解决浅层复制中容易出现迷途指针的方法

本文详细解析了C++中类的拷贝构造函数的实现方式,包括浅拷贝和深拷贝的区别,以及如何正确地使用拷贝构造函数避免数据一致性问题。

#include <iostream>
using namespace std;
class A
{
public:
 A()
 { 
  pa = new int;
  *pa = 5;
  cout<<"A 被创建"<<endl;
 }
 A(const A& a)
 { 
  pa = new int;
  *pa = *(a.pa);------------》避免被复制的和之前的都指向同一个地址,这里开辟一个新地址,把值丢到新地址里面去。你该干嘛干嘛去
  cout<<"A 被复制:"<<*pa<<endl;
 }
 ~A()
 { 
  delete pa;
  pa =NULL;
  cout<<"A 被销毁"<<endl;
 }
 void print()
 {
  cout<<"pa:"<<*pa<<endl;
 }
 void set(int i)
 {
  *pa = i;
 }

private:
 int *pa;
};

int main()
{
 A *pa = new A();
 pa->print();
 //cout<<"a:"<<<<endl;
 A b =*pa;
 b.print();
 pa->set(21);
 pa->print();
 b.print();
 delete pa;
 return 0;
}

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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