第7周项目6 - 停车场模拟

/* 
* Copyright(c) 2017,烟台大学计算机学院 
* All rights reserved. 
* 文件名称:cpp1. 
* 作    者:宋昊 
* 完成日期:2017 年 10 月 24 日 
* 版 本 号:v1.0 
* 
* 问题描述: 设停车场是一个可停放n辆汽车的狭长死胡同,南边封口,汽车只能从北边进出(这样的停车场世间少有)。 
汽车在停车场内按车辆到达时间的先后顺序,最先到达的第一辆车停放在车场的最南端,依次向北排开。 
若车场内已停满n辆汽车,则后来的汽车只能在门外的候车场上等候,一旦有车开走,则排在候车场上的第一辆车即可开入。 
当停车场内某辆车要离开时,在它之后进入的车辆必须先退出车场为它让路(假定停车场内设有供车辆进出的便道,所有的司机也必须在车内随时待命),待该辆车开出外,其他车辆再按原次序进入车场。 
每辆停放在车场的车在它离开停车场时,要按停留的时间长短交纳费用。 
* 输入描述:自行输入  
* 程序输出:实现各种算法的函数的测试结果 
*/  

[cpp] view plain copy
#include <stdio.h>  
#include <malloc.h>  
#define N 10                    /*停车场内最多的停车数*/  
#define M 10                    /*候车场内最多的停车数*/  
#define Price 2             /*每单位时间停车费用*/  
typedef struct  
{  
    int CarNo[N];           /*车牌号*/  
    int CarTime[N];         /*进场时间*/  
    int top;                /*栈指针*/  
} SqStack;                  /*定义顺序栈类型,用于描述停车场*/  
  
typedef struct  
{  
    int CarNo[M];           /*车牌号*/  
    int front,rear;         /*队首和队尾指针*/  
} SqQueue;                  /*定义循环队类型,用于描述候车场*/  
  
/*以下为顺序栈的基本运算算法*/  
void InitStack(SqStack *&s)  
{  
    s=(SqStack *)malloc(sizeof(SqStack));  
    s->top=-1;  
}  
int StackEmpty(SqStack *s)  
{  
    return(s->top==-1);  
}  
int StackFull(SqStack *s)  
{  
    return(s->top==N-1);  
}  
int Push(SqStack *&s,int e1,int e2)  
{  
    if (s->top==N-1)  
        return 0;  
    s->top++;  
    s->CarNo[s->top]=e1;  
    s->CarTime[s->top]=e2;  
    return 1;  
}  
int Pop(SqStack *&s,int &e1,int &e2)  
{  
    if (s->top==-1)  
        return 0;  
    e1=s->CarNo[s->top];  
    e2=s->CarTime[s->top];  
    s->top--;  
    return 1;  
}  
void DispStack(SqStack *s)  
{  
    int i;  
    for (i=s->top; i>=0; i--)  
        printf("%d ",s->CarNo[i]);  
    printf("\n");  
}  
  
/*以下为循环队列的基本运算算法*/  
void InitQueue(SqQueue *&q)  
{  
    q=(SqQueue *)malloc (sizeof(SqQueue));  
    q->front=q->rear=0;  
}  
int QueueEmpty(SqQueue *q)  
{  
    return(q->front==q->rear);  
}  
int QueueFull(SqQueue *q)       /*判断队满*/  
{  
    return ((q->rear+1)%M==q->front);  
}  
int enQueue(SqQueue *&q,int e)      /*进队*/  
{  
    if ((q->rear+1)%M==q->front)    /*队满*/  
        return 0;  
    q->rear=(q->rear+1)%M;  
    q->CarNo[q->rear]=e;  
    return 1;  
}  
int deQueue(SqQueue *&q,int &e)     /*出队*/  
{  
    if (q->front==q->rear)          /*队空的情况*/  
        return 0;  
    q->front=(q->front+1)%M;  
    e=q->CarNo[q->front];  
    return 1;  
}  
void DispQueue(SqQueue *q)      /*输出队中元素*/  
{  
    int i;  
    i=(q->front+1)%M;  
    printf("%d ",q->CarNo[i]);  
    while ((q->rear-i+M)%M>0)  
    {  
        i=(i+1)%M;  
        printf("%d ",q->CarNo[i]);  
    }  
    printf("\n");  
}  
  
//main函数用于模拟停车场的工作  
int main()  
{  
    int comm;  
    int no,e1,time,e2;  
    int i,j,t;  
    SqStack *St,*St1;  //St是停车场,St1是在有车离开时,记录为该车移开位置的车辆  
    SqQueue *Qu;   //Qu是候车场  
    InitStack(St);  
    InitStack(St1);  
    InitQueue(Qu);  
    do  
    {  
        printf("输入指令(1:到达 2:离开 3:显示停车场 4:显示候车场 0:退出):");  
        scanf("%d",&comm);  
        switch(comm)  
        {  
        case 1:     /*汽车到达*/  
            printf("输入车号和时间(设车号和时间均为整数): ");  
            scanf("%d%d",&no,&time);  
            if (!StackFull(St))         /*停车场不满*/  
            {  
                Push(St,no,time);  
                printf("  >>停车场位置:%d\n",St->top+1);  
            }  
            else                        /*停车场满*/  
            {  
                if (!QueueFull(Qu))     /*候车场不满*/  
                {  
                    enQueue(Qu,no);  
                    printf("  >>候车场位置:%d\n",Qu->rear);  
                }  
                else  
                    printf("  >>候车场已满,不能停车\n");  
            }  
            break;  
        case 2:     /*汽车离开*/  
            printf("输入车号和时间(设车号和时间均为整数): ");  
            scanf("%d%d",&no,&time);  
            for (i=0; i<=St->top && St->CarNo[i]!=no; i++);  //在栈中找  
            if (i>St->top)  
                printf("  >>未找到该编号的汽车\n");  
            else  
            {  
                t = St->top - i;  //需要出栈的车辆数目  
                for (j=0; j<t; j++)  //for (j=i; j<=St->top; j++)  
                {  
                    Pop(St,e1,e2);  
                    Push(St1,e1,e2);        /*倒车到临时栈St1中*/  
                }  
                Pop(St,e1,e2);              /*该汽车离开*/  
                printf("  >>%d汽车停车费用:%d\n",no,(time-e2)*Price);  
                while (!StackEmpty(St1))    /*将临时栈St1重新回到St中*/  
                {  
                    Pop(St1,e1,e2);  
                    Push(St,e1,e2);  
                }  
                if (!QueueEmpty(Qu))        /*队不空时,将队头进栈St*/  
                {  
                    deQueue(Qu,e1);  
                    Push(St,e1,time);       /*以当前时间开始计费*/  
                }  
            }  
            break;  
        case 3:     /*显示停车场情况*/  
            if (!StackEmpty(St))  
            {  
                printf("  >>停车场中的车辆:"); /*输出停车场中的车辆*/  
                DispStack(St);  
            }  
            else  
                printf("  >>停车场中无车辆\n");  
            break;  
        case 4:     /*显示候车场情况*/  
            if (!QueueEmpty(Qu))  
            {  
                printf("  >>候车场中的车辆:"); /*输出候车场中的车辆*/  
                DispQueue(Qu);  
            }  
            else  
                printf("  >>候车场中无车辆\n");  
            break;  
        case 0:     /*结束*/  
            if (!StackEmpty(St))  
            {  
                printf("  >>停车场中的车辆:"); /*输出停车场中的车辆*/  
                DispStack(St);  
            }  
            if (!QueueEmpty(Qu))  
            {  
                printf("  >>候车场中的车辆:"); /*输出候车场中的车辆*/  
                DispQueue(Qu);  
            }  
            break;  
        default:    /*其他情况*/  
            printf("  >>输入的命令错误\n");  
            break;  
        }  
    }  
    while(comm!=0);  
    return 0;  
}  


运行结果:


知识点总结:
此程序是先判断停车场是否停满,若未停满则循环前移车辆,否则判断候车场是否停满,若未满则排队候车。
学习心得:
利用顺序栈和循环队列的算法库进行修改编写,关键点在于顺序栈表达停车场,循环队列表达候车场。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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