C++ Primer课后练习11.33-11.36

本文介绍了一个文本转换程序的设计与实现,该程序通过读取指定规则文件建立转换映射,并应用于目标文本文件,实现文本内容的自动替换。核心部分包括构建转换映射、执行单词级别的转换以及整合输出。
//练习11.33
#include
#include
#include
#include
#include
#include
using namespace std;
//函数buildmap读入给定文件,建立起转换映射
map buildmap(ifstream & mapfile)
{
	map trans_map; //保持转换规则
	string key;                    //要转换的单词
	string value;                  //替换后的内容
	//读取第一个单词存入key中,行中剩余内容存入value;
	while (mapfile >> key && getline(mapfile, value))
	{
		if (value.size() > 1)
		{
			trans_map[key] = value.substr(1);   //跳过空格那个当
		}
		else
			throw runtime_error("no rule for" + key);
	}
	return trans_map;
}
const string &Transform(const string & s, const map& m)
{
	//实际的转换工作,此部分是程序核心
	auto map_it = m.find(s);
	//如果单词在转换规则map中
	if (map_it != m.end())
	{
		return map_it->second;   //使用替换短语
	}
	else
		return s;                //否则返回原string
}
//单词转换程序
void word_transform(ifstream & mapfile, ifstream & input)
{
	auto trans_map = buildmap(mapfile); //保存转换规则
	string text;                        //保存输入中的每一行
	while (getline(input, text))        //读取一行输入 
	{
		istringstream stream(text);     //读取每一个单词
		string word;
		bool firstword = true;           //控制是否打印空格
		while (stream >> word)
		{
			if (firstword)
				firstword = false;
			else
				cout << " ";             //在单词间打印一个空格
			cout << Transform(word, trans_map); //打印输出
		}
		cout << endl;
	}
}
//生成转换文本
int main(void)
{
	ifstream map_file("rule.txt");
	ifstream in_put("target.txt");
	word_transform(map_file, in_put);
	return 0;
}

/**********************************************************************************************************************/
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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