Go学习-map

本文介绍了Go语言中Map的基本操作,包括初始化、赋值、取值、删除等,并通过示例代码展示了如何使用Map,同时解释了Map遍历过程中值传递的特点。

Map初始化

package main

import (
	"fmt"
)

func main() {
	var m1 map[int]string
	m1 = map[int]string{}
	fmt.Println(m1)

	//make方式
	m2 := make(map[int]string)
	fmt.Println(m2)
}

输出

chenlilong@DESKTOP-B9ALUUJ MINGW64 /d/gopath/src
$ go run map.go
map[]
map[]

注意:

1、map的可以key必须可以使用==,或!=进行比较

2、使用delete删除

3、for循环得到的v值为值传递,修改值需要通过索引修改

package main

import (
	"fmt"
)

func main() {
	m := make(map[int]string)
	m[1] = "ok"       //赋值
	fmt.Println(m[1]) //取值
	delete(m, 1)      //删除
	fmt.Println(m[1])

	m2 := map[int]string{1: "hello", 2: "ok"}
	//v是值传递
	for _, v := range m2 {
		fmt.Println(v)
		v = "no"
	}
	fmt.Println(m2)

	//通过for修改里面的值
	for k, v := range m2 {
		fmt.Println(v)
		m2[k] = v + "new"
	}
	fmt.Println(m2)
}

输出

chenlilong@DESKTOP-B9ALUUJ MINGW64 /d/gopath/src
$ go run map.go
ok

hello
ok
map[1:hello 2:ok]
hello
ok
map[2:oknew 1:hellonew]

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、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和寻优能力的评估,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在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和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和改进思路。; 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
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