算法-区间的比较

#include<iostream>
#include<vector>
#include<list>
#include<algorithm>
#include<functional>

using namespace std; 

//设计一个函数对象
bool bothEvenOrOdd(int elem1, int elem2)
{
	return elem1 % 2==elem2 % 2;
}

//使用谓词
void printCollection(const list<int>& l)
{
	for (list<int>::const_iterator iter = l.begin(); iter != l.end(); ++iter)
		cout << *iter << " ";
	cout << endl;
}

bool  lessForCollection(const list<int>&list1,const list<int>& list2)
{
	return lexicographical_compare(list1.begin(), list1.end(), list2.begin(), list2.end());
}


int main()
{
	vector<int> ivec;
	list<int> ilist;
	for (int i = 1; i <= 7; ++i)
		ivec.push_back(i);
	for (int i = 3; i <= 9; ++i)
		ilist.push_back(i);

	for (vector<int>::iterator iter = ivec.begin(); iter != ivec.end(); ++iter)
		cout << *iter <<" ";
	cout << endl;
	for (list<int>::iterator iter = ilist.begin(); iter != ilist.end(); ++iter)
		cout << *iter << " ";
	cout << endl;

	if (equal(ivec.begin(), ivec.end(), ilist.begin()))//比较是否相等
		cout << "xiangdeng" << endl;
	else
		cout << "no equal" << endl;

	//传输进去一个谓词,奇数对应奇数,偶数对应偶数
	if (equal(ivec.begin(), ivec.end(), ilist.begin(), bothEvenOrOdd))
		cout << "这两个区间是奇数对应奇数,偶数对应偶数" << endl;
	else
		cout << "error" <<endl;

	//在比较的过程中找到第一个不相等的数
	vector<int> ivec1;
	list<int> ilist1;
	for (int i = 1; i <= 6; ++i)
		ivec1.push_back(i);
	for (int i = 1; i <= 16; i*=2)
		ilist1.push_back(i);
	ilist1.push_back(3);
	for (vector<int>::iterator iter = ivec1.begin(); iter != ivec1.end(); ++iter)
		cout << *iter << " ";
	cout << endl;
	for (list<int>::iterator iter = ilist1.begin(); iter != ilist1.end(); ++iter)
		cout << *iter << " ";
	cout << endl;

	//算法在比较的过程中返回值是个pair
	pair<vector<int>::iterator,list<int>::iterator > values;//第一个指向第一个容器里不相等的数,第二个指向第二个不相等的数
	values =mismatch(ivec1.begin(), ivec1.end(), ilist1.begin());//没有找到不相等的数
	if (values.first == ivec1.end())
		cout << "没有找到不相等的数" << endl;
	else
		cout << "find ok:" <<*values.first<< " "<<*values.second<<endl;

	values = mismatch(ivec1.begin(), ivec1.end(), ilist1.begin(), less_equal<int>());//如果第一个容器里的数大于第二个容器里的数,就是找到了
	if (values.first == ivec1.end())
		cout << "error" << endl;
	else
		cout << "ok:find a big::" << *values.first << "  and  " << *values.second<< endl;;
	
	//检查第一个是不是小于第二个区间,检查小于算法
	//数大的区间大于数少的区间
	//结果ture:第一个区间比第二个区间小,false,两个区间相等
	list<int> a1,a2,a3,a4;
	for (int i = 1; i <= 5; ++i)
		a1.push_back(i);
	a4 = a3 = a2 = a1;
	a1.push_back(7);
	a3.push_back(2);
	a3.push_back(0);
	a4.push_back(2);

	printCollection(a1);
	printCollection(a2);
	printCollection(a3);
	printCollection(a4);

	vector<list<int>> aa;//把a1和a2,a3,a4保存在向量里
	aa.push_back(a1);
	aa.push_back(a2);
	aa.push_back(a3);
	aa.push_back(a4); 

	if (lexicographical_compare(a4.begin(),a4.end(), a1.begin(), a1.end()))
		cout << "a4小于a1" << endl;
	else
		cout << "a4和a1相等" << endl;
	if (lexicographical_compare(a4.begin(), a4.end(), a3.begin(), a3.end()))
		cout << "a4小于a3" << endl;
	else
		cout << "a4和a3大于相等" << endl;

	for_each(aa.begin(), aa.end(), printCollection);
	cout << endl;
	//排序,小的在前边,大的在后边
	sort(aa.begin(), aa.end(), lessForCollection);
	for_each(aa.begin(), aa.end(), printCollection);
	cout << endl;

	system("pause");
	return 0;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 我对多目标区间算法IP-MOEA代码并不熟悉,但是我可以给你提供一些关于它的基本信息:多目标区间算法IP-MOEA是一种基于偏序的多目标优化算法,可以有效地求解多目标优化问题。它的核心思想是使用多维搜索算法,可以解决多目标优化问题,这种算法可以极大地减少算法计算时间,提高求解问题的效率。 ### 回答2: 多目标区间算法IP-MOEA(Interval-based Pareto Multi-objective Evolutionary Algorithm)是一种应用于多目标优化问题的演化算法。其代码实现可以大致分为以下几个步骤: 1. 初始化种群:随机生成一组初始解作为种群。 2. 计算适应度:对于每个个体,计算其在每个目标函数上的适应度值。 3. 计算区间:根据当前种群中的个体,计算每个目标函数的上下边界。 4. 更新种群:根据目标函数的上下边界,在当前种群中选择最优的个体作为父代,进行交叉和变异操作得到新的个体。 5. 更新目标函数边界:根据新生成的个体,更新目标函数的上下边界。 6. 更新种群适应度:对于更新后的种群,重新计算每个个体在每个目标函数上的适应度值。 7. 判断终止条件:根据预先设定的终止条件,判断是否终止算法。 8. 重复步骤4-7,直到满足终止条件。 在代码实现过程中,需要注意以下几点: 1. 选择合适的交叉和变异算子,以保证个体的多样性和收敛性。 2. 设定适当的参数,如种群大小、交叉概率、变异概率等,以平衡算法的收敛速度和搜索能力。 3. 选择合适的目标函数,以准确反映问题的多个优化目标。 4. 采用适当的存档策略,保存当前最优的非支配解,用于后续的种群更新。 综上所述,多目标区间算法IP-MOEA的代码实现主要包括初始化种群、计算适应度、计算区间、更新种群、更新目标函数边界、更新种群适应度、判断终止条件等步骤。同时在实现过程中需要注意选择合适的算子和参数,并采用存档策略保存历史最优解。 ### 回答3: IP-MOEA(多目标区间算法)是一种基于粒子群优化算法的多目标优化算法。它在求解多目标优化问题时,可以得到一组最优解的近似集合,而不仅仅是一个最优解。 IP-MOEA的代码实现主要包括以下几个步骤: 1.初始化:设置种群大小、最大迭代次数、粒子位置的搜索范围等参数,并随机生成初始种群。 2.评价适应度:计算每个粒子的目标函数值,即将问题转化为多个目标函数的最小化问题。目标函数值的计算可以根据具体问题进行定义。 3.更新非支配解集合:根据支配关系,将非支配解集合更新为当前种群中的非支配解。 4.更新邻域:根据非支配解集合,更新每个粒子的邻域解集,并计算每个粒子的邻域距离。 5.权重向量生成:生成权重向量,用于计算损失函数,通过调整损失函数的权重,平衡多个目标函数之间的重要性。 6.粒子位置更新:根据所选的权重向量和邻域解集,更新每个粒子的位置,并进行边界约束处理,确保搜索范围不越界。 7.更新非支配解集合:根据支配关系,将当前种群中的非支配解加入到非支配解集合中。 8.终止条件判断:判断是否满足停止迭代的条件,如达到最大迭代次数或非支配解集合的大小达到预设阈值。 9.输出结果:输出最终的非支配解集合,代表了近似的最优解集合。 IP-MOEA算法的代码实现需要根据具体问题进行一些修改和优化,如目标函数的定义、粒子位置更新的方式等。以上是IP-MOEA算法的一个简单实现步骤,根据具体情况可以进行相应的调整和改进。

“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
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