【C++】哈希

已于 2023-05-15 21:17:35 修改
阅读量1.3k 收藏 1
点赞数 1
分类专栏： C++ 数据结构 文章标签： 哈希算法 c++ 数据结构
于 2023-05-09 16:15:24 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_68609336/article/details/130454633
版权

一、unordered系列关联式容器

在C++98中，STL提供了底层为红黑树结构的一系列关联式容器，在查询时效率可达到 l o g 2 N log_2 N log2​N，即最差情况下需要比较红黑树的高度次，当树中的节点非常多时，查询效率也不理想。

最好的查询是，进行很少的比较次数就能够将元素找到，因此在C++11中，STL又提供了4个unordered系列的关联式容器：unordered_map、unordered_set、unordered_multimap和unordered_multiset，这四个容器与红黑树结构的关联式容器使用方式基本类似，只是其底层结构不同，接口使用可以查看文档。

二、哈希

unordered系列的关联式容器之所以效率比较高，是因为其底层使用了哈希结构。

1. 哈希概念

顺序结构以及平衡树中，元素关键码与其存储位置之间没有对应的关系，因此在查找一个元素时，必须要经过关键码的多次比较。顺序查找时间复杂度为 O ( N ) O(N) O(N)，平衡树时间复杂度为树的高度，即O( l o g 2 N log_2 N log2​N)。

搜索的效率取决于搜索过程中元素的比较次数。 理想的搜索方法：可以不经过任何比较，一次直接从表中得到要搜索的元素。

如果构造一种存储结构，通过某种函数（hashFunc）使元素的存储位置与它的关键码之间能够建立 一 一映射的关系，那么在查找时通过该函数可以很快找到该元素。

当向该结构中：

  • 插入元素
    根据待插入元素的关键码，以此函数计算出该元素的存储位置并按此位置进行存放

  • 搜索元素
    对元素的关键码进行同样的计算，把求得的函数值当做元素的存储位置，在结构中按此位置取元素比较，若关键码相等，则搜索成功

该方式即为哈希(散列) 方法，哈希方法中使用的转换函数称为哈希(散列)函数，构造出来的结构称为哈希表(Hash Table)(或者称散列表)

例如：数据集合 1 ， 17 ， 6 ， 24 ， 5 ， 9 {1，17，6，24，5，9} 1，17，6，24，5，9
哈希函数设置为： h a s h ( k e y ) = k e y % c a p a c i t y ; hash(key) = key \% capacity; hash(key)=key%capacity;
capacity为存储元素底层空间总的大小。

在这里插入图片描述

用该方法进行搜索不必进行多次关键码的比较，因此搜索的速度比较快

问题：按照上述哈希方式，向集合中插入元素14，会出现什么问题？

2. 哈希冲突

对于两个数据元素的关键字 k i k_i ki​和 k j k_j kj​(i != j)，有 k i k_i ki​ != k j k_j kj​，但有：Hash( k i k_i ki​) == Hash( k j k_j kj​)，即：不同关键字通过相同哈希函数计算出相同的哈希地址，该种现象称为哈希冲突 或 哈希碰撞。

把具有不同关键码而具有相同哈希地址的数据元素称为“同义词”。

发生哈希冲突该如何处理呢？

3. 哈希函数

引起哈希冲突的一个原因可能是：哈希函数设计不够合理。

哈希函数设计原则：

  • 哈希函数的定义域必须包括需要存储的全部关键码，而如果散列表允许有 m m m个地址时，其值域必须在 0 0 0到 m − 1 m-1 m−1之间

  • 哈希函数计算出来的地址能均匀分布在整个空间中

  • 哈希函数应该比较简单

常见哈希函数：

  1. 直接定址法–(常用)
    取关键字的某个线性函数为散列地址： H a s h ( K e y ) = A ∗ K e y + B Hash(Key) = A*Key + B Hash(Key)=A∗Key+B
    优点：简单、均匀
    缺点：需要事先知道关键字的分布情况
    使用场景：适合查找比较小且连续的情况

  2. 除留余数法–(常用)
    设散列表中允许的地址数为m，取一个不大于m，但最接近或者等于m的质数p作为除数，按照哈希函数： H a s h ( k e y ) = k e y % p ( p < = m ) Hash(key) = key\% p(p<=m) Hash(key)=key%p(p<=m)，将关键码转换成哈希地址

  3. 平方取中法–(了解)
    假设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址；再比如关键字为4321，对它平方就是18671041，抽取中间的3位671(或710)作为哈希地址。
    平方取中法比较适合：不知道关键字的分布，而位数又不是很大的情况

  4. 折叠法–(了解)
    折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些)，然后将这几部分叠加求和，并按散列表表长，取后几位作为散列地址。
    折叠法适合事先不需要知道关键字的分布，适合关键字位数比较多的情况

  5. 随机数法–(了解)
    选择一个随机函数，取关键字的随机函数值为它的哈希地址，即 H ( k e y ) = r a n d o m ( k e y ) H(key) = random(key) H(key)=random(key)，其中 random为随机数函数。 通常应用于关键字长度不等时采用此法

  6. 数学分析法–(了解)
    设有n个d位数，每一位可能有r种不同的符号，这r种不同的符号在各位上出现的频率不一定相同，可能在某些位上分布比较均匀，每种符号出现的机会均等，在某些位上分布不均匀只有某几种符号经常出现。可根据散列表的大小，选择其中各种符号分布均匀的若干位作为散列地址。例如：

在这里插入图片描述

数字分析法通常适合处理关键字位数比较大的情况，适用于事先知道关键字的分布且关键字的若干位分布较均匀的情况

注意：哈希函数设计的越精妙，产生哈希冲突的可能性就越低，但是无法避免哈希冲突

4. 哈希冲突解决

解决哈希冲突两种常见的方法是：闭散列和开散列

4.1 闭散列

闭散列也叫开放定址法，当发生哈希冲突时，如果哈希表未被装满，说明在哈希表中必然还有空位置，那么可以把 k e y key key存放到冲突位置中的“下一个” 空位置中去。那如何寻找下一个空位置 呢？

  1. 线性探测
    比如1中的场景，现在需要插入元素14，先通过哈希函数计算哈希地址，hashAddr为4， 因此14理论上应该插在该位置，但是该位置已经放了值为24的元素，即发生哈希冲突。
    线性探测：从发生冲突的位置开始，依次向后探测，直到寻找到下一个空位置为止。
    • 插入
      通过哈希函数获取待插入元素在哈希表中的位置
      如果该位置中没有元素则直接插入新元素，如果该位置中有元素发生哈希冲突，使用线性探测找到下一个空位置，插入新元素
    • 删除
      采用闭散列处理哈希冲突时，不能随便物理删除哈希表中已有的元素，若直接删除元素，会影响其他元素的搜索。比如删除元素24，如果直接删除掉，14查找起来可能会受影响。因此线性探测采用标记的伪删除法来删除一个元素。
  • 线性探测的实现：
// 哈希表每个空间给个标记
// EMPTY此位置空， EXIST此位置已经有元素， DELETE元素已经删除
enum State
{
	EMPTY,
	EXIST,
	DELETE,
};
template<class K, class V>
struct HashData
{
	std::pair<K, V> _kv;
	State _state = EMPTY;
};
template<class K, class V>
class HashTable
{
	typedef HashData<K, V> Data;
public:
	bool Insert(const pair<K, V>& kv)
	{
		// 如果找到不插入，直接返回fasle
		if (Find(kv.first))
			return false;
			
		size_t hashi = kv.first % _tables.size();
		while (_tables[hashi]._state == EXIST)
		{
			++hashi;// 线性探测：一个个往后找空位
			hashi %= _tables.size();
		}
		_tables[hashi]._kv = kv;
		_tables[hashi]._state = EXIST;
		return true;
	}
	Data* Find(const K& key)
	{}
private:
	std::vector<Data> _tables;
	size_t _n;// 哈希表中存储的有效数据的个数
};

上面的insert的实现是有问题的：

  1. _tables的初始大小是0，取模肯定是错误的
    可以给一个初始大小：
HashTable()
	:_n(0)
{
	_tables.resize(10);
}
  1. 当_tables接近满时冲突的概率是非常大的

所以要扩容。如何扩容？

散列表的载荷因子/负载因子定义为: α α α =填入表中的元素个数 / 散列表的长度

α α α是散列表装满程度的标志因子。
由于表长是定值， α α α与“填入表中的元素个数”成正比，所以， α α α越大，表明填入表中的元素越多，产生冲突的可能性就越大; 反之， α α α越小，表明填入表中的元素越少，产生冲突的可能性就越小。实际上，散列表的平均查找长度是载荷因子 α α α的函数，只是不同处理冲突的方法有不同的函数。

对于开放定址法，载荷因子是特别重要的因素，应严格限制在0.7-0.8以下。超过0.8，查表时的CPU缓存不命中（cache missing）按照指数曲线上升。因此，一些采用开放定址法的hash库，如Java的系统库限制了载荷因子为0.75，超过此值将resize散列表。

库中也有关于负载因子的接口（库中是开散列）：

在这里插入图片描述

在这里插入图片描述

  • 扩容代码：
void CheckCapacity()
{
	// 这种方式是扩不了容的，正整数除要么为0，要么>= 1
	//if (_n / _tables.size() >= 0.7)	
	// 同样这里如果_tables的初始大小为0，会有除0错误
	if (_n * 10 / _tables.size() >= 7)
	{
		// 方式1：旧表数据，重新计算，映射到新表
		/*vector<Data> newTable;  --> vector
		newTable.resize(_tables.size() * 2);
		for (auto& e : _tables)
		{
			if (e._state == EXIST)
			{
				// 插入比方式2麻烦: 计算新的哈希地址，插入newTable
			}
		}
		// 最后交换vector
		_tables.swap(newTable);
		*/

		// 方式2：
		HashTable<K, V> newHT;  // --> HashTable
		// HashTable中的vector开好2倍空间
		newHT._tables.resize(_tables.size() * 2);
		for (auto& e : _tables)
		{
			// 旧表中存在的数据插入到新表
			if (e._state == EXIST)
			{
				// 新表调用Insert不会扩容，因为提前开好了2倍空间
				// 复用Insert
				newHT.Insert(e._kv);
			}
		}
		// 最后交换vector
		_tables.swap(newHT._tables);
	}
}
  • 删除和查找
bool Erase(const K& key)
{
	Data* ret = Find(key);
	if (ret)
	{
		ret->_state = DELETE;
		--_n;
		return true;
	}
	else
	{
		return false;
	}
}
Data* Find(const K& key)
{
	//Hash hf;// Hash()(key)
	size_t hashi = Hash()(key) % _tables.size();
	//size_t hashi = key % _tables.size();
	size_t starti = hashi;// 极端场景下都不是空，所以最多走一圈
	while (_tables[hashi]._state != EMPTY)
	{
		// 找到的条件：
		// 1. 状态是EXIST：注意 _state != EMPTY可以是DELETE
		// 2. key要相等：因为位置可能被其他冲突值占用了
		if (_tables[hashi]._state == EXIST
			&& _tables[hashi]._kv.first == key)
		{
			return &_tables[hashi];
		}


		++hashi;
		hashi %= _tables.size();
		if (hashi == starti)
		{
			break;
		}
	}

	return nullptr;
}

前面的实现中没有考虑到取模只能对整数进行取模。如果key是字符串或浮点数类型就不能直接取模了。我们可以写一个函数将字符串或浮点数映射成一 一对应的整数，更好的方式是传一个仿函数，这样自定义类型只要提供这个仿函数也可以用哈希表存储。

在这里插入图片描述

template<class K>
struct HashFunc
{
	size_t operator()(const K& key)
	{
		return (size_t)key;
	}
};

// 模板特化
template<>
struct HashFunc<std::string>
{
	size_t operator()(const std::string& key)
	{
		size_t hash = 0;
		for (auto ch : key)
		{
			// *131冲突概率更小
			hash *= 131;// // 31 131 1313 13131 131313
			hash += ch;
		}
		return hash;
	}
};

在对key取模操作之前先用仿函数获得一个映射值，再映射哈希地址，这里有两层映射关系。

template<class K, class V, class Hash = HashFunc<K>>
class HashTable
{
	// ……
public:
	bool Insert(const std::pair<K, V>& kv)
	{
		// ……
		Hash hf;
		size_t hashi = hf(kv.first) % _tables.size();
		// ……
	}
	Data* Find(const K& key)
	{
		size_t hashi = Hash()(key) % _tables.size();
		//size_t hashi = key % _tables.size();
		// ……
	}
};

线性探测优点：实现非常简单，
线性探测缺点：一旦发生哈希冲突，所有的冲突连在一起，容易产生数据“堆积”，即：不同关键码占据了可利用的空位置，使得寻找某关键码的位置需要许多次比较，导致搜索效率降低。如何缓解呢？

  1. 二次探测
    线性探测的缺陷是产生冲突的数据堆积在一块，这与其找下一个空位置有关系，因为找空位置的方式就是挨着往后逐个去找，因此二次探测为了避免该问题，找下一个空位置的方法为：
    H i H_i Hi​ = ( H 0 H_0 H0​ + i 2 i^2 i2 ) % m, 或者： H i H_i Hi​ = ( H 0 H_0 H0​ - i 2 i^2 i2 ) % m。 (i =1,2,3…) H 0 H_0 H0​是通过散列函数 H a s h ( x ) Hash(x) Hash(x)对元素的关键码 key 进行计算得到的位置，m是表 的大小。对于1中的场景，现在需要插入元素14，产生冲突，使用解决后的情况为：

在这里插入图片描述

研究表明：当表的长度为质数且表装载因子a不超过0.5时，新的表项一定能够插入，而且任何一个位置都不会被探查两次。

因此只要表中有一半的空位置，就不会存在表满的问题。在搜索时可以不考虑表装满的情况，但在插入时必须确保表的装载因子a不超过0.5，如果超出 必须考虑增容。

因此：闭散列最大的缺陷就是空间利用率比较低，这也是哈希的缺陷。

4.2 开散列

  1. 开散列概念
    开散列法又叫链地址法(拉链法)，首先对关键码集合用散列函数计算散列地址，具有相同地址的关键码归于同一子集合，每一个子集合称为一个桶，各个桶中的元素通过一个无哨兵位不循环的单链表链接起来，各链表的首结点存储在哈希表中。

在这里插入图片描述

从上图可以看出，开散列中每个桶中放的都是发生哈希冲突的元素

  1. 开散列的实现

在哈希表实现中，哈希表的大小经常被设计为质数。下面代码中的stl_prime_list保存了一组质数，用于在哈希表初始化和扩容时选择合适的大小，以便更好地分散元素的位置，减少哈希冲突，提高哈希表的性能。

// 开散列
namespace bucketHash
{
	template<class T>
	struct HashNode// 单链表节点
	{
		T _data;
		HashNode<T>* _next;
		HashNode(const T& data)
			:_data(data)
			, _next(nullptr)
		{}
	};
	template<class K, class T, class Hash = HashFunc<K>>
	class HashTable
	{
	public:
		typedef HashNode<T> Node;
		HashTable()
			:_n(0)
		{
			//_tables.resize(10);
			// 初始化成质数
			_tables.resize(__stl_next_prime(0));
		}
		// 开散列中有链表结构，需要手动释放节点
		~HashTable()
		{
			for (size_t i = 0; i < _tables.size(); ++i)
			{
				// 释放桶
				Node* cur = _tables[i];
				while (cur)
				{
					Node* next = cur->_next;
					delete cur;
					cur = next;
				}

				_tables[i] = nullptr;
			}
		}
	private:
		inline unsigned long __stl_next_prime(unsigned long n)
		{
			static const int __stl_num_primes = 28;
			// 质数列表
			static const unsigned long __stl_prime_list[__stl_num_primes] =
			{
				53, 97, 193, 389, 769,
				1543, 3079, 6151, 12289, 24593,
				49157, 98317, 196613, 393241, 786433,
				1572869, 3145739, 6291469, 12582917, 25165843,
				50331653, 100663319, 201326611, 402653189, 805306457,
				1610612741, 3221225473, 4294967291
			};
			// 当然这里也可以用二分查找
			for (int i = 0; i < __stl_num_primes; ++i)
			{
				if (__stl_prime_list[i] > n)
				{
					return __stl_prime_list[i];
				}
			}
			return __stl_prime_list[__stl_num_primes - 1];
		}
		std::vector<Node*> _tables;
		size_t _n = 0;
	};
};
  • 开散列如何扩容呢？

下面的扩容代码有什么缺点吗？

bool Insert(const std::pair<K, V>& kv)
{
	if (Find(kv.first))
		return false;
	// 负载因子控制在1，超过就扩容 
	// 库中的负载因子控制在1 max_load_factor可查看负载因子
	if (_tables.size() == _n)
	{
		HashTable<K, V, Hash> newHT;
		newHT._tables.resize(_tables.size() * 2, nullptr);
		// 注意不要将整条链表直接放到新表
		// 首先链表中每个节点的位置可能会发生变化
		// 其次会重复析构
		// 正确的做法是将节点一个个插入新表
		for (auto cur : _tables)
		{
			while (cur)
			{
				newHT.Insert(cur->_kv);// 新表插入不会扩容
				cur = cur->_next;
			}
		}
		// 交换表中的数组
		_tables.swap(newHT._tables);
	}

	size_t hashi = Hash()(kv.first) % _tables.size();
	// 头插
	Node* newnode = new Node(kv);
	newnode->_next = _tables[hashi];
	_tables[hashi] = newnode;
	++_n;

	return true;
}

在我们将旧表数据插入到新表时，每次会重新new一个值相同的节点出来（这一步重复new节点）；交换之后newHT中是旧表的数据，newHT是局部变量，出作用域后会调用析构将旧表中的所有节点析构。这个过程中我们做了重复的工作，那可不可以不删掉旧表中的节点？答案是可以的：

bool Insert(const std::pair<K, V>& kv)
{
	if (Find(kv.first))
		return false;

	// 负载因子控制在1，超过就扩容 --> 库中的实现 max_load_factor可查看负载因子
	if (_tables.size() == _n)
	{
		std::vector<Node*> newTables;
		//newTables.resize(2 * _tables.size(), nullptr);
		newTables.resize(__stl_next_prime(_tables.size()), nullptr);
		for (size_t i = 0; i < _tables.size(); ++i)
		{
			Node* cur = _tables[i];
			// 把旧表的每个节点重新计算哈希地址，放到新表中
			while (cur)
			{
				Node* next = cur->_next;
				// 计算新的哈希地址
				size_t hashi = Hash()(cur->_kv.first) % newTables.size();
				// 头插到新表 -- 旧表节点没有被释放
				cur->_next = newTables[hashi];
				newTables[hashi] = cur;
				cur = next;
			}
			// 旧表位置置空，防止交换之后newTables析构出错
			_tables[i] = nullptr;
		}
		// 交换数组
		_tables.swap(newTables);
	}

	size_t hashi = Hash()(kv.first) % _tables.size();
	// 新增节点头插
	Node* newnode = new Node(kv);
	newnode->_next = _tables[hashi];
	_tables[hashi] = newnode;
	++_n;

	return true;
}

在这里插入图片描述

  • 查找与删除：
Node* Find(const K& key)
{
	size_t hashi = Hash()(key) % _tables.size();
	Node* cur = _tables[hashi];
	// 单链表查找
	while (cur)
	{
		if (cur->_kv.first == key)
		{
			return cur;
		}
		else
		{
			cur = cur->_next;
		}
	}
	return nullptr;
}

bool Erase(const K& key)
{
	size_t hashi = Hash()(key) % _tables.size();
	Node* prev = nullptr;
	Node* cur = _tables[hashi];
	// 单链表删除
	while (cur)
	{
		if (cur->_kv.first == key)
		{
			// 首结点删除特殊处理
			if (cur == _tables[hashi])
			{
				_tables[hashi] = cur->_next;
			}
			else
			{
				prev->_next = cur->_next;// 链接好_next指针
			}

			// 删除
			delete cur;
			--_n;// 记得将有效数据个数-1

			return true;
		}
		else
		{
			prev = cur;
			cur = cur->_next;
		}
	}
	return false;
}

哈希闭开散列实现整体代码GitHub

深入浅出C++ ——哈希
weixin_55051736的博客
02-23 945
在C++11中，STL又提供了4个unordered系列的关联式容器，这四个容器与红黑树结构的关联式容器使用方式基本类似，只是其底层结构不同，unordered系列的关联式容器的底层结构采用哈希结构。map/set的遍历是有序的，而unordered系列容器遍历是无序的。map/set是双向迭代器，而unordered系列容器只支持单向迭代器。但是当对大量数据进行增删改查时，unordered系列容器的效率更高，尤其是查找的效率。
面试细节：为什么 HashMap 默认加载因子非得是0.75？
weixin_47067712的博客
06-23 302
前言 有很多东西之前在学的时候没怎么注意，笔者也是在重温HashMap的时候发现有很多可以去细究的问题，最终是会回归于数学的，如HashMap的加载因子为什么是0.75？ 本文主要对以下内容进行介绍： 为什么HashMap需要加载因子？ 解决冲突有什么方法？ 为什么加载因子一定是0.75？而不是0.8，0.6？ （若文章有不正之处，或难以理解的地方，请多多谅解，欢迎指正） 为什么HashMap需要加载因子？ HashMap的底层是哈希表，是存储键值对的结构类型，它需要通过一定的计算才可以确定数据在哈希表
【C++11】：unordered系列关联式容器
Yikefore的博客
02-17 742
unordered系列关联式容器的详细介绍
C++哈希详解
weixin_66400112的博客
06-08 2520
顺序结构以及平衡树中，元素关键码与其存储位置之间没有对应的关系，因此在查找一个元素 时，必须要经过关键码的多次比较。顺序查找时间复杂度为O(N)，平衡树中为树的高度，即 O($log_2 N$)，搜索的效率取决于搜索过程中元素的比较次数。
C++ 哈希表
Han同学
02-26 3803
C++哈希表
C++哈希表的实现
Wzs040810的博客
12-23 5802
C++哈希表的实现
C++ 哈希
m0_61548909的博客
08-27 2902
在 C++98 中， STL 提供了底层为红黑树结构的一系列关联式容器，在查询时效率可达到 $log_2N$，即最差情况下需要比较红黑树的高度次，当树中的节点非常多时，查询效率也不理想。最好的查询是，进行很少的比较次数就能够将元素找到，因此在C++11 中， STL 又提供了 4 个unordered系列的关联式容器，这四个容器与红黑树结构的关联式容器使用方式基本类似，只是其底层结构不同，本文中只对unordered_map 和 unordered_set 进行介绍，unordered_multimap和
C++哈希
qq_53413129的博客
06-09 3823
unordered系列关联式容器 unordered_map unordered_map的文档介绍 unordered_set 底层结构 哈希概念 哈希冲突的解决 闭散列： 代码实现 哈希基本结构 插入 查找find 删除 仿函数的应用 开散列 基本结构 插入的实现 查找 删除 Unordered_set/Unordered_set对哈希的封装 封装代码框架： 哈希表的迭代器 【operator*和operator->】 operator++前置++ 迭代器
C++哈希表
异样旧日的博客
06-22 2270
哈希结构，C++代码模拟实现
C++哈希应用
h'm'y
01-11 1020
所谓位图，就是用每一位来存放某种状态，适用于海量数据，数据无重复的场景。通常是用来判断某个数据存不存在的。
哈希表de 设计.rar_c++ 哈希表_哈希_哈希 VC_哈希表
09-23
在C++中，哈希表通常通过自定义实现或使用标准库中的`unordered_map`来实现。本文将深入探讨哈希表的设计原理、工作方式以及在C++中的应用。 哈希表的核心思想是通过哈希函数将键（key）映射到数组的索引位置，以...
c++哈希表
qq_60567866的博客
12-31 1448
在刷初级算法的字符串有好多关于哈希表的内容 所以作词笔记，强化哈希。 首先哈希表的作用是什么？它可以快速的查找。key-value值。 key值是唯一的。就例如一个统计某几人的身高。 如下是STL标准库map容器的实例。 map不允许容器中有重复key值元素 map<string, string> PersonMap; PersonMap["张三"] = "183"; PersonMap["张四"] = "186"; PersonMap["张五"] = "173"; PersonMap[
STL set
hls0611的博客
11-09 270
练习题：P1059 [NOIP2006 普及组] 明明的随机数。
C++_用 using 语句继承基类的构造函数
学海无涯
11-09 276
**默认情况下**，派生类会继承基类的所有成员，包括数据成员和函数成员，但不会继承基类的**构造函数和析构函数**，因为构造函数和析构函数的作用是创建和销毁对象，派生类通常需要有自己的构造和析构的逻辑。C++11 引入了using语句，使得派生类可以通过 using 关键字使用基类的构造函数，更方便地复用基类的构造逻辑。
C++——智能指针
最新发布
Wangx_wang的博客
11-12 957
介绍了几种智能指针的不同和实现思路以及循环引用的问题
C++builder中的人工智能（15）：C++高斯误差线性单元（GELU）
caridle的专栏
11-08 723
激活函数（phi()），也称为转移函数或阈值函数，它根据净输入函数的给定值（sum）确定激活值（a = phi(sum)）。在这里，sum是它们权重中的信号之和，激活函数是这个和的新值，具有给定的函数或条件。换句话说，激活函数是将所有加权信号的和转换为该信号的新激活值的方法。有不同类型的激活函数，通常使用的是线性（恒等）、双极性和逻辑（sigmoid）函数。在C++（以及大多数编程语言）中，你可以创建自己的激活函数。注意，sum是净输入函数的结果，它计算所有加权信号的和。我们将使用这些作为输入函数的结果。
C++ 内存分布及 new , delete 分配问题( ~~~ 面试重要 ~~~)
GAOSHOUCYUYAN的博客
11-10 802
本篇文章笔者将会对 C++ 中的内存问题简单的讲解 , 同时对 new , delete 的面试题进行重点讲解.以上就是本篇的内容 , 希望读者认真领会.
3195. 有趣的数-13年12月CCF计算机软件能力认证（组合数）
m0_73939047的博客
11-10 179
13年12月CCF计算机软件能力认证（组合数）
C++ | 表示移动函数move()的基本用法
brilliantgby_id的博客
11-09 371
通过函数定义可以看出，move函数没有进行移动操作，而是返回类型转换后的参数。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

二木 同学

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

实付元
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