STL程序设计实践三:剖析STL容器的拷贝构造和赋值特性 (转)

本文探讨了STL容器中自定义类对象的拷贝构造与赋值操作,通过具体示例展示了不当实现可能导致的问题,并强调了正确实现的重要性。
STL程序设计实践三:剖析STL容器的拷贝构造和赋值特性 (转)[@more@]

 

STL程序设计实践三:剖析STL容器的拷贝构造和赋值特性XML:namespace prefix = o ns = "urn:schemas-microsoft-com:Office:office" />

拷贝构造

STL容器都支持元素的插入操作,但是当你插入自定义类对象你必须要清楚的了解STL容器是如何完成插入,对插入的自定义类对象有什么基本的要求。否则会出现你想不到的错误。举例说明。

class TestCpyConstruct

{

public:

TestCpyConstruct():data(NULL)

{

data = (char*) operator new(size);

memset(data,0,size);

}

~TestCpyConstruct()

{

operator delete(data);

}

private:

enum{size = 128};

char * data;

};

上面定义了一个TestCpyConstruct类,现在我们写出一段如下的代码,定义一个向量来存储TestCpyConstruct对象。

void main()

{

vector vect;

TestCpyConstruct obj;

vect.push_back(obj);

}

当你编译并运行时,会出错,原因是非法访问。从而我们可以肯定在STL的vector容器中使用了如下伪代码。

new (&memaddr) TestCpyConstruct(const TestCpyConstruct& );

其中memaddr为容器动态分配的内存地址,该操作调用了TestCpyConstruct的拷贝构造函数。由于在TestCpyConstruct类中我们没有定义拷贝构造函数,所以调用了由编译产生的缺省拷贝构造函数,因此在程序析构TestCpyConstruct对象和vector对象时发生了错误。

这说明在向容器中插入元素时调用了拷贝构造函数,所以在用容器存储自定义类型时,没有书写正确的拷贝构造函数会出现错误。

赋值操作

在看了上面的说明后我们再看看容器的赋值操作,STL中容器都支持容器对象相互赋值。

vector< TestCpyConstruct> vect1;

TestCpyConstruct obj;

vect.push_back(obj);

vector< TestCpyConstruct> vect2;

TestCpyConstruct obj2;

vect2.push_back(obj2);

vect2 = vect1;

在这段代码中同样会出现上面的错误,因为STL的vector容器中在赋值操作中调用了自定义类的operator=函数,但由于没有定义出,所以会出现错误。

综上所述,STL给我带来极大的方便,但是在使用时一定要清楚其限制和内部原理,只有这样才能写出正确的程式,尤其是应用在自定义类型时。

好了先说到这吧,我知道的也不多。本文仅供参考。文章写的仓促,有错别字或错误请大家来信指出 Mailto:ccplusplus@21cn.com">ccplusplus@21cn.com,先谢谢大家。欢迎和大家交流(--袁小凯--)。

附:

  1.如下的程式调用的是拷贝构造函数而不是赋值操作。

vector< TestCpyConstruct> vect1;

TestCpyConstruct obj;

vect.push_back(obj);

vector< TestCpyConstruct> vect2;

vect2 = vect1;

  2.TestCpyConstruct的拷贝构造函数原型应为

    TestCpyConstruct(const TestCpyConstruct&)


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/10752043/viewspace-991368/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/10752043/viewspace-991368/

【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛拉格朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散式优化策略应对分时电价机制下的充电需求管理。通过构建数学模型,结合不确定性因素如用户充电行为电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉格朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率与经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法Matlab编程基础的高校研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网与交通系统的协同水平;③作为学术研究案例,用于验证分散式优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟与拉格朗日松弛法的具体实施步骤,重点关注场景生成、约束处理与迭代收敛过程,以便在实际项目中灵活应用与改进。
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