Effective STL读书摘要(一)

本文分享了《Effective STL》中的部分精华内容,包括检查容器是否为空的最佳实践、利用批量操作提升效率的方法、读取文件的简洁代码示例、释放容器中内存的操作建议、删除容器元素的不同方式、自构造内存管理的探讨、使用reserve避免重复内存分配、传统函数接口与STL容器的结合、回收不必要的内存分配技巧、map比较函数的理解以及插入操作的高效方式。

一直在用STL,认为对STL也有一些理解,比如比较函数怎么写,什么情况下用什么容器效率高,但是当你读过Effective STL之后才知道这远远不够,之前的代码还有很多可以优化的空间,下面我会罗列一些映像比较深的点,比较偏向代码因为这样可以方便以后的调用。这里是到Item29,余下的留下次看。


1) 检查容器是否为空

if(c.empty()){}   better than if(c.size()==0){}


2)如果能用批量操作函数就不要用循环来做

批量操作可以提高效率,要有能用批处理尽量批处理的习惯,这个在看intel的polygon库的时候深有体会,批量操作一共有四种

a) 批量构造  container::container( Inputlterator begin, Inputlterator end):

b) 批量插入 void container::insert(iterator position, Inputlterator begin, InputIterator end);

c) 批量删除 iterator container::erase(iterator begin, iterator end);

d) 批量赋值 void container::assign(lnputIterator begin, Inputlterator end);


3) 读取文件的简洁代码,如果文件格式很简单,可以直接用下面的代码读取

ifstream dataFile(" ints.dat"};
istream_iterator<int> dataBegin(dataFile);
istream_iterator<int> dataEnd;
list<int> data(dataBegin. dataEnd);


4)释放容器中内存的操作

struct DeleteObject {                   // templatization and base
                                        // class removed here
    template<typename T>                II templatization added here
    void operator()(const T* ptr) const
    {
        delete ptr;
    }
}

void doSomething()
{
    deque<SpecialString*> dssp;
    ...
    for_each( dssp.begin(), dssp.end(),
    DeleteObject ());
}


5) 如何删除容器元素

这一点理解比较新,注意不同的容器要用不同的方式来删除

vector,string,deque:   c.erase( remove(c.begin(), c.end(), 1963), c.end());

list:                                c. remove(1963);

map:                             c.erase(1963);

条件删除,过去有写过一些文章关于list和vector如果一边遍历一边删除的,想想当初的做法很幼稚,现在有如下参考

bool badValue(int x); // returns whether x is "bad"

vector,list,string,deque:   c.erase(remove_if(c.begin(), c.end(), badValue), c.end());

map:                                    c.remove_if(badValue);


6) 关于STL的自构造内存管理

这是一个可以深入了解和优化的方向,作者讲得不够深入,但是提供了一些参考,可以去细读


7)reserve 空间

这个函数对效率的提高的过去深有体会,他可以有效的避免重复的内存分配和copy,这里再强调一下


8)STL容器怎么和传统的函数接口

vector<int> v;

void doSomething(const int* pInts, size_t numlnts);

doSomething(&v[0], v.size());


10)回收不必要的内存分配

我们知道STL vector内存增量分配的规则是倍数增加的,这就会导致后面可能有大量的内存的浪费,如何回收这些资源呢,过去我一直不知道怎么做,现在有如下小技巧可以实现

vector<Contestant>(contestants).swap(contestants);

string s;

string(s).swap(s);


11) 关于map的比较函数

我们知道map的比较函数就是一个< 是没有==的,那如何判断相等呢,比较tricky, s1<s2 && s2<s1 都是false就相等了,  这个过去我有体会


12)关于map的插入

我很喜欢用下面的方式插入,看起来很简单,但是效率不高

map<int, Widget> m;
m[1] = 1.50;

用下面的办法更好

m.insert(lntWidgetMap::value_type(1,1.50));


13) 使用for_each

  struct Point {...);                                     // as before
  class PointAverage:
       public unary_function<Point, void> {                 // see Item 40
  public:
       PointAverage(): xSum(0), ySum(0), numPoints(0) {}
       void operator()(const Point& p)
       {
              ++numPoints;
              xSum += p.x;
              ySum += p.y;
       }
       Point result() const
       {
              return Point(xSum/numPoints, ySum/numPoints);
       }
  private:
       size_t numPoints;
       double xSum;
       double ySum;
  };
  list<Point> Ip;
...
Point avg = for_each(lp.begin(), lp.end(), PointAverage()).result ;







内容概要:本文提出了种基于非合作博弈理论的居民负荷分层调度模型,并结合双层鲸鱼优化算法(Two-level Whale Optimization Algorithm)进行高效求解,模型与算法均通过Matlab代码实现。研究针对电力系统中居民侧用电负荷的复杂调度问题,引入非合作博弈机制刻画各用户之间的利益竞争关系,实现负荷的分层优化分配;同时设计双层优化架构,上层优化资源配置,下层模拟用户自主决策行为,提升了模型的实用性与合理性。通过智能优化算法求解多层级、非凸非线性的博弈模型,有效提高了调度方案的收敛性与全局寻优能力,适用于现代智能电网中的需求侧管理与能源优化场景。; 适合人群:具备电力系统基础理论知识和Matlab编程能力,从事智能电网、能源优化调度、需求侧管理、博弈论应用等方向的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于居民区电力负荷的分层优化调度系统设计与仿真分析;②为非合作博弈在多主体能源系统建模中的应用提供方法论支持;③利用双层鲸鱼算法解决具有嵌套结构的复杂双层优化问题,提升求解效率与调度方案的可行性。; 阅读建议:建议读者结合提供的Matlab代码深入理解模型构建逻辑与算法实现流程,重点关注博弈模型的效用函数设计、纳什均衡求解思路以及双层优化结构的迭代机制,宜配合实际用电数据开展复现实验以验证模型有效性与鲁棒性。
内容概要:本文围绕基于自适应神经模糊推理系统(ANFIS)智能控制器的可再生能源微电网功率管理系统展开研究,结合Simulink仿真实现,深入探讨了微电网中功率的智能调控与经济机组组合调度问题。通过引入ANFIS控制器,有效应对风能、光伏等可再生能源出力的波动性与不确定性,提升系统运行的稳定性与电能质量。研究内容涵盖微电网多源协调控制策略、功率平衡管理、优化调度模型构建及仿真验证,实现了对分布式电源、储能系统和负荷的协同优化,兼顾经济性与可靠性目标,并通过仿真平台验证了所提方法的有效性与优越性。; 适合人群:具备电力系统、自动化或新能源相关专业背景,熟悉Matlab/Simulink仿真环境,从事微电网能量管理、智能控制、能源优化等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于高比例可再生能源接入场景下的微电网能量管理系统研发与教学实践;②为实现微电网功率稳定控制与经济高效运行提供先进的智能控制解决方案;③支撑高水平学术论文复现、科研课题攻关及实际工程项目的仿真验证与方案优化。; 阅读建议:建议结合提供的Simulink模型与相关代码进行动手实践,重点关注ANFIS控制器的设计流程、规则库构建与参数调优方法,并通过与传统PID或MPC控制策略的对比实验,深入理解其在动态响应与鲁棒性方面的优势。同时可进步拓展文中提出的优化调度逻辑,应用于多目标、多约束的复杂实际应用场景中。
内容概要:本文档聚焦于“直流电机双闭环控制Matlab仿真”,系统阐述了基于Matlab/Simulink平台实现直流电机双闭环控制系统(主要包括速度环与电流环)的设计与仿真全过程。通过构建直流电机的数学模型,结合PI控制器进行调控,实现对电机转速和电枢电流的高精度动态控制,验证控制策略的稳定性与响应性能。文档详细介绍了仿真模型的搭建流程、关键参数的整定方法、系统动态波形的分析手段以及仿真结果的有效性验证,体现了经典自动控制理论在实际电机系统中的工程应用,是电机控制与电力电子技术相结合的典型研究案例。; 适合人群:具备自动控制原理、电机与拖动基础、电力电子技术和Matlab/Simulink仿真能力的电气工程、自动化、机电体化等专业的本科生、研究生及从事电机驱动系统研发的工程技术人员。; 使用场景及目标:①作为高校课程设计或实验教学材料,帮助学生深入理解双闭环调速系统的工作机理与工程实现;②服务于科研项目,为新型电机控制算法(如滑模、模糊PID等)的开发与性能对比提供基础仿真验证平台;③作为工业界产品前期设计的仿真工具,用于评估不同控制策略在动态响应、抗干扰能力和稳态精度方面的可行性。; 阅读建议:建议读者在学习过程中紧密结合自动控制理论知识,亲手在Simulink环境中搭建完整的双闭环仿真模型,通过反复调整PI控制器的比例与积分参数,观察并分析转速、电流的阶跃响应曲线,从而深刻理解反馈控制的本质、系统稳定性条件以及参数整定对动态性能的影响,进而掌握电机控制系统的设计精髓。
内容概要:本文研究了基于Benders分解与输电网运营商(TSO)和配电网运营商(DSO)协调机制的不确定环境下输配电网双层优化模型,旨在提升高比例可再生能源接入背景下电网系统的协调性与鲁棒性。模型上层以系统整体经济性为目标进行优化调度,下层采用Benders分解实现TSO与DSO之间的信息交互与协同决策,通过引入割平面迭代机制保障求解的收敛性与全局最优性。研究充分考虑新能源出力与负荷需求的不确定性,构建了具有强适应性的双层优化框架,并基于Matlab完成了模型的编程实现与仿真验证,有效解决了多主体、多层级、多不确定性因素耦合下的电力系统优化调度难题。; 适合人群:具备电力系统分析、运筹学与优化理论基础,熟悉Matlab编程环境,从事智能电网、能源互联网、分布式能源集成、电力市场等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究高渗透率可再生能源条件下输配电网协同优化调度策略;②掌握Benders分解在电力系统双层优化建模中的应用方法与实现技巧;③构建TSO-DSO多主体协调机制,实现跨层级电网资源的高效互动与决策解耦;④提升对不确定性建模、分解算法设计及大规模优化问题求解能力。; 阅读建议:建议读者结合Matlab代码逐模块剖析模型构建流程,重点理解Benders割的生成逻辑、主从问题的信息传递机制及收敛判据设定,推荐在标准IEEE测试系统上复现实验以深入掌握模型特性与算法性能。
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