带引用计数的智能指针

本文详细介绍了智能指针的实现原理,包括如何通过引用计数避免所有权转移带来的问题,以及提供了一个简单的SmartPtr模板类示例。通过实例演示了如何在C++中使用智能指针管理资源。

STL中的auto_ptr是不带有引用计数的,因此一个实体只能被一个auto_ptr对象拥有。由于这样的限制,才会提出auto_ptr在拷贝构造或赋值操作时转移指针所有权的处理方法。向智能指针中添加引用计数可以完全避免“所有权转移”带来的错觉,从而规范指针不安全行为,让智能指针真正Smart。

内建指针和引用计数分别占有一块堆内存,分别用T* ptr和int* pCnt来保存它们的地址。当然,也可以将它们摆放到相邻的位置上,不过这会增加实现的难度,不便于我们理解引用计数的实现。SmartPtr的代码如下所示:

// SmartPtr
template<class T>
class SmartPtr
{
public:
	SmartPtr(T* src):ptr(src),pCnt(new int(1))
	{
	}
	SmartPtr(const SmartPtr<T>& src):ptr(src.ptr),pCnt(src.pCnt)
	{
		++(*pCnt);
	}
	SmartPtr<T>& operator=(const SmartPtr<T>& rhs)
	{
		if(ptr != rhs.ptr)
		{
			Release();
			ptr = rhs.ptr;
			pCnt = rhs.pCnt;
			++*pCnt;
		}
		return (*this);
	}
	T* operator->()
	{
		return ptr;
	}
	const T* operator->()const
	{
		return ptr;
	}
	T& operator*()
	{
		return (*ptr);
	}
	const T& operator*()const
	{
		return (*ptr);
	}
	~SmartPtr()
	{
		Release();
	}
private:
	T* ptr;
	int *pCnt;
	void Release()
	{
		if(--*pCnt == 0)
		{
			delete ptr;
			delete pCnt;
		}
	}
};

在main函数中,编写以下代码进行测试:

#include<stdlib.h>
#include<stdio.h>
#include<string.h>
#include"SmartPtr.h"

class UserInfo
{
public:
	UserInfo(const char* strName, const char* strNation)
	{
		strcpy_s(this->strName,strName);
		strcpy_s(this->strNation,strNation);
	}
	void displayUser()
	{
		printf_s("我是%s,来自%s\n",strName,strNation);
	}
	~UserInfo()
	{
	}
private:
	char strName[10];
	char strNation[10];
};

int main()
{
	UserInfo* pui = new UserInfo("罗纳尔多","巴西");
    SmartPtr<UserInfo> tpui(pui);
    SmartPtr<UserInfo> tpui2(tpui);
	tpui2->displayUser();
	tpui = tpui2;
	SmartPtr<UserInfo> tpui3(new UserInfo("齐达内","法国"));
	tpui2 = tpui3;
	tpui2->displayUser();
    system("pause");
    return 0;
}

输出结果为:

参考资料:

http://www.cublog.cn/u/18517/showart_241240.html

基于粒子群优化算法的p-Hub选址优化(Matlab代码实现)内容概要:本文介绍了基于粒子群优化算法(PSO)的p-Hub选址优化问题的研究与实现,重点利用Matlab进行算法编程和仿真。p-Hub选址是物流与交通网络中的关键问题,旨在通过确定最优的枢纽节点位置和非枢纽节点的分配方式,最小化网络总成本。文章详细阐述了粒子群算法的基本原理及其在解决组合优化问题中的适应性改进,结合p-Hub中转网络的特点构建数学模型,并通过Matlab代码实现算法流程,包括初始化、适应度计算、粒子更新与收敛判断等环节。同时可能涉及对算法参数设置、收敛性能及不同规模案例的仿真结果分析,以验证方法的有效性和鲁棒性。; 适合人群:具备一定Matlab编程基础和优化算法理论知识的高校研究生、科研人员及从事物流网络规划、交通系统设计等相关领域的工程技术人员。; 使用场景及目标:①解决物流、航空、通信等网络中的枢纽选址与路径优化问题;②学习并掌握粒子群算法在复杂组合优化问题中的建模与实现方法;③为相关科研项目或实际工程应用提供算法支持与代码参考。; 阅读建议:建议读者结合Matlab代码逐段理解算法实现逻辑,重点关注目标函数建模、粒子编码方式及约束处理策略,并尝试调整参数或拓展模型以加深对算法性能的理解。
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