C++学习篇之引用

引用的概念:引用是一个别名,在创建引用的过程中,需要使用另一个对象去初始化,之后,该引用就像是这个对象的另一个名称,对引用执行的任何操作都是针对该对象。

引用的创建:

Int &rReference =x

其中rReference就是一个引用,其初始化指向x

关于引用,可以指向任何对象,包括用户定义的对象,但不能指向类或者数据类型。

需要注意的是,相比于指针,在删除后指针需要赋值NULL,但引用不可以,引用不能为空,这是非法的,在非法程序中,山门都有可能发生。

 

使用引用传递提高效率!

分析下面一个程序:

#include<iostream>

class simplecat        //create a class: simplecat

{

public:

  simplecat();

  simplecat(simplecat&);

  ~simplecat();

};                 

 

simplecat::simplecat()

{

  std::cout<<"simplt cat constructor ...\n";

}                 

 

simplecat::simplecat(simplecat&)      //创建复制构造函数

{

    std::cout<<"simplt cat copy constructor ...\n";  

}

 

simplecat::~simplecat()               //析构函数

{

  std::cout<<"simple cat distructor ...\n";

}

 

simplecat functionone(simplecat thecat);     //functionone functiontwo的声明

simplecat* functiontwo(simplecat *thecat);   //分别是按值传递,按引用传递

 

int main()

{

  std::cout<<"making a cat ...\n";

  simplecat frisky;                  //初始化一个simplecat对象

  std::cout<<"calling functionone ...\n";

  functionone(frisky);           //按值传递调用

  std::cout<<"calling functiontwo ...\n";

  functiontwo(&frisky);           //按引用传递调用

  return 0;

}

 

simplecat functionone(simplecat thecat)

{

  std::cout<<"function one .returning ...\n";

 return thecat;

}

 

simplecat* functiontwo(simplecat *thecat)

{

  std::cout<<"function two .returning ...\n";

  return thecat;

}

该程序在linux下编译运行结果如图:


程序相对简单,分别是通过按值传递参数和按引用传递,对比运行结果可以发现,按值传递过程结果比按引用传递多出来几个打印结果,分别是打印出来的467三行,

第四、六行是复制构造函数的打印结果,第七行是析构函数的打印结果。

但是我们实际在code当中并没有调用这两个函数,而产生的原因则是因为,在执行functionone的时候,由于按值传递的时候,需要在栈中创建simplecat对象的备份,作为调用函数的本地对象,这就导致了复制构造函数的调用,即打印的第四行。

Functionone函数返回的时候也是按值返回一个simplecat对象,又需要创建一个备份,复制构造函数再次被调用(第六行打印结果)

function返回的对象没有赋给任何变量,该对象将被丢弃,则会调用析构函数(第七行)

 

而最后一行析构函数的调用则是由于程序结束,frisky不在域内,调用析构函数!

所以,使用引用可以避免频繁调用复制构造函数和析构函数,从而节省内存,尤其是在大型程序当中,这将大大提升程序的运行速度。



内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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