编程语言座次图,谁才是老大(ps:原来这么多编程语言都有同一个祖宗)?

到目前为止大约有几十种主流的编程语言,例如C、C++、Java、Python、JavaScript、Ruby、Swift、Kotlin、Go等等。除了这些主流语言外,还有上百种非主流或者说普及率没那么高的编程语言。

这么多编程语言中,有很多都是同一个祖宗。

图片

当然了,这里所说的同一个祖宗并不是严格意义上的通过分支发展而来的,而是说在某些方面借鉴了其他的语言。

就拿 Java 来说吧,Java 被认为是 C 家族语言,并不是说 Java 是从 C 语言分支出来然后修改的,而是说 Java 借鉴了 C 语言、C++ 的众多特性,并且在此基础上,又加入了自己的特性,从而形成一种新的编程语言。

最开始 Java 的定位就是 C++ Plus Plus,意思是在 C++ 的优秀设计上进一步增强,然后一步步发展到今天。

编程语言的发展

下图是一个编程语言发展历程图,只列出了一些主流的编程语言。

图片

早期阶段(1940-1950)

1954年出现了FORTRAN,这是第一个广泛使用的高级编程语言,主要用于科学计算。1958年是关键的一年,LISP和ALGOL相继出现。LISP引入了函数式编程概念,而ALGOL影响了后续许多语言的语法结构。

1960年代

这个时期出现了许多重要的语言,如COBOL(商业应用)、APL(数组处理)和BASIC(初学者友好的语言)。Simula(1967年)引入了面向对象编程的概念,这对后来的编程范式产生了重大影响。

1970年代

C语言(1972年)的出现是一个重要里程碑,它影响了此后几乎所有的系统级编程语言。Pascal(1970年)作为一种教学语言获得了广泛使用。Smalltalk(1972年)进一步发展了面向对象编程概念。Prolog(1972年)引入了逻辑编程范式。

1980年代

C++(1983年)结合了C的效率和Simula的面向对象特性,成为主流语言。Ada(1983年)作为一种安全和可靠的语言被开发出来。SQL(1986年)成为数据库查询的标准语言。

1990年代

Python(1991年)和Ruby(1995年)作为易用的脚本语言获得了广泛应用。Java(1995年)的出现带来了"一次编写,到处运行"的理念,极大地影响了后续的编程语言发展。JavaScript(1995年)成为网页交互的标准语言。

2000年代初

C#(2001年)作为微软的重磅语言出现,综合了C++和Java的特性。此后还有许多重要的语言出现,如Scala、Go、Swift等。

语言家族

可以看到Lisp、Algol、COBOL、C语言等形成了自己的"家族树"。

Lisp、COBOL、Algol 可以认为是初代编程语言,这三个语言基本上都是同一时代被不同的大神创造的,之后经过几十年的发展,有的语言在这些初代目的基础上发扬光大,有的语言则默默的离开主流舞台。

比如 Lisp 家族有 Common Lisp、Scheme等。

COBOL 家族有Pascal,再之后有 Ruby,但是除此之外并没有什么太耀眼的成绩。

而目前最主流的语言大部分都是 C语言家族的,比如 C++、Java、C#、Objective-C 等等。而C语言其实是借鉴了 Algol 的思想,而Algol又是借鉴了最早的语言 Fortran,这样说来,Fortran 可称得上是创世语言了。

只不过由于 C语言太过耀眼,加上Algol、Fortran 这些都比较原始,甚至不能说是完整的编程语言,所以现在都说 C 语言家族。

除此之外,还有一些比较个性的语言 ,比如 Rust 和 Swift ,真的是集各家思想于一身。

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论 5
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