设计模式——迭代器模式

本文介绍了一种基于C#实现的树形数据结构及其遍历方法,并通过具体实例展示了如何利用前序遍历和Lambda表达式进行节点的筛选。
/// <summary>
        /// 测试枚举器
        /// </summary>
        private static void TestItemerator()
        {
            var family = new Tree<Person>(new Node<Person>(new Person { Name = "Mr.Zhao", Birthday = "1983-01-13" },
                new Node<Person>(new Person { Name = "Mr.Zhao's Son1", Birthday = "2012-01-12" },
                    new Node<Person>(new Person { Name = "Son1's Son11", Birthday = "2025-01-11" }, null, null),
                    new Node<Person>(new Person { Name = "Son1's Son12", Birthday = "2025-01-11" }, null, null)),
                new Node<Person>(new Person { Name = "Mr.Zhao's Son2", Birthday = "2012-01-12" },
                    new Node<Person>(new Person { Name = "Son2's Son21", Birthday = "2025-01-11" }, null, null),
                    new Node<Person>(new Person { Name = "Son2's Son22", Birthday = "2025-01-11" }, null, null))));
            foreach (var p in family.Preorder)
                Console.WriteLine("{0}=>{1}", p.Name, p.Birthday);
            family.Where(p => string.Compare(p.Birthday, "2014-01-13") > 0).ToList().ForEach(p =>
            {
                Console.WriteLine("家族成员【{0}=>{1}】在2014-01-13之后出生", p.Name, p.Birthday);
            });
        }


1、树节点定义:

/// <summary>
    /// 泛型树节点
    /// </summary>
    /// <typeparam name="T"></typeparam>
    public class Node<T>
    {
        public Node() { }
        public Node<T> Left { get; set; }
        public Node<T> Right { get; set; }
        public T Data { get; set; }

        public Node(T d, Node<T> left, Node<T> right)
        {
            Data = d;
            Left = left;
            Right = right;
        }
    }
2、树定义:
/// <summary>
    /// 树:根节点、构造函数
    /// </summary>
    /// <typeparam name="T"></typeparam>
    public class Tree<T>
    {
        Node<T> root;
        public Tree() { }
        public Tree(Node<T> head)
        {
            this.root = head;
        }

        public IEnumerable<T> Preorder
        {
            get { return ScanPreorder(root); }
        }

        /// <summary>
        /// 带委托的过滤器
        /// </summary>
        /// <param name="filter">带条件的委托方法,返回真假</param>
        /// <returns></returns>
        public IEnumerable<T> Where(Func<T,bool> filter)
        { 
            foreach(var p in ScanPreorder(root))
            {
                if (filter(p))
                    yield return p;
            }
        }


        /// <summary>
        /// 遍历树节点
        /// (前序遍历:根=>左节点=>右节点)
        /// </summary>
        /// <param name="root"></param>
        /// <returns></returns>
        private IEnumerable<T> ScanPreorder(Node<T> root)
        {
            yield return root.Data;
            if (root.Left != null)
            {
                foreach (var p in ScanPreorder(root.Left)) //所有左子树
                {
                    yield return p;
                }
            }

            if (root.Right != null)
            {
                foreach (var r in ScanPreorder(root.Right))//所有右子树
                {
                    yield return r;
                }
            }
        }

    }

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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