Coding for Dreams

<br />之所以抛弃char*的字符串而选用C++标准程序库中的string类，是因为他和前者比较起来，不必 <br />担心内存是否足够、字符串长度等等，而且作为一个类出现，他集成的操作函数足以完成我们大多数情况下(甚至是100%)的需要。我们可以用 = 进行赋值操作，== <br />进行比较，+ 做串联（是不是很简单?）。我们尽可以把它看成是C++的基本数据类型。 <br /><br />首先，为了在我们的程序中使用string类型，我们必须包含头文件 <string>。如下： <br />#inc

复习了一下Linux socket编程，写了最简单的服务器和客户端程序，测试通过，其中服务器端程序采用循环忙等待，后面会改成多线程及线程池机制服务器端程序#include #include #include #include #include #include #include #include #include #include using n

这篇文章讲C中static的用法，感觉很经典，转自http://www.cnblogs.com/dc10101/archive/2007/08/22/865556.html在C语言中，static的字面意思很容易把我们导入歧途，其实它的作用有三条。（1）先来介绍它的第一条也是最重要的一条：隐藏。当我们同时编译多个文件时，所有未加static前缀的全局变量和函数都具有全局可见性。为理解这

STLContianers容器精辟总结一、序列容器(Sequence containers)1、  Vector ：一种序列容器，实现为动态数组，元素保存在连续的存储位置，支持迭代器和索引访问。与数组不同的是，可以自动分配存储空间，容易改变容器大小。当需要频繁从序列尾部增加或者删除数据时，可以表现出高效的性能。size记录了当前容器大小，capacity记录了当前已分配的最大空间。2、

C++虚函数与JAVA中抽象函数比较1：java中没有虚函数的概念，但是有抽象函数的概念，用abstract关键字表示，java中抽象函数必须在抽象类中，而且抽象 函数不能有函数体，抽象类不能被实例化，只能由其子类实现抽象函数，如果某个抽象类的子类仍是抽象类，那么该子类不需要实现其父类的抽象函数。2：C++中的有虚函数的概念，用virtual 关键字来表示，每个类都会有一个虚函数表

const类型定义：指明变量或对象的值是不能被更新,引入目的是为了取代预编译指令 **************常量必须被初始化*************************cons的作用   （1）可以定义const常量         例如：             const int Max=100;             int Array[Max];

二叉树的建立、删除及三种遍历的C++实现教材上的Tree类写法太累赘，不实用，将树节点直接写成结构体即可要理解结点的含义以及根结点的重要意义#include #include //用CPP文件编写，否则编译出错，需要加struct且delete不识别struct TreeNode { int val; TreeNode * left, * right;};TreeNode

   多源最短路径Floyd算法邻接矩阵形式C++实现，输入点数、边数和起点、终点、权值，输出最短路径及权值#include #define MAX_VEX 305#define MAX_WEI 1000005using namespace std;int A[MAX_VEX][MAX_VEX],Path[MAX_VEX][MAX_VEX];//输出最短路径void prn_pass(int j , int k){ if (Path[j][k]!=-1) { prn_

在做ACM题时，经常都会遇到一些比较大的整数。而常用的内置整数类型常常显得太小了：其中long 和 int 范围是[-2^31,2^31)，即-2147483648~2147483647。而unsigned范围是[0,2^32)，即0~4294967295。也就是说，常规的32位整数只能够处理40亿以下的数。　　那遇到比40亿要大的数怎么办呢？这时就要用到C++的64位扩展了。不同的编译器对64位整数的扩展有所不同。基于ACM的需要，下面仅介绍VC6.0与g++编译器的扩展。　　VC的64位整数分别叫做

数据挖掘课上面老师介绍了下决策树ID3算法，我抽空余时间把这个算法用C++实现了一遍。决策树算法是非常常用的分类算法，是逼近离散目标函数的方法，学习得到的函数以决策树的形式表示。其基本思路是不断选取产生信息增益最大的属性来划分样例集和，构造决策树。信息增益定义为结点与其子结点的信息熵之差。信息熵是香农提出的，用于描述信息不纯度(不稳定性)，其计算公式是Pi为子集合中不同性(而二元分类即正样例和负样