第八周项目一任务*1*成员函数

本文介绍了一个C++程序,展示了如何通过类实现复数的加、减、乘、除运算。通过定义一个名为Complex的类,包含了复数的实部和虚部,并实现了四则运算方法。通过实例化类并调用成员函数,可以轻松进行复数运算。
  1. /*   
  2. * 程序的版权和版本声明部分   
  3. * Copyright (c)2012, 烟台大学计算机学院学生   
  4. * All rightsreserved.   
  5. * 文件名称: 1.cpp   
  6. * 作者:王俊  
  7. * 完成日期: 2013年 4 月 19 日   
  8. * 版本号: v1.0   
  9. * 输入描述:无   
  10. * 问题描述:   
  11. * 程序输出:   
  12. */      
  13. 代码输出:
  14. #include <iostream>
    
    using namespace std;
    
    class Complex
    {public:
    	Complex(){real=0;imag=0;}
    	Complex(double r,double i){real=r;imag=i;}
    	Complex operator+(Complex &c2);
    	Complex operator-(Complex &c2);
    	Complex operator*(Complex &c2);
    	Complex operator/(Complex &c2);
    	void display();
     private:
    	double real;
    	double imag;
    };
    //下面定义成员函数
     Complex Complex::operator+(Complex &c2)
        {
        Complex c;
        c.real=real+c2.real;
        c.imag=imag+c2.imag;
        return c;
        }
    Complex Complex:: operator-(Complex &c2)
    	{
    	Complex c;
        c.real=real-c2.real;
        c.imag=imag-c2.imag;
        return c;
    	}
    Complex Complex:: operator*(Complex &c2)
    	{
    	Complex c;
        c.real=real*c2.real;
        c.imag=imag*c2.imag;
        return c;
    	}
    Complex Complex:: operator/(Complex &c2)
    	{
    	Complex c;
        c.real=real/c2.real;
        c.imag=imag/c2.imag;
        return c;
    	}
    void Complex::  display()
    {
    cout<<"("<<real<<","<<imag<<")"<<endl;
    }
    //下面是测试函数
    int main()
    {
    	Complex c1(3,4),c2(5,-10),c3;
    	cout<<"c1=";
    	c1.display();
    	cout<<"c2=";
    	c2.display();
    	c3=c1+c2;
    	cout<<"c1+c2=";
    	c3.display();
    	c3=c1-c2;
    	cout<<"c1-c2=";
    	c3.display();
    	c3=c1*c2;
    	cout<<"c1*c2=";
    	c3.display();
    	c3=c1/c2;
    	cout<<"c1/c2=";
    	c3.display();
    	return 0;
    }
    

    运行结果:
MATLAB代码实现了个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归化:使用mapminmax将输入和输出归化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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