程序设计论文范文

引言：寻求写作上的突破？我们特意为您精选了4篇程序设计论文范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

2、程序设计中&符号的使用

C++程序中&符号出现的情况是标示为引用，对于函数的变化中会起到一定的作用，虽然不改变代码的性质，但是对于函数的定义还是会出现一定的影响。&符号改变的数学函数的参数变化，对于参数的定义域起到了重要的作用。在C语言中的函数值的变化，其中关于main函数的变化之最多，也是在程序研究中使用&符号最多、最为关键的因素之一。在对于main函数的&符号使用中，首先要弄清楚函数的最初原型，对于函数的表达意义要有初步的了解，并且能够合理的使用程序的改变方程式，对于main中的函数参数中&符号也有着不同的规范要求。在main可编辑函数中，agent是表示函数中参数的含义，&符号是表示为函数的变化地址，同时&符号也表达出函数中参数的个数，把agent最为函数参数的指导性参数值进行分析判断，统计&符号可以得到函数相关数组的即时数组信息。在操作系统中，函数中&符号的配置启动中，完全取决于操作系统的函数变化，对于操作中函数的初始变化值有着严格的要求，并在运行初始阶段进行函数的归零处理，后期在每个不同函数变换的模块当中，提取出不同数值的数据参数，来指导计算机程序的有效运行状态。通过改变符号的方式可以对于程序的效率有一定的提升。由上述例子看出，在函数中传引用和传指针的效果是相同的。这样，被调函数中的形参实际上就是主调函数中的实参或目标变量的别名，因此被调函数中所有对形参的操作实际上就是对相应的主调函数中目标变量的操作，一般传递的数据较多时，采用引用时程序的效率较高。虽然使用指针传递地址也能达到相同的效果，但因为在被调函数中还要为形参分配存储单元，而且在主调函数的实参必须使用变量的地址，这种方式必将导致程序阅读性较差，而使用引用便显得简单易懂，而且程序结构也更清晰。常引用声明方式：const类型标识符&引用名=目标变量名；在这种引用方式中，由于目标变量的值的修改不能通过引用来间接修改,因此可以很好地保护目标变量的值，使得引用有了很好的安全性，即相当于目标为const型的变量。当参数需要定义为引用型是，如果实际需要容许尽可能定义为const，这样可以保证代码的健壮性，同时也能带来其它的好处。在函数的定义过程中对于代码的变量指标在初始定义之后，在对变量的变化值进行记录，该代码指针变量便指向初始化指针变量的目标变量。通常情况下规定，具体操作过程时，对代码的指针的操作实际是对其所指向变量的间接操作。程序设计过程中使用指针可以让系统的程序的可读性降低，在操作起来也相对的困难。而由于引用本身就是目标变量的别名，编程中对引用的操作就是对目标变量的直接操作。引用其实也是一种指针，只不过其操作方式与指针不相同，指针可以一对多进行映射，而引用却只能一对一的进行，也就是一个参数对应一个代码指针数值，即&符号中的数字不能被改变，因此在对于符号的使用中，鉴于引用比指针更容易进行操控和编辑。

篇2

2多态性抽象类与阴阳理论

面向对象程序设计的多态性中出现的抽象类，因其定义的某些函数（阳）是纯虚函数，没有具体的代码，实现不了常规的操作（缺失“阳”的功能），这种抽象类（含有“阴”却无功能性的“阳”）不能够生成对象，正符合“孤阴不生”之道。在抽象类中，接口类是一种典型的没有数据（阴）的抽象类，它只含有纯虚函数（无功能性的“阳”），从上面分析可知，该类型也是不能够实例化对象的，正所谓“独阳不长”。《易经》中有“天地氤氲，万物化醇，男女构精，万物化生”，在古籍《雪心赋》中更有“孤阴不生，独阳不长”的名句[6]。句中的“天地”、“男女”更抽象一步可理解为“阴阳”，两句都强调“阴阳”在万物的构成中相互依存的对立统一性。

篇3

2开放尾部GEP

GEP算法拓展，还是GEP应用研究，GEP在个表示上多以2.1节所述结构为蓝本。这种结构虽然有地保证了基因有性，也使得GEP缺乏功能上多样性。开放尾部GEP不仅能够扩展表现型种类，而且能在不增加个表示复杂性基础上重用功能有地引入到GEP，扩大算法搜范围。考虑用GEP迚行符号回归实验,目标函数为x5+x4+x3+x2+x，在迚化过程可能会得到表现型为x3+x2+x,x5+x4,x3+x2+x为目标函数部分个，这些个有着较高适应度幵且接近目标函数数特征。如果这些运行过程产生最优个动态地保存到一个特定结构，在下一代迚化过程再从选取个加入到种群个基因尾部，由于这些个运算过程信息都得以保留，所以在个解码和计算过程都需重复计算，因此能够在不增加个计算复杂性基础上更好地逼近目标函数，从而提高运算精度。考虑更为一般情ъ，若GEP演化是具有一定特征程序,这个程序由ABCDE五个模块组成。在演化过程，GEP可能会产生形如AB,CE,BCD模块组合，若这些模块放入间存储结构，再其引入下一代迚化计算，这样便有助于算法更加准确地逼近目标。这一点类似于软件复用构件复用技术，已经得到构件存放入构件库，到下次开发时再从构件库取出构件迚行组合，生成构件，实现构件复用。基于以上考虑，我们提出了迚化过程产生优良个迚行保存幵且动态地引入迚化种群个基因尾部开放尾部GEP算法，以期实现运算精度提升。下面具介绍开放尾部GEP开放原理和实现机制。

2.1终端集与个体

传统GEP终端集只包含常数或者变量,开放尾部GEP终端集在常数和变量基础上引入了。对于给定函数集和终端集，开放尾部GEP基因头部由函数集和终端集仸意元组成，尾部则由开放尾部GEP终端集元组成。例如给定GEP基因头部长度h=6，函数集F={+,-,*,/},终端集T={a,b}，则应开放尾部GEP终端集T={a,b,}，满足上述件一个开放尾部GEP基因如下：其头部（用下划线标识）由6个函数集和终端集仸意元组成，尾部由7个开放尾部终端集元组成，其？代表了开放结构。为了保存开放结构（在运行每一代产生最优个），本文定义了ExpandTail结构。

2.2开放结构引入

开放尾部GEP开放结构(即运行过程产生最优个)引入是通过变异算子实现。具而言对于个+-*aba/abbbabaa，如果变异置发生在尾部第二个置b，则b替换为，变异后个则变为+-*aba/abbabaa。其转换为对应表现型为(a-b)+a*(a/)。

2.3与ExpandTail映

在引入？乊后得到个表现型为(a-b)+a*(a/),那么现在完成替换即与ExpandTail元映。本文给定映机制是:产生一个随机数R幵其对ExpandTail长度L迚行求余得到数t，即t=R%L。这样便与ExpandTail第t个元ExpandTail[t]迚行了Ц联。

2.4表现型计算

在完成映乊后便可接用ExpandTail[t]保存结果完成计算,因为ExpandTail保存了每一代优秀个所有信息，而不需重复计算此结构,实现了结构重用。如果ExpandTail[t]所对应个表现型为a+b那么个表现型为(a-b)+a*(a/(a+b))。

2.5特点

设F、T、T_open=T｛？｝和ExpandTail分代表函数符集、终端符集、拓展终端符集，以历史最优个集，则开放尾部GEP主特点如下：从表示复杂性看，开放尾部GEP与现有GEP没有本质差，若取头长为h、尾长为t，前者个表现形式是ht(FT)T_open，后者是ht(FT)T。从表现型看，开放尾部GEP与现有GEP解码法则似，本质上是后者解码法施用到ht(FT)(TExpandTail)个形式上（T_open””解释为ExpandTail某历史最优个）。由此可见，法个表示和解读基本没有增加难度（表示基本一致），更多可能有解却因尾部开放法则而移入到有法区，从而达到扩展视野目。比较表现型描述可以看到，法在扩展有法解搜视野同时，也为功能重用提Ν了便。这一点在个形式解读表述ht(FT)(TExpandTail)上有明显现。

3实验与分析

自GEP提出以，研究者们便对其迚行了结构和功能上诸多研究和改迚，是这些改迚算法往往适用于特定问题领域或满足特定性能需求，而传统GEP则因其不Ξ赖于特定问题域，而被各个领域研究者广泛地采用(2.3节所述应用研究采取传统GEP)。因此我们选取了传统GEP作为实验比较对象，用以说明开放尾部GEP通用意义。本文迚行了六组经典符号回归实验，比较了传统GEP和开放尾部GEP平均运算精度。每组实验都设置了同运行数。

篇4

2工程实例分析

某基坑工程位于青岛市经济技术开发区，地处长江路示范居住中心地段，共分三期开发，每期工程各由4栋32~33层高层住宅、地下2层机械停车库组成，其中二期工程包含5#、6#、7#、8#楼。现以监测点J8、J10、J16、J19、J22的累计位移变化量为时间序列进行建模分析。表2为J16点的部分观测数据。选取第1~8期作为牛顿插值数据，第9~10期作为检验数据。运行程序，依次输入第1~8期的累计时间间隔和累计位移变化量，点击“计算”控件调用MATLAB进行运算，将非等时距数据序列转换为等时距序列，并在用户界面上输出等时距变换结果，然后输入第9~10期的累计时间间隔，点击“预测”控件，调用灰色GM（1，1）模型构建程序模块，计算得出第1~10期的预测数据，并进行精度检验，最终将预测数据、预测模型精度等结果显示输出在用户界面上，如图2所示。将第1~10期实测数据与预测数据进行比较分析，结果如表3所示。为方便直观显示，绘制预测拟合曲线与实测曲线，见图2。其中，实线代表实测数据，虚线代表预测数据从图2中可以看出，J16点采用非等时距灰色GM（1，1）模型模拟的拟合曲线较为平滑，与实测曲线吻合较好。对模型进行精度检验，计算得J16点的后验差比值C=0.1126，小概率误差P=1。由表1可知，利用该工程J16监测点的第1~8期累计位移变化量为时间序列所构建的灰色GM（1，1）模型，其精度等级为一级。依次以监测点J8、J10、J19、J22的同时段累计位移变化量为时间序列建立灰色GM（1，1）模型，并进行精度检验，计算结果见表4。可以看出，4个模型的精度等级均为一级。综上可知，利用该程序对表4数据进行分析，可以获得良好的变形预测结果，精度较高，充分验证了基坑变形非等时距灰色预测模型的可靠性、有效性与实用性，且程序设计界面友好、操作简便、数据处理高效，能够为基坑工程的安全评判提供可靠的数据依据，以便进行适时控制。