软件构造实验问题(一) list和set

最近在做软件构造实验时,遇到了一个问题:在实验中要求一个支持下棋的游戏程序,要求棋子无限多。
我起初的想法是在游戏开始对玩家进行初始化时,给每个玩家配备足够多的棋子,如:

for(int i=0;i<numofpiece;i++) {
	playerB.addPiece("black");
}

只要保证单个玩家的棋子填满这个棋盘,就能够保证在游戏中玩家的棋子是无限多的。
但是在初步完成实验后,进行了测试,发现在棋盘足够大时,并不能保证玩家的棋子够用,所以我改变了方法。
由于国际象棋玩家双方的棋子是有限的,所以需要改变方法:
(1)将围棋初始化时,分配给两个玩家,每人一个棋子

	public void initgoGame(Player playera,Player playerb) {
		Piece pa = new Piece("white");
		Piece pb = new Piece("black");
		playera.addPiece(pa);
		playerb.addPiece(pb);
	}

(2)由于围棋的棋子不可以移动,所以我选择在每次玩家放置棋子后,再为他分配一个棋子,这样就可以使得玩家永远拥有一颗未放到棋盘上的棋子,就保证了棋子的无限多。

然而之后我遇到了一个新的问题,我在Player类中储存玩家的棋子用的是Set,但是在放置棋子的时候无法查看Set中的“下一个棋子”,故而,我需要将Set中的元素变的有次序,在过去的实验操作中,我知道List中的元素是有次序的,所以,我想在放置棋子时将储存棋子的Set转化为一个List,在取出需要位置的棋子,这样就可以完成下棋了。
所用到的语句:

List <Piece> list = new ArrayList<Piece>(playerpieces)

这样就能保证玩家的棋子是无限的并且可以进行放置棋子的操作了。

【无人机】基于改进粒子群算法的无人机路径规划研究[遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度全局寻优方面的优势。; 适合人群:具备定Matlab编程基础优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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