C++之STL简介

C++之STL

站在巨人的肩膀上能看的更远,走的更远!
在这里插入图片描述

对于大家来说,STL这个名字耳熟能详,这是之前学习STL过程中写下的一篇总述,记录下来以便之后学习翻阅。也是重写博客的一天。
今天就让我们一起来认识STL。STL(standard template libaray)又称标准模板库,它不是C++标准库,而是是C++标准库的重要组成部分。STL由六大组件组成,分别是容器、迭代器、容器适配器、算法、仿函数和空间配置器。
在这里插入图片描述
这六大组件中,容器、容器适配器和算法是我们学习的重点,仿函数和迭代器也是需要简单学习的,空间配置器可以只做了解。
六大组件中的容器和容器适配器内置了我们常用的一些数据结构,在日常项目中,熟练并灵活使用是很必要的,很多数据结构不需要我们手写实现,借助STL可以轻松实现很多基础数据结构,从而在比赛中将更多的时间和精力放在算法设计和算法实现上。
STL提供的六大组件,在使用时可以组合套用,它们个各自的介绍如下:
在这里插入图片描述
内置各种数据结构用来存放数据,其内部实现就如同海平面下的冰山,内置的容器如下:
动态数组(vector)
双向链表(list)
双端队列(deque)
集合(set)
映射(map)
在这里插入图片描述
STL提供了一些常用的算法,有几十个之多,可以让我们轻松实现许多操作,比如:
排序(sort)
查找(search)
复制(copy)
删除(erase)
………等等,很多很多很多
在这里插入图片描述
STL中的迭代器扮演容器与算法之间的胶合剂,是所谓的“泛型指针”,换句话说迭代器就是数据流入流出的闸口。在STL中,迭代器分为以下五种:
输入迭代器
输出迭代器
前向迭代器
双向迭代器
随机访问迭代器
在这里插入图片描述
STL中的容器适配器看上去像是容器,其实只能算是一种容器适配器,它将已有容器进行包装,使其满足某种数据结构的特性,可分为以下三种:
栈(stack)
队列(queue)
优先队列(priority_queue)
在这里插入图片描述
行为类似函数,可作为算法的某种策略,包括指针也可以看作是一种侠义的仿函数,STL中的仿函数大致可分为以下几类:
算术类仿函数(arithmetic)
关系运算类仿函数(relational)
逻辑类仿函数(logical)
证同(identity)
选择(select)
投射(project)
在这里插入图片描述
STL中的空间配置器负责空间配置和管理,它实现了动态空间配置、空间管理、空间释放的类模板,在使用STL时一般不需要我们去管理空间。
在这里插入图片描述
STL库的更新速度比较慢;
STL不支持线程安全,对于线程操作需要编程者自己加锁;
STL极致追求效率导致内部结构复杂;
STL的使用可能会造成代码膨胀,这是因为模板语言本身导致的。
但对于日常项目来说,这些局限性基本不在我们的考虑范围内,我们更多的是如何更好更熟练的运用STL。所以让我们尽情的使用它吧!!!
站在巨人的肩膀上能看的更远,也能走的更远!!!

鹿子

遗传算法优化BP神经网络(GABP)是一种结合了遗传算法(GA)和BP神经网络的优化预测方法。BP神经网络是一种多层前馈神经网络,常用于模式识别和预测问题,但其容易陷入局部最优。而遗传算法是一种模拟自然选择和遗传机制的全局优化方法,能够有效避免局部最优 。GABP算法通过遗传算法优化BP神经网络的权重和阈值,从而提高网络的学习效率和预测精度 。 种群:遗传算法中个体的集合,每个个体代表一种可能的解决方案。 编码:将解决方案转化为适合遗传操作的形式,如二进制编码。 适应度函数:用于评估个体解的质量,通常与目标函数相反,目标函数值越小,适应度越高。 选择:根据适应度保留优秀个体,常见方法有轮盘赌选择、锦标赛选择等。 交叉:两个父代个体交换部分基因生成子代。 变异:随机改变个体的部分基因,增加种群多样。 终止条件:当迭代次数或适应度阈值达到预设值时停止算法 。 初始化种群:随机生成一组神经网络参数(权重和阈值)作为初始种群 。 计算适应度:使用神经网络模型进行训练和预测,根据预测误差计算适应度 。 选择操作:根据适应度选择优秀个体 。 交叉操作:对选择的个体进行交叉,生成新的子代个体 。 变异操作:对子代进行随机变异 。 替换操作:用新生成的子代替换掉一部分旧种群 。 重复步骤2-6,直到满足终止条件 。 适应度函数通常以预测误差为基础,误差越小,适应度越高。常用的误差指标包括均方根误差(RMSE)或平均绝对误差(MAE)等 。 GABP代码中包含了适应度函数的定义、种群的生成、选择、交叉、变异以及训练过程。代码注释详尽,便于理解每个步骤的作用 。 GABP算法适用于多种领域,如时间序列预测、经济预测、工程问题的优化等。它特别适合解决多峰优化问题,能够有效提高预测的准确和稳定
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