写程序的易错点(不定期更新)

本文总结了编程过程中常见的错误,包括变量重复定义、宽度优先遍历中的逻辑错误、数组初始化问题等,并提供了相应的解决方法。
  1. 忘记开-Wshadow,导致有变量重复,容易出错。实例:
    1 int t;
    2 ……
    3 if (……){
    4     int t=……;   
    5 } else {
    6     t=……;  
    7 }
  2. 对图进行宽度优先遍历时,visit数组加错位置。
    while (!q.empty()){
            nownode=q.front();
            nowedge=first[nownode]; //mark
            while (nowedge){
                nowson=edges[nowedge].to;
                if (visit[nowson]) continue; //如果这个语句加在前面,可能会造成一个元素进队多次,导致……TLE。
                if (......){
                    visit[nowson]=1;
                    q.push(nowson);
                }
                nowedge=edges[nowedge].next;
            }
    }
  3. 变量或数组忘记初始化(并且这种情况下,在本地运行程序还可能对。。)。初始化虽然看上去没什么用,但事实上能避免很多麻烦。尤其是数组。。一些你根本想不到,还是统统初始化比较好(不要吝啬那么一点点时间)
    int t;
    ……
    ans=max(t, p);
    printf("%d\n", ans); //自己测为什么是对的QwQ。。。
    return 0;
  4. 数组从零开始编号,但是在后面写程序的时候设置成某一个值是零就退出。。结果下标为零的元素访问不到。解决方法:设置成是-1。(或者是从1开始编号)
    edge[maxm];
    edge[0]=……;
    int nowedge=……;
    while (nowedge){ //有下标为0的边。。
        ……    
        nowedge=edge[nowedge].next;
    }
  5. 前面改了一点程序,后面改了一点程序--》一般是秘制wa,ac很多wa很多,然后怎么调都调不出来。。解决方法:写程序就一口气写完。
  6. 四则运算的优先级比左右移优先级高!
    if (j+1<<i-1<n){ //错。。
        fmax[j][i]=max(fmax[j][i-1], fmax[j+1<<i-1][i-1]); //错。。
        fmin[j][i]=min(fmin[j][i-1], fmin[j+1<<i-1][i-1]); //错。。
    }   
  7. 写堆的时候,删除任意一个结点会把堆尾结点放到当前删除的结点来,然而堆尾结点可能更大。这里是详细内容。
  8. 一个if语句中,明明应该写在一个条件内的东西被写在了外面。虽然有时候不会出错(例如说自增自减),但是很多时候会意想不到。
  9. 写线段树,pushdown不能作用在自己身上,要作用在孩子身上,不然它的父亲结点更新的时候会更新错。(万一孩子没有下传标记)
  10. 类型重定义名字的时候,最好不要用define,用typedef,不然会出现一些有趣的错误。
  11. 0.00可能会被卡精度卡成-0.00。这是因为,-0.0001的四舍五入是-0.00,而0.0001的四舍五入是0.00。解决方案是对于此数加个esp。
  12. 用滚动数组的dp题,如果有一个测试点中有多组数据,必须对数组清零。
  13. 0!的逆元别忘记设成1:
    fac[0]=1;  //在求组合数的时候会错……
    for (int i=1; i<maxm; ++i)
        fac[i]=fac[i-1]*i%mod, invf[i]=inv(fac[i]);

转载于:https://www.cnblogs.com/MyNameIsPc/p/7429290.html

(Kriging_NSGA2)克里金模型结合多目标遗传算法求最优因变量及对应的最佳自变量组合研究(Matlab代码实现)内容概要:本文介绍了克里金模型(Kriging)与多目标遗传算法NSGA-II相结合的方法,用于求解最优因变量及其对应的最佳自变量组合,并提供了完整的Matlab代码实现。该方法首先利用克里金模型构建高精度的代理模型,逼近复杂的非线性系统响应,减少计算成本;随后结合NSGA-II算法进行多目标优化,搜索帕累托前沿解集,从而获得多个最优折衷方案。文中详细阐述了代理模型构建、算法集成流程及参数设置,适用于工程设计、参数反演等复杂优化问题。此外,文档还展示了该方法在SCI一区论文中的复现应用,体现了其科学性与实用性。; 适合人群:具备一定Matlab编程基础,熟悉优化算法和数值建模的研究生、科研人员及工程技术人员,尤其适合从事仿真优化、实验设计、代理模型研究的相关领域工作者。; 使用场景及目标:①解决高计算成本的多目标优化问题,通过代理模型降低仿真次数;②在无法解析求导或函数高度非线性的情况下寻找最优变量组合;③复现SCI高水平论文中的优化方法,提升科研可信度与效率;④应用于工程设计、能源系统调度、智能制造等需参数优化的实际场景。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现过程,重关注克里金模型的构建步骤与NSGA-II的集成方式,建议自行调整测试函数或实际案例验证算法性能,并配合YALMIP等工具包扩展优化求解能力。
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