C++第五次实验——数组分离

本文介绍了一个使用C++编写的程序,该程序能够接收用户输入的10个整数,并利用循环和条件判断来区分这些数的奇偶性,最后将奇数和偶数分别归类到两个不同的数组中输出。

一、问题及代码

/* 
* 文件名称:1.cpp 
* 作    者:高琨  
* 完成日期:2016 年 5月 5日 
* 版 本 号:v1.0 
* 对任务及求解方法的描述部分:运用循环对输入十个数判断奇偶性并归类
* 输入描述:请输入10个数  
* 问题描述:判断奇偶性 
* 程序输出:奇数组B{},偶数组C{}  
* 问题分析:通过if语句判断奇偶性 
* 算法设计:x%2!=0  
*/ 
#include<iostream>
using namespace std;
int main()
{
	int A[10],B[10],C[10],i,j=0,k=0;
	cout<<"请输入10个数"<<endl;
	for(i=0;i<10;i++)
	{
		cin>>A[i];
		if(A[i]%2!=0)
		{
			B[j]=A[i];
			j++;
		}
		else
		{
			C[k]=A[i];
			k++;
		}
	}
	cout<<"奇数组B{";
	for(i=0;i<j;i++)
		cout<<B[i]<<",";
	cout<<"}"<<endl;
	cout<<"偶数组C{";
	for(i=0;i<10-j;i++)
		cout<<C[i]<<",";
	cout<<"}"<<endl;
	return 0;	
}

二、运行结果


三、心得体会

数组的建立更加便利数据的处理了

四、知识点总结

for语句的运用主要集中在循环数已知的循环中,通过与if等语句进行嵌套实现复杂的功能,数组的建立也减少了代码行数,方便了程序的编写

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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