【CMake】《CMake构建实战:项目开发卷》笔记-Chapter5-实践:CMake快速排序

印尼稻米收成与粮食安全数据集2026年 本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。 立即下载

第5章 实践:CMake快速排序

到这里,终于将CMake中比较常用的命令都讲解完了。本章是本书中第一个实践章节。实践章节不会介绍任何的新内容,而是通过一个具体的项目来实战演练前面学习到的知识。鉴于之前我们一直把CMake当作通用脚本语言来学习,本章也不会含糊,直接实现一个经典算法:快速排序!

快速排序的基本原理很简单:找到数列的一个基准值,将数列分成比该值小和比该值大的两部分子数列;对这两部分子数列分别进行快速排序,也就是递归调用自身;将二者与基准值合并在一起作为快速排序后的结果。其具体代码如下所示。

# 数列划分
# 
# arr: 数列
# pivot: 基准值
# left: 划分后的子数列变量名(比基准值小的部分)
# right: 划分后的子数列变量名(比基准值大的部分)
function(partition arr pivot left right)
    # 遍历数列
    foreach(x ${arr})
        # 根据当前值与基准值的比较结果,分别将当前值追加到不同的子数列中
        if(${x} LESS ${pivot})
            list(APPEND _left ${x})
        else()
            list(APPEND _right ${x})
        endif()
    endforeach()

    # 将两个子数列定义到上层作用域的变量中
    set(${left} ${_left} PARENT_SCOPE)
    set(${right} ${_right} PARENT_SCOPE)
endfunction()

# 快速排序
# 
# input: 输入数列
# res: 存放排序结果的数列变量名
function(quick_sort input res)
    # 取数列长度
    list(LENGTH input input_len)

    # 若数列长度小于等于1,则无须排序,直接设置结果
    if(${input_len} LESS_EQUAL 1)
        set(${res} "${input}" PARENT_SCOPE)
        return()
    endif()

    # 取数列第一个元素作为基准值
    list(GET input 0 pivot)
    # 将基准值从数列中删掉,即从第2个元素开始取子数列
    list(SUBLIST input 1 -1 input)

    # 划分出两部分子数列
    partition("${input}" ${pivot} left right)
    # 递归调用自身,对两个子数列进行快速排序
    quick_sort("${left}" left)
    quick_sort("${right}" right)

    # 将比基准值小的子数列、基准值、比基准值大的子数列连接起来
    list(APPEND _res ${left} ${pivot} ${right})
    # 设置到上层作用域的结果变量中
    set(${res} "${_res}" PARENT_SCOPE)
endfunction()

# 接受命令行输入的参数
# 从第4个参数开始,因为要忽略以下前4个参数:
# "cmake" "-P" "快速排序.cmake" "--"
foreach(i RANGE 4 ${CMAKE_ARGC})
    list(APPEND input ${CMAKE_ARGV${i}})
endforeach()

message("排序前:${input}")
quick_sort("${input}" res)
message("排序后:${res}")

其中用到了CMAKE_ARGC和CMAKE_ARGV<N>变量,分别代表CMake脚本模式下命令行参数的个数及第N个参数的值(包括cmake命令行名称本身)。如果希望传递自定义参数到CMake脚本程序中,可以在调用cmake -P命令行时,在--后传递自定义参数。例如:

> cd CMake-Book/src/ch005
> cmake -P 快速排序.cmake -- 8 9 1 3 10 4 6 5 7 2
排序前:8;9;1;3;10;4;6;5;7;2
排序后:1;2;3;4;5;6;7;8;9;10
四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar 立即下载

相关推荐

Delphi 13.2控件之msquic4d.rar

Delphi 13.2控件之msquic4d.rar

Hello 算法源码级解析:快速排序哨兵划分、复杂度边界与两大工程优化

<u>快速排序(Quick Sort)</u>是《Hello 算法》排序章节中基于分治策略的代表性算法。本篇文章以 [en/docs/chapter_sorting/quick_sort.md](https://link.gitcode.com/i/d6697196745bbbf971d62373b1027b57) 为骨架([简体中文版](https://link.gitcode.com/i/59

gitblog_00405的博客 407

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

《Hello 算法》快速排序深度解析:哨兵划分、分治流程与基准数/递归深度优化实战

本文以《Hello 算法》项目「排序」章节中的快速排序(quick sort)主题文档 [ja/docs/chapter_sorting/quick_sort.md](https://link.gitcode.com/i/87f53ea8f4b1b5a5e507cc7e9857d3df) 为骨架,结合仓库内 Python、C、C++、Go 等多语言源码实现,系统讲解快速排序的核心操作「哨兵划分」、

gitblog_00297的博客 91

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

Hello 算法图解快速排序:哨兵划分原理、复杂度分析与基准数/递归深度双优化

<u>快速排序(quick sort)</u>是《Hello 算法》排序章节中基于分治策略的代表性演算法,執行高效、應用廣泛。本文以 [zh-hant/docs/chapter_sorting/quick_sort.md](https://link.gitcode.com/i/854b64d6fa75a10c066c28fa12524690) 為骨架,結合倉庫內 C、Java、Python 等多語

gitblog_00051的博客 227

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

C++并发编程实战:从线程管理到无锁数据结构与性能调优

并发编程是现代软件开发的核心技术,它允许多个计算任务同时执行,从而充分利用多核处理器的硬件潜力,提升程序性能。其基本原理在于通过线程、进程等机制实现任务并行,并借助同步原语(如互斥锁、条件变量)和内存模型来协调共享资源的访问,确保数据一致性与程序正确性。这项技术的核心价值在于解决高并发场景下的性能瓶颈,是构建高性能服务器、实时系统和大规模数据处理应用的基础。在实际工程中,开发者常面临数据竞争、死锁和伪共享等挑战,需要掌握从基础的std::thread管理、RAII模式,到高级的原子操作、内存序以及无锁数据结

weixin_30458043的博客 394

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

插入排序(Insertion Sort)深度解析:《Hello 算法》排序章节的稳定基石与实战指南

本文以《Hello 算法》英文文档 [insertion_sort.md](https://link.gitcode.com/i/fc796924a00fa4a6f74985fe5d8d05a3) 为主体,系统讲解插入排序(Insertion Sort)的思想、完整算法流程、复杂度与稳定性分析,并对照本仓库 [en/codes](https://link.gitcode.com/i/861495d

gitblog_00608的博客 698

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

《Hello 算法》分治策略习题精讲:三道自测题与快速幂编程实战

> 本文基于开源仓库《Hello 算法》俄文版分治章([ru/docs/chapter_divide_and_conquer/exercises.md](https://link.gitcode.com/i/3be20023b670f2dcd19ae579e4a71b51))的习题展开成文。分治("разделяй и властвуй",divide and conquer)是贯穿全书最重要的算

gitblog_00726的博客 462

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

锂电池主动均衡理解

锂电池主动均衡方案总结: 来自:http://wenku.baidu.com/link?url=EWiyACZ3aLPhcOjI4FZL3uQ9d0FD6dBhADQSVQiaSmRHHATTdSig1Wy39JY7-ijCzbAEYG1ymz6Lv5zhGdZaStQSHzFt6v3h3_tMrJudz9O 目前车厂采用被动均衡方案的公司:(来自网页) 目前采用主动均衡的...

weixin_34365417的博客 2911

Crabtalk Rust实现原理:5层分层架构、边界契约与「Runtime永不发起I/O」的工程哲学

Crabtalk 是一个用 Rust 编写的长驻 Agent 守护进程(agent daemon),负责管理会话、调度工具并连接 MCP 服务器。这篇文章带你深入 Crabtalk 的 Rust 源码,拆解它的 5 层分层架构、各层之间的边界契约,以及「Runtime 永不发起 I/O」这一核心工程哲学背后的设计逻辑。无论你是想给 Agent 生态贡献代码,还是想学习 Rust 大型项目的分层设计

gitblog_00502的博客 465

告别SquareLine!用免费的NXP GUI-Guider为海思3516AV300开发LVGL界面(附完整移植流程)

本文详细介绍了如何利用免费的NXP GUI-Guider工具为海思Hi3516AV300开发LVGL界面,包括环境配置、代码移植和性能优化等全流程实战指南。特别针对二维码组件缺失等常见问题提供解决方案,帮助开发者零成本构建高效嵌入式GUI系统。

weixin_28292761的博客 418

Hello 算法:泡沫排序(Bubble Sort)原理、最佳化與多語言實作全解析

泡沫排序(bubble sort)是資料結構與演算法入門階段最經典的排序演算法之一,其核心思想樸素直觀:透過連續比較與交換相鄰元素,讓較大的元素像氣泡一樣逐步「浮」到陣列末端。本篇文章以《Hello 算法》繁中版 [泡沫排序章節](https://link.gitcode.com/i/f2aaa04485ea4912c27e1b13b4496a70) 為主體骨架,結合倉庫中 C、C++、Pytho

gitblog_00958的博客 413

数据库原理及应用教程课后习题答案 第4版 微课版 陈志泊主编

数据库原理及应用教程 第4版 微课版 陈志泊主编 习题参考答案

共同学习,心怀感激。 5万+

zabbix深度监控之邮件告警、微信群和微信告警

本文详细介绍了Zabbix监控系统实现邮件告警和微信告警的配置方法。邮件告警部分包含QQ和163邮箱的SMTP服务器配置、消息模板设置、告警流程三步骤(媒介配置、触发器动作、用户设置)。微信告警分为两种方式:企业微信群机器人告警(通过webhook实现)和企业微信应用告警(需创建应用并获取API参数)。两种告警方式都提供了完整的配置流程,包括脚本编写、权限设置、消息模板定制等关键步骤,并特别说明了如何使个人微信接收企业微信告警消息。文章还对比了SMTP、POP3、IMAP三种邮件协议的差异及适用场景。

提供C#相关开发 、云计算、运维测试、网络安全相关技术分享与服务,有意向可联系。 820

Hello 算法:选择排序(Selection Sort)原理图解、多语言实现与复杂度剖析

选择排序是最直观的一类排序算法:每一轮从未排序区间中挑出最小元素,放到已排序区间的末尾,反复 n-1 轮后整个数组有序。本篇文章以《Hello 算法》仓库中的 [选择排序文档](https://link.gitcode.com/i/5e72f4871b67c70a263ca1c8872de032)(其俄语版本见 [ru/docs/chapter_sorting/selection_sort.md]

gitblog_00748的博客 381

2024.12.29 【RNA-seq】Rawdata数据缺失问题与解决方案

Fastq格式是一种用于存储高通量测序数据的文件格式,包含序列和相应的质量信息。第一行以开头,后接序列标识符;第二行是测序的DNA序列;第三行以开头,可能会跟随序列标识符;第四行是对应的质量值,以ASCII字符表示。Rawdata的数据完整性通常情况下是没有问题的,但我们仍然需要对下机数据进行验证,确保后续分析的正常进行,好的分析习惯可以提高整体的分析效率,避免很多不必要的麻烦。

1116
上一篇: 【CMake】《CMake构建实战:项目开发卷》笔记-Chapter4-常用命令
下一篇: 【CMake】《CMake构建实战:项目开发卷》笔记-Chapter6-CMake构建初探
江湖人称菠萝包
博客等级 码龄10年 762粉丝 314原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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