c语言中(*a)[n]与*a[n]有什么区别

c语言中(*a)[n]与*a[n]有什么区别

表面上看这些问题,好像是指针,但是,如何来正确判断这几个定义,需要我们首先有运算符优先级的概念。

在c语言中,[] 和 () 的优先级比星号(星号的名字叫做“指针运算符”)要高,所以,在这几个声明中,先看 [] 和 () 。
同时,这两个括号的运算符的结合顺序,是从左到右的。因此,int *a[n],实际上相当与int *(a[n]),也就是(int *)(a[n])。

让我们来逐步分析:

ElementType *a[n] :

(int *)(a[n]) 首先是一个数组(比如,把 int * 换为 int,就是“元素是整形数据的数组”。那么,换为 int*,就是“元素是指向整形数据的数组的指针”简而言之就是 指向数组的指针 )。

ElementType(*a)[n] (记忆法-括2维):

int (*a)[n] 改变了自然的运算符的优先级,相当于(int)((*a)[n])。一有指针就头疼,我们把指针先用b替换掉,就是int b[n],是一个n位数组,数组首地址(也就是数组名)是b。
那么,int (*a)[n]也是一个n位数组,但是这个数组的首地址是*a(这里的*是间指运算符),也就是说,*a的内容,是一个数组的首地址。
那么,a的内容是一个存放数组首地址的地址,这个数组中的元素都是int。实际上,a相当于是一个二维指针

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
人工智能 广度优先搜索和A*搜索策略 C语言实现代码+实验报告 1)开发环境:C++ 2)功能要求:分别使用广度优先搜索和A*搜索策略 应用于8-puzzle的解答上 3)问题描述: 1.在图1,3*3的方格棋盘上,摆放着1到8这八个数码,有1个方格是空。(0表示空)  2.如图1所示,要求对空格执行空格左移、空格右移、空格上移和空格下移这四个操作使得棋盘从初始状态(图1左)到目标状态(图1右)。 3.可自行设计初始状态。目标状态为数字从小到大按顺时针排列。 4.分别用广度优先搜索策略、和启发式搜索算法(A*算法)求解八数码问题; 1>BFS 1)状态表示的数据结构 //状态 struct State { int arr[3][3]; //记录九宫格 int zeroX; //0所在的横坐标 int zeroY; //0所在的纵坐标 int f; //父节点的位置,根节点的父节点记为-1 int d; //与根节点的距离 }states[maxNum]; 2)状态扩展规则的表示 ① 对当前结点进行拓展,0点朝上下左右四个位置移动改变状态,若当前移动会超出边界则放弃朝该方向移动。 ② 判断移动后的状态是否与之前已经拓展过或存储的结点状态重复,若重复则删除,反之把状态存入表。 ③ 检查新状态是否与目标状态相同,若是则输出移动路径,搜索结束。反之指针指向open表的下一个结点,重复①②③,直到当前节点为空,寻找结束,未搜索到路径。 3)搜索产生的状态空间图(以棋盘初始状态为283104765为例) 2>A*搜索算法 1)状态表示的数据结构 // 八数码 typedef struct node { int arr[N][N]; //数组记录 int zeroX, zeroY; //0的位置 int d, w, f; //搜索深度,曼哈顿距离代价,总代价 struct node *father;//指向父节点的指针 }node, *pNode; // 顺序表 typedef struct list { pNode arr[maxSize]; long len; }list, *pList; 2)状态扩展规则的表示 ① 对当前结点进行拓展,0点朝上下左右四个位置移动改变状态,若当前移动会超出边界则放弃朝该方向移动。 ② 判断移动后的状态是否与之前已经拓展过或存储的结点状态重复,若重复则删除,反之把状态存入表。 ③ 检查新状态是否与目标状态相同,若是则输出移动路径,搜索结束。反之将open表的结点按照f生序排序,指针指向open表的下一个结点,重复①②③,直到当前节点为空,寻找结束,未搜索到路径。 3)搜索产生的状态空间图 以棋盘初始状态为283164705为例 4. 调试分析 对程序的调试通过DevC++内置的调试工具和printf语句完成
A*算法求解八数码问题 1、A*算法基本思想: 1)建立一个队列,计算初始结点的估价函数f,并将初始结点入队,设置队列头和尾指针。 2)取出队列头(队列头指针所指)的结点,如果该结点是目标结点,则输出路径,程序结束。否则对结点进行扩展。 3)检查扩展出的新结点是否与队列的结点重复,若与不能再扩展的结点重复(位于队列头指针之前),则将它抛弃;若新结点与待扩展的结点重复(位于队列头指针之后),则比较两个结点的估价函数g的大小,保留较小g值的结点。跳至第五步。 4)如果扩展出的新结点与队列的结点不重复,则按照它的估价函数f大小将它插入队列的头结点后待扩展结点的适当位置,使它们按从小到大的顺序排列,最后更新队列尾指针。 5)如果队列头的结点还可以扩展,直接返回第二步。否则将队列头指针指向下一结点,再返回第二步。 2、程序运行基本环境: 源程序所使用编程语言:C# 编译环境:VS2010,.net framework 4.0 运行环境:.net framework 4.0 3、程序运行界面 可使用程序的test来随机生成源状态与目标状态 此停顿过程按Enter即可使程序开始运行W(n)部分; 此停顿部分按Enter后程序退出; 4、无解问题运行情况 这里源程序是先计算源状态与目标状态的逆序对的奇偶性是否一致来判断是否有解的。下面是无解时的运行画面: 输入无解的一组源状态到目标状态,例如: 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 8 7 0 运行画面如下: 5、性能比较 对于任一给定可解初始状态,状态空间有9!/2=181440个状态;当采用不在位棋子数作为启发函数时,深度超过20时,算法求解速度较慢; 其启发函数P(n)与W(n)的含义如下: P(n): 任意节点与目标结点之间的距离; W(n): 不在位的将牌数; 源状态 目标状态 P(n) 生成节点数 W(n) 生成节点数 P(n) 扩展节点数 W(n) 扩展节点数 2 8 3 1 6 4 7 0 5 1 2 3 8 0 4 7 6 5 11 13 5 6 1 2 3 8 0 4 7 6 5 0 1 3 8 2 4 7 6 5 6 6 2 2 4 8 2 5 1 6 7 0 3 7 4 2 8 5 6 1 3 0 41 79 22 46 6 2 5 8 7 0 3 1 4 0 3 6 7 1 8 4 5 2 359 10530 220 6769 7 6 3 1 0 4 8 5 2 2 8 7 1 3 4 6 5 0 486 8138 312 5295 下图是解决随机生成的100状态,P(n)生成函数的生成节点与扩展节点统计图: 由上图可知,P(n)作为启发函数,平均生成节点数大约在1000左右,平均扩展节点数大约在600左右; 下图是解决随机生成的100状态,W(n)生成函数的生成节点与扩展节点统计图: 由上图可知,W (n)作为启发函数,平均生成节点数大约在15000左右,是P(n)作为启发函数时的平均生成节点的15倍;W (n)作为启发函数,平均扩展节点数大约在10000左右,是P(n)作为启发函数时的平均扩展节点的15倍; 下图是解决随机生成的100状态,两个生成函数的生成节点与扩展节点统计图: 由上述图表可以看到,将P(n)作为启发函数比将W(n)作为启发函数时,生成节点数与扩展节点数更稳定,相比较来说,采用P(n)作为启发函数的性能比采用W(n)作为启发函数的性能好。 6、源代码说明 1)AStar-EightDigital-Statistics文件夹:用来随机生成100个状态,并对这100个状态分别用P(n)与W(n)分别作为启发函数算出生成节点以及扩展节点,以供生成图表使用;运行界面如下: 2)Test文件夹:将0-8这9个数字随机排序,用来随机生成源状态以及目标状态的;运行界面如下: 3)AStar-EightDigital文件夹:输入源状态和目标状态,程序搜索出P(n)与W(n)分别作为启发函数时的生成节点数以及扩展节点数,并给出从源状态到目标状态的移动步骤;运行界面如下: 提高了运行速度的几处编码思想: 1、 在维护open以及close列表的同时,也维护一个类型为hashtable的open以及close列表,主要用来提高判断当前节点是否在open列表以及close列表出现时的性能; 2、 对于每个状态,按照从左到右,从上到下,依次将数字拼接起来,形成一个唯一标识identify,通过该标识,可以直接判断两个状态是否是同一个状态,而不需要循环判断每个位置上的数字是否相等 3、 在生成每个状态的唯一标识identify时,同时计算了该状态的空格所在位置,通过空格所在位置,可以直接判断能否进行上移、下移、左移、右移等动作; 4、 只计算初始节点的h值,其它生成的节点的h值是根据当前状态的h值、移动的操作等计算后得出的,规则如下: a) 采用W(n)这种方式,不在位置的将牌数,共有以下3情况: i. 该数字原不在最终位置上,移动后,在其最终位置上 这种情况下,生成的子节点的h值= 父节点的h值-1 ii. 该数字原在最终位置上,移动后,不在其最终位置上 这种情况下,生成的子节点的h值= 父节点的h值 +1 iii. 该数字原不在最终位置上,移动后,还是不在其最终位置上 这种情况下,生成的子节点的h值= 父节点的h值 iv. 该数字原在最终位置上,移动后,还在其最终位置 这种情况不存在 b) 采用P(n)这种方式,节点与目标距离,可通过下面3步完成 i. 首先计算在原位置时,与目标位置的距离,命名为Distance1 ii. 移动后,计算当前位置与目标位置的距离,命名为Distance2 iii. 计算子节点的h值: 子节点的h值 = 父节点的h值- Distance1+ Distance2 5、 在任意状态的每个数字和目标状态同一数字的相对距离就有9*9种,可以先将这些相对距离算出来,用一个矩阵存储,这样只要知道两个状态同一个数字的位置,就可查出它们的相对距离,也就是该数字的偏移距离;例如在一个状态,数字8的位置是3,在另一状态位置是7,那么从矩阵的3行7列可找到2,它就是8在两个状态的偏移距离。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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