c++ primer课后习题9.26,9.27

本文介绍了一种使用C++删除数组中偶数或奇数元素的高效算法,通过迭代器和erase方法实现,展示了如何优化内存操作以提高程序性能。

第4版习题解答中所给答案不能成功运行,提示如下错误:



正确解答如下:

#include <iostream>
#include <vector>
#include <list>
using namespace std;

int main()
{
	int ia[] = {1,1,2,3,5,8,13,21,55,89};
	//k表示数组中元素的个数
	int k = sizeof(ia)/sizeof(int);
	vector<int> ivec(ia,ia + k);
	list<int> ilst(ia,ia + k);

	vector<int>::iterator pvec;
	list<int>::iterator lit;


	//删除ivec中的偶数元素
	for (pvec = ivec.begin();pvec != ivec.end();)
	{
		//元素为偶数
		if(*pvec % 2 == 0)
		{
			//注:当删除的是首元素时,删除后lit自动指向ilst的新的首元素
			cout << "删除偶数: " << *pvec << endl;
			pvec = ivec.erase(pvec);
		}
		else
			++pvec;
	}
	//打印ivec中元素
	for (pvec = ivec.begin();pvec != ivec.end();++pvec)
		cout << *pvec << " ";
	cout <<  endl;

	//删除ilst中的奇数元素
	for (lit = ilst.begin();lit != ilst.end();)
	{
		//元素为奇数
		if(*lit % 2 == 1)
		{
			//注:当删除的是首元素时,删除后lit自动指向ilst的新的首元素
			cout << "删除奇数: " << *lit << endl;
			lit = ilst.erase(lit);	
		}
		else
			++lit;
	}
	//打印ilst中元素
	for (lit = ilst.begin();lit != ilst.end();++lit)
		cout << *lit  << " ";
	cout << endl;

	return 0;
}


代码如下:

#include <iostream>
#include <list>
#include <string>
using namespace std;

int main()
{
	list<string> slst;
	cout << "input some strings(Ctrl + z to quit):" << endl;
	string str,val;
	while (cin >> str)
		slst.push_back(str);
	cout << "the value you want to find:" << endl;
	cin.clear();
	cin >> val;
	list<string>::iterator sp;
	int k = 0;
	for (sp = slst.begin();sp != slst.end();)
	{
		if (*sp == val)
		{
			sp = slst.erase(sp);
			k++;
		}
		else
			++sp;
	}
	if(k == 0)
	{
		cout << "no such value!" << endl;
		exit(-1);
	}

	for (list<string>::iterator sp = slst.begin();sp != slst.end();++sp)
		cout << *sp << " ";
	cout << "\nsuccess!" << endl;

	return 0;
}



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,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
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