C++学习日记(变量)

本文详细介绍了程序设计中变量的不同作用域,包括局部作用域、全局作用域和静态存储变量的特点。探讨了变量的生存范围从声明到结束的过程,并通过示例展示了不同作用域变量的行为差异。

变量的生存范围:一个变量从声明到结束的过程

局部作用域

在函数体内或复合语句内部定义的一个变量(包括main函数)

局部变量未初始化时其值是随机的

程序执行到函数体或复合语句之外时这个变量就会自动释放

全局作用域

变量、常量等对象的作用范围为整个程序

全局变量的生命期始于程序的运行,结束于程序的退出

全局变量未初始化时其值为0

如果程序中存在同名的全局变量和局部变量,采用就近原则引用

静态存储变量

静态存储变量的值在调用结束后并不释放空间而是一直保留原值,下次调用时该变量值是上一次调用结束后的已有的保存值

static <变量类型><变量名称>;
//静态存储变量的使用
#include<iostream>
using namespace std;
void f1(int, int);
int main()
{
    int i = 5, j = 10, k;
    for (k = 1; k <= 3; k++)
    {
        f1(i, j);
    }
    cin.get();
    return 0;
}
void f1(int a, int b)
{
    int m = 0;  //定义自动变量m
    static int n = 0; //定义静态变量n
    m = m + a + b; //使用自动变量m求和
    n = n + a + b;//使用静态变量n求和
    cout << "m=" << m << '\t' << "n=" << n << endl;
}

这里写图片描述

(Kriging_NSGA2)克里金模型结合多目标遗传算法求最优因变量及对应的最佳自变量组合研究(Matlab代码实现)内容概要:本文介绍了克里金模型(Kriging)与多目标遗传算法NSGA-II相结合的方法,用于求解最优因变量及其对应的最佳自变量组合,并提供了完整的Matlab代码实现。该方法首先利用克里金模型构建高精度的代理模型,逼近复杂的非线性系统响应,减少计算成本;随后结合NSGA-II算法进行多目标优化,搜索帕累托前沿解集,从而获得多个最优折衷方案。文中详细阐述了代理模型构建、算法集成流程及参数设置,适用于工程设计、参数反演等复杂优化问题。此外,文档还展示了该方法在SCI一区论文中的复现应用,体现了其科学性与实用性。; 适合人群:具备一定Matlab编程基础,熟悉优化算法和数值建模的研究生、科研人员及工程技术人员,尤其适合从事仿真优化、实验设计、代理模型研究的相关领域工作者。; 使用场景及目标:①解决高计算成本的多目标优化问题,通过代理模型降低仿真次数;②在无法解析求导或函数高度非线性的情况下寻找最优变量组合;③复现SCI高水平论文中的优化方法,提升科研可信度与效率;④应用于工程设计、能源系统调度、智能制造等需参数优化的实际场景。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现过程,重点关注克里金模型的构建步骤与NSGA-II的集成方式,建议自行调整测试函数或实际案例验证算法性能,并配合YALMIP等工具包扩展优化求解能力。
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