {
    for(j=2;j<4;++j)
    cin>>a[i][j];
   }
   cout<<"数组中的值为:"<<endl;
   for(i=0;i<5;++i)
   {
  cout<<"第"<<i<<"行:";
  for(j=0;j<4;++j)
 {
  cout<<a[i][j]<<" ";
 
 }
  cout<<endl;
 }
 cout<<"现在将所有元素乘以3倍!"<<endl;
 cout<<"行序优先输出:"<<endl;
    for(i=0;i<5;++i)
 {
  cout<<"第"<<i<<"行:";
  for(j=0;j<4;++j)
 {
  a[i][j]*=3;
  cout<<a[i][j]<<"  ";
 
 }
  cout<<endl;
 }
 cout<<"列序其次输出:"<<endl; 
    for(j=0;j<4;++j)
 {
  cout<<"第"<<j<<"列:";
 for(i=0;i<5;++i)
 {
 cout<<a[i][j]<<"  ";
 
 }
  cout<<endl;
 }
cout<<"倒着输出:"<<endl;


cout<<"行序优先输出:"<<endl;
    for(i=4;i>=0;--i)
 {
  cout<<"第"<<i<<"行:";
  for(j=3;j>=0;--j)
 {
 
  cout<<a[i][j]<<"  ";
 
 }
  cout<<endl;
 }
 cout<<"列序其次输出:"<<endl; 
    for(j=3;j>=0;--j)
 {
  cout<<"第"<<j<<"列:";
 for(i=4;i>=0;--i)
 {
 cout<<a[i][j]<<"  ";
 
 }
  cout<<endl;
 } 
cout<<"数组中的偶数:"<<endl; 
    for(i=0;i<5;++i)
 {
 
 for(j=0;j<4;++j)
 {
 if(a[i][j]%2==0)
    cout<<"a["<<i<<"]"<<"["<<j<<"]"<<"="<<a[i][j]<<endl;

 }

 }
  
cout<<"行列下标之和为3的倍数的元素:"<<endl; 
    for(i=0;i<5;++i){
 
 for(j=0;j<4;++j)
 {
  if((i+j)%3==0)
   cout<<"a["<<i<<"]"<<"["<<j<<"]"<<"="<<a[i][j]<<endl;
 
 }

 }
  
return 0;
}

*运行结果:

                      

*心得体会:天啊,图太长了!!!

内容概要:该论文研究增程式电动汽车(REEV)的能量管理策略,针对现有优化策略实时性差的问题,提出基于工况识别的自适应等效燃油消耗最小策略(A-ECMS)。首先建立整车Simulink模型和基于规则的策略;然后研究动态规划(DP)算法和等效燃油最小策略;接着通过聚类分析将道路工况分为四类,并设计工况识别算法;最后开发基于工况识别的A-ECMS,通过高德地图预判工况类型并自适应调整SOC分配。仿真显示该策略比规则策略节油8%,比简单SOC规划策略节油2%,并通过硬件在环实验验证了实时可行性。 适合人群:具备一定编程基础,特别是对电动汽车能量管理策略有兴趣的研发人员和技术爱好者。 使用场景及目标:①理解增程式电动汽车能量管理策略的基本原理;②掌握动态规划算法和等效燃油消耗最小策略的应用;③学习工况识别算法的设计和实现;④了解基于工况识别的A-ECMS策略的具体实现及其优化效果。 其他说明:此资源不仅提供了详细的MATLAB/Simulink代码实现,还深入分析了各算法的原理和应用场景,适合用于学术研究和工业实践。在学习过程中,建议结合代码调试和实际数据进行实践,以便更好地理解策略的优化效果。此外,论文还探讨了未来的研究方向,如深度学习替代聚类、多目标优化以及V2X集成等,为后续研究提供了思路。
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