c++primer 动态内存学习小记

本文探讨了在C++中使用shared_ptr时的一个常见问题:直接声明而未初始化的shared_ptr无法用于向其指向的vector容器添加元素。通过示例代码,解释了错误的原因,并给出了正确的初始化方法,即使用make_shared进行初始化。

  在做练习题12.7时,遇到一个问题,如果这么定义一个shared_ptr是有问题得,不能往里面push_back元素,如下代码所示
   

auto create() {
	shared_ptr<vector<int> > p;
	return p;
}
auto input(shared_ptr<vector<int> > d) {
	int num;
	while (cin >> num) {
		(*d).push_back(num);
	}
	return d;
}

如果这样创建了p之后 传入到input函数中使用push_back(),就会出错。

正确得做法,应该需要在后面加上make_shared初始化。如下

auto create() {
	shared_ptr<vector<int> > p=make_shared<vector<int> >();
	return p;
}

产生这样的问题原因(个人推测)是:使用shared_ptr仅能声明一个智能指针,此时智能指针并没有初始化,所以往里面push_back元素会出现问题。

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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