JavaScript 数组

本文介绍了JavaScript数组的基础知识,包括数组的创建方式、元素类型、如何获取及修改数组元素等内容,并详细讲解了数组索引和遍历的方法。

数组是指一组数据的集合,其中的每个数据被称作元素,在数组中可以存放任意类型的元素。数组是动态大小的,会随着数据添加而自动增长。

//普通变量一次只能存储一个值
var num = 10;
//数组一次可以存储多个值
var arr = [1,2,3,4,5];

1. 数组的创建方式

JS中创建数组有两种方式:

  • 利用new创建数组
  • 利用数组字面量创建数组

利用new创建数组:

var 数组名 = new Array();
var arr = new Array();//创建一个新的空数组

利用数组字面量创建数组

//1.使用数组字面量方式创建空的数组
var 数组名 = [];
//2.使用数组字面量方式创建带初始值的数组
var 数组名 = [ '小白''小黑''大黄''瑞奇'];
数组的字面量是方括号[]
声明数组并赋值称为数组的初始化
这种字面量方式也是最多使用的方式

2. 数组元素的类型

数组中可以存放任意类型的数据,例如字符串,数字,布尔值等。

var arr  = ['嗷嗷','sa',1,true,2.2] ;

我们数组里面的数据一定用逗号分隔。
数组里面的数据比如1,2,我们称为数组元素。

3. 获取数组元素

3.1 数组的索引

索引(下标)︰用来访问数组元素的序号(数组下标从0开始)。

var arr = ['a''b''c''d'];
索引号∶     0,   1,   2,   3

数组可以通过索引来访问、设置、修改对应的数组元素,我们可以通过“数组名[索引]”的形式来获取数组中的元素。
这里的访问就是获取得到的意思

//定义数组
var arr = ['a''b''c''d'];
//获取数组中的第2个元素
console.log(arr[1]);//打印'b'
console.log(arr[3]);//因为没有这个数组元素所以输出的结果是undefined

3.2 遍历数组

遍历数组:就是把数组的元素从头到尾访问一次。

var arr = [ 'red ', 'green', 'blue ' ];
	for (var i = 0; i < 3; i++) {
	console.log(arr[i]);
}

1.因为我们的数组索引号从0开始,所以i必须从0开始;
2.输出的时候arr[i],i计数器当索引号来用。

数组长度

数组长度:数组名.length

1.数组的长度是元素个数不要跟索引号混淆;
2.arr.length 动态监测数组元素的个数。

4. 数组中新增元素

可以通过修改length长度以及索引号增加数组元素。

通过修改length长度新增数组元素

可以通过修改length长度来实现数组扩容的目的。
length 属性是可读写的

var arr = [ 'red' , 'green' , 'blue' , 'pink' ];
arr. length = 7;
console.log (arr);
console.log (arr[4]);
console.log (arr[5]);
console.log (arr[6]);
//其中索引号是4,5,6的空间没有给值,就是声明变量未给值,默认值就是undefined.

在这里插入图片描述
新增数组元素修改索引号追加数组元素

var arr1 = [ 'red', 'green', 'blue'];
arr1[3] = 'pink';
arr1[4] = 'purple';
arr1[5] = 'yellow'; //这里是替换原来的数组元素console.log(arr1);
arr1 ='black';
console.log(arr1);//不要直接给数组名赋值否则里面的数组元素都没有了
内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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