110页习题4.18,使用指针设int数组的数都为0

#include <iostream>
#include <string>
#include <vector>
#include <bitset>
using std::bitset;
using std::vector;
using std::cin;
using std::endl;
using std::cout;
using std::string;

    int main()
    {
  const size_t arr_sz=8;
  int ia[arr_sz]={0,1,2,3,4,5,6,7};

  //用下标方法遍历输出------------------------------------------------
  cout<<"The origininal int array is: ";
  for(size_t x=0;x!=arr_sz;++x)         
   cout<<ia[x]<<"/40";  
  cout<<endl;
  //-------------------------------------------------------

  //设为0
  for(int *pi=ia,*piend=ia+arr_sz;pi!=piend;++pi)
   *pi=0;

  //再用指针方法输出,'' 和/40都可以表示空字符
  cout<<"The changed int array is: ";
  for(int *pi=ia,*piend=ia+arr_sz;pi!=piend;++pi)
   cout<<*pi<<' ';
  cout<<endl;


        return 0;
    }


 /*
     110页习题4.18,使用指针设int数组的数都为0
 */

 

内容概要:本文档系统性地介绍了2024年最新提出的两种智能优化算法——青蒿素优化算法与霜冰优化算法(RIME)的原理、实现方法及其性能对比分析,并提供了完整的Matlab代码实现。文档不仅聚焦于核心算法的仿真与验证,还整合了大量沿科研资源,涵盖微电网优化、风电功率预测、无人机三维路径规划、电动汽车调度、图像融合、负荷预测、通信信号处理、电力系统故障恢复等多个高价值应用场景。所有案例均基于Matlab/Simulink平台进行建模与仿真,强调算法在复杂工程系统中的实际应用能力,旨在为科研人员提供一套从理论到代码再到应用的完整复现体系。; 适合人群:具备一定编程基础和科研背景的研究生、高校教师及工程技术人员,尤其适合从事智能优化算法研究、新能源系统优化、自动化控制、电力系统调度、无人机导航与路径规划等相关领域的研究人员。; 使用场景及目标:①用于高水平学术论文的复现与创新性研究,提升科研效率与成果产出;②应用于复杂工程系统的建模仿真与智能优化计,如多能互补系统调度、无人机避障路径规划、微电网能量管理等;③作为智能优化算法的教学与学习资料,深入理解现代元启发式算法的计思想与实现机制。; 阅读建议:建议读者结合文档中提供的Matlab代码与Simulink仿真模,按照目录结构循序渐进地学习与实践,优先选择与自身研究方向契合的案例进行代码复现,重点关注算法参、收敛曲线分析与多算法对比实验部分,以全面提升算法应用与科研创新能力。
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