与LSGO一起学“第1章 初识C++(1.3 C++与C有什么不同)”

本文对比了C语言和C++的编程范式,指出C语言采用面向过程编程,而C++采用面向对象编程。面向对象编程能更好地解决大型软件开发中的可维护性和可重用性问题。

1.3 C++与C有什么不同

很多初学者认为C++仅仅是C语言的扩充和补充,如果这么想,哪就大错特错了。C++C语言最大的不同是在解决问题时思维方式的不同,C++采用面向对象思维,而C语言采用面向结构思维。

面向结构思维的宗旨就是将一个大程序拆分成一个个很小的结构,这里有必要说明一下结构。结构是什么呢?结构就是实现一个或多个功能的代码块,比如说计算“1+1=?”,假如算出等于2,那么就是实现了一个功能,而这个实现“1+1=2的代码块就可以看作是一个结构,或者叫做方法。

面向结构思维就是将一个大程序划分成若干个很小的结构,每个结构都完成一个或多个功能,所有结构集合起来就可以完成一个大功能。

这样的编程思想在80年代前期还是可以的,但是到了80年代后期,它的弊端就暴露出来了。

首先是程序的可维护性方面,由于结构化编程仅仅是将大程序细化成若干个小结构,而并没有考虑数据的安全性问题,比如说数据还是属于整个程序的,这样就导致某个地方对数据的修改,会对整个程序造成难以预料的影响。举个例子,某个游戏怪物的生命值设定为100,而这种怪物在游戏中的数量为30个,由于生命值是属于整个程序的,而不是某个具体的怪物的,所以主角每砍怪物一下,30个怪物的生命都会下降10点,而主角杀死一个怪物以后,30个怪物都会死亡,这显然是不合理的。

其次是程序的可重用性,由于结构化编程并没有将相关的数据和结构看作一个整体,所以无法利用已有的代码来创造新的代码。打个比方,某游戏公司用结构化的方式创造了一个怪物,这个怪物是由若干个结构和若干个数据组成,游戏公司希望在它的基础上再创造一个新的怪物,这个新的怪物仅仅是比旧的怪物多一个功能——跳跃,看上去要实现这个怪物似乎很简单,但是由于结构化编程并没有将怪物看作是一个整体,所以他们需要重新编写这个新怪物。

随着软件工程的发展,软件越来越大,数据越来越多,面向结构所带来的问题也越来越多,越来越严重,曾一度导致“软件危机”,面向对象就是为了解决“软件危机”而创造的,面向对象思想增加了大量的编程理念,它有能力将一个大程序拆分成若干个对象,每个对象中再封装部分数据和实现功能的方法,一个对象想要访问另一个对象的数据,必须争得该对象的同意,而该对象中数据的改变也不会影响到其他对象,从而解决了数据的安全性问题;另一方面,面向对象允许将具有相同特征的对象划分为一类,而同一类的对象又可以继续向下派生,父生子,子生孙,代码不经修改即可重复利用,从而实现了代码的重用。拿游戏做个比方,游戏中的30个怪物可以看作是30个对象,每个对象都拥有一个生命值,这样即使其中一个怪物的生命发生变化,也不会影响到其他的怪物。同时由于对象是一个整体,所以我们要创造一个新怪物时,只需要在原来的怪物身上增加新功能即可,而不用重写该代码。

面向对象的另一个优点是支持多态性,多态性是什么呢?多态性是指不同的对象采取相同的方法会导致不同的行为或结果。比如说我们要模拟一个足球游戏,不同的足球运动员代表不同的对象,而相同的方法则指的是射门这同一动作,由于运动员技术水平不同,所以技术好的运动员进球的概率要高些,而技术差的运动员则踢飞的概率要高些。

内容概要:本文围绕列车-轨道-桥梁交互仿真研究,基于Matlab平台构建数值模型,系统分析列车运行过程中轨道桥梁结构间的动态相互作用机制。研究涵盖多体动力建模、耦合系统运动方程求解、边界条件设定及仿真结果可视化等关键环节,重点揭示高速行车条件下基础设施的振动传递规律响应特征。该仿真方法可有效评估结构安全性、舒适性指标及疲劳寿命,为轨道交通工程的设计优化运维管理提供理论支撑和技术路径。文中配套提供了完整的Matlab代码实现方案及操作说明,便于用户复现、验证和拓展相关研究。; 适合人群:具备Matlab编程基础和结构动力、车辆动力等相关专业知识的研究生、科研人员及从事铁路工程、桥梁工程交通系统安全评估的工程技术人才,尤其适合开展轨道交通耦合振动课题的研究者。; 使用场景及目标:①用于高校科研机构进行列车-轨道-桥梁耦合系统动力特性的教演示研究;②支撑高速铁路桥梁的设计优化、运营安全性评估减振降噪方案验证;③为复杂交通基础设施的多物理场耦合仿真提供建模思路代码参考。; 阅读建议:建议读者结合所提供的Matlab代码逐模块深入研读,重点关注系统建模假设、质量-刚度-阻尼矩阵构建方法及数值积分算法的实现细节,同时可通过调整参数进行敏感性分析,进一步掌握仿真模型的适用范围优化方向。
内容概要:本文系统研究了非线性薛定谔方程的物理信息神经网络(PINN)求解方法,提出一种将物理规律嵌入深度习模型的科计算新范式。通过构建全连接神经网络架构,将非线性薛定谔方程及其初始/边界条件作为损失函数的核心组成部分,实现了在无须大量标注数据的前提下对复值偏微分方程的高精度数值求解。该方法充分利用自动微分技术精确计算方程残差,有效融合了数据驱动模型驱动的优势,在光孤子传播、量子系统演化等典型场景中展现出优异的逼近能力泛化性能。文中配套提供了完整的Python实现代码,涵盖网络搭建、损失定义、训练优化结果可视化全流程。; 适合人群:具备Python编程能力深度习基础知识,熟悉偏微分方程理论及科计算的理工科研究生、科研人员,以及从事光、量子物理、流体力等领域建模仿真的工程技术人员。; 使用场景及目标:① 掌握PINN方法的基本原理实现技巧;② 习如何将复杂物理方程转化为可训练的神经网络损失项;③ 应用于非线性光、玻色-爱因斯坦凝聚、水波动力等问题的仿真预测;④ 为相关科研课题提供可复现的算法原型代码参考。; 阅读建议:建议读者结合所提供的Python代码进行动手实践,重点理解神经网络对微分算子的近似机制、损失函数的多任务加权策略以及训练过程中的超参数调优方法,进而可迁移至其他非线性偏微分方程的求解任务,拓展其在交叉科中的应用边界。
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

打赏作者

青少年编程小助手_Python

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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