你比六年级的小学生聪明吗?—— Java数组的初始化

本文探讨了Java中数组初始化的不同方式,并对比了数组初始化与传递数组作为方法参数的区别。此外,还介绍了新的可变参数列表形式及其使用场景。

周五那天去同事那问一个问题,看他正在写代码。突然的发现在类变量初始化那里这样一行代码:

int[] exp = new int[]{};
乍一看,觉得很不顺眼,因为自己从来都没有这样用过,觉得很不适应。后来回去翻阅了一些书籍,发现自己真的有很多基础的东西都忘掉了。

数组初始化,你觉得简单吗?

a.如果你觉得简单,那请看下面的代码:

int[] a = new int[0];
int[] b = new int[]{};
int[] c = {};
你觉得这三种方式,你熟悉吗?它们的作用一样吗?哈哈,其实,三种效果是一样的。如果输出的话,a,b,c的长度都是0。

大家也许可能最熟悉下面这种初始化方式:

int[] d = {1,2,3,4,5};
当然这种方式:

int[] e = new int[]{1,2,3,4,5}

估计也有很多人知道,但是却不一定常用。不过这种方式却很重要,因为如果当调用一个方法的时候,该方法的形参是一个整型数组,这时你传实参的话,会怎么传?

譬如说:有一个方法:

initialArray(int[] array)

你会怎么传参数呢?有三种选择:

    A.initialArray({1,2,3,4,5})
    B.initialArray(1,2,3,4,5)
    C.initialArray(new int[]{1,2,3,4,5})

如果你答对了,那么恭喜你。答案就是C

第一种方式,只能用来数组初始化的且只是这种情况,而不能传参。当然编译会出错。

第二种方式就更不对了。不过后面我会讲到如果改变一下initialArray方法的参数形式的话,就对了。只有C是正确的答案。

上面介绍的是基本类型数组的初始化,对象数组初始化其实也一样。比如说,String数组初始化:

String[] strArray = {"kobe","tmac"}

或者

String[] strArray = new String[]{"kobe","tmac"}

当然这里String比较特殊,可以用字符串直接初始化。

当然,我说的不是这种:

Integer[] integerArray = new Integer[3]

这只是申请了3个引用的空间而已。我说的是

Integer[] integerArray = new Integer[]{1,2,3}

这样的初始化。当然这里Integer也比较特殊,因为现在早已经可以自动装包/拆包了。


b.你经常使用新的可变参数列表形式吗?

比如说,你现在写main函数的参数是

main(String[] args)

还是

main(String...args)

我觉得很多人仍然会用第一种形式。我个人还是非常喜欢新的可变参数列表形式的。比如说上面的一个例子,我如果把initialArray放的参数形式改一下,即

initialArray(int...args)
下面传实参的时候,你会怎么选择呢,我还是给出上面的三个选项,再加上一个D

     A.initialArray({1,2,3,4,5})
     B.initialArray(1,2,3,4,5);
     C.initialArray(new int[]{1,2,3,4,5})
     D.initialArray();

改成这样的话,正确答案就有三个了。B,C,D均为正确答案
使用新的可变参数里列表形式是非常灵活的,可以都不传参数;当然它也有弊端,比如重载的时候,可能会模棱两可。


其实,写了这么多,主要想表达的意思是:基础真的很重要。引用创新工厂首席架构师蔡学镛微博上的一句话:

优秀的程序员靠的是扎实的基础训练+灵活的思考能力+搜索引擎;次级的程序员靠的是过去的经验+搜索引擎;最差的程序员只靠搜索引擎。可见扎实的基础训练是一个优秀程序员的必备条件。共勉。


内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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