C语言第28天,结构体进阶,嵌套初始化,内存对齐,传参

本文详细探讨了C语言中结构体的使用,包括全局变量s4,s5,s6、嵌套结构体初始化、内存对齐规则以及结构体的传参。通过实例展示了结构体的不同特性及其在实际编程中的应用。

结构体全局变量,局部变量

#define _CRT_SECURE_NO_WARNINGS

#include<stdio.h>

struct Stu {
	char name[20];
	char tele[12];
	char sex[10];
	int age;
}s4, s5, s6;//s4,s5,s6 - 全局变量

struct Stu s3;//全局变量

int main() {
	struct Stu s1;
	struct Stu s2;//s1,s2 - 局部变量
	return 0;
}

结构体嵌套初始化

#define _CRT_SECURE_NO_WARNINGS

#include<stdio.h>

struct T
{
	double weight;
	short age;
};

struct S {
	char c;
	struct T st;
	int a;
	double d;
	char arr[20];
};

int main() {
	struct S s = { 'c',{55.6,30},100,3.14,"hello world" };
	printf("%c %d %lf %s\n", s.c, s.a, s.d, s.arr);
	printf("%lf %d\n", s.st.weight,s.st.age);
	return 0;
}
c 100 3.140000 hello world
55.600000 30

结构体内存对齐

#define _CRT_SECURE_NO_WARNINGS

#include<stdio.h>

//结构体内存对齐

struct S1 {
	char c1;//1
	char c2;//1
	//2
	int a;//4
};

struct S2 {
	char c1;//1
	//3
	int a;//4
	char c2;//1
	//3
};

struct S3 {
	double d;//8
	char c;//1
	int a;//4
	//3
};

struct S4 {
	char c1;
	struct S3 s3;
	double d;
};
int main() {
	struct S1 s1 = { 0 };
	printf("%d\n", sizeof(s1));//8
	struct S2 s2 = { 0 };
	printf("%d\n", sizeof(s2));//12
	struct S3 s3 = { 0 };
	printf("%d\n", sizeof(s3));//16
	struct S4 s4 = { 0 };
	printf("%d\n", sizeof(s4));//32
}
8
12
16
32

结构体传参

#define _CRT_SECURE_NO_WARNINGS

#include<stdio.h>

//结构体传参

struct S {
	int a;
	char c;
	double d;
};

void Init(struct S* ps) {
	ps->a = 100;
	ps->c = 'w';
	ps->d = 3.14;
}

//传值
void Print1(struct S tmp) {
	printf("%d %c %lf\n", tmp.a, tmp.c, tmp.d);
}
//传址
void Print2(struct S* ps) {
	printf("%d %c %lf\n", ps->a, ps->c, ps->d);
}

int main() {
	struct S s = { 0 };
	Init(&s);
	Print1(s);//100 w 3.140000
	Print2(&s);//100 w 3.140000
}
100 w 3.140000
100 w 3.140000
基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
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