第五周项目四——学生类

/* 
* 程序的版权和版本声明部分 
* Copyright (c)2013, 烟台大学计算机学院学生 
* All rightsreserved. 
* 文件名称: f.cpp 
* 作 者:杨晨
* 完成日期:2013 年 3月 30日 
* 版本号: v1.0 
* 输入描述:略 
* 问题描述:略 
* 程序输出: 
*/  
#include<iostream>
using namespace std;
class Student
{
public:
void display();
Student(int n,double s);


int num;
double score;

};
void max(Student *arr);
Student::Student(int n,double s)
{
num=n;
score=s;
}
void Student::display()
{
cout<<num<<" "<<score<<endl;
}
void max(Student *arr)
{
double max=arr[0].score;    
    int k=0,i;    
    for(i=1;i<5;i++)    
        if(arr[i].score>max)    
        {    
            max=arr[i].score;    
            k=i;    
        }    
        cout<<arr[k].num;
}

int main()
{
	Student stu[5]={Student(1,89),Student(2,78),Student(3,87),Student(4,77),Student(5,99)};
	cout<<"学生1,3,5的成绩为:"<<endl;	
	for(int i=0;i<5;i=i+2)  
        {  
            stu[i].display();  
        }  
 
        cout<<"5个学生中成绩最高者的学号为: ";
		max(stu);
  
         
        return 0;  
}  

输出结果:


先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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