社区
图形处理/算法
帖子详情
[散分贴]问问各位大虾平时程序优化习惯和基本的调试方法,跪听指教
xiuxianshen
2010-03-19 04:18:54
RT!!!
...全文
167
13
打赏
收藏
[散分贴]问问各位大虾平时程序优化习惯和基本的调试方法,跪听指教
RT!!!
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
13 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
xiuxianshen
2010-03-20
打赏
举报
回复
记得以前有介绍C++自带的分析程序运行各部分的耗时和运算的工具,希望大牛提点。。。
liumeiqinyang
2010-03-20
打赏
举报
回复
唉,从来没有做过优化,一点点点优化的思想都被头儿扼杀了。
优化,是个比较大的论题。
ls说的好习惯是必须的
WizardK
2010-03-20
打赏
举报
回复
一句半句说不清楚
先养成编码、命名、注释、备份等好习惯
用户 昵称
2010-03-20
打赏
举报
回复
一步一步的跟,因为程序的流程本身在大脑中。
验证码识别
2010-03-20
打赏
举报
回复
一般 F5 F10 F11
偶尔 fstream <<
解决问题, Windbug QA工具 还是比较强大的
zealand_1
2010-03-19
打赏
举报
回复
vc里面也有带条件的调试,不怎么用罢了,功能还可以
winnuke
2010-03-19
打赏
举报
回复
如果要优化的话证明程序已经写好了。
这个时候首先研究下现有程序的瓶颈所在。
然后找到瓶颈,考虑算法级别的优化。
做到这一步就已经不错了,
再往下还要求提高的话那就代码级别的优化。
迭代。。
调试,首先看崩不崩溃。
然后看核心功能。
最后看边缘功能。
迭代。。
Eleven
2010-03-19
打赏
举报
回复
平时积累。。。。。
fandh
2010-03-19
打赏
举报
回复
一般2008什么的,好像都带有工具的!
vx对重构,也都支持的!
xiuxianshen
2010-03-19
打赏
举报
回复
需要强大的工具,准备接点优化的活干干~~
liumenghappy
2010-03-19
打赏
举报
回复
平常多练练就行了,我调试基本上就是F5 F10 F11
先占个位,听楼下高手的经验!
xiuxianshen
2010-03-19
打赏
举报
回复
有没有比较好的工具,可以对程序的各个模块进行时间和运算统计的,最好是VC++类的。。。
onlyliu
2010-03-19
打赏
举报
回复
指针的管理一定要注意。。调试:断点调试。还有就是输出文件调试。。顺便接分
2024年安卓最新二本渣渣学-Android-毕业=失业?(1),2024年最新h5开发移动端页面
本文探讨了从零开始到成为高级Android工程师所需的系统化学习策略,强调了知识体系的重要性,包括理解View绘制原理、动画、性能
优化
、设计模式,以及阅读源码和深入学习Android系统架构。文章还推荐了适合各个阶段的学习书籍和加入技术交流圈子的建议。,
二本渣渣学-Android-毕业=失业?,retrofitretrofit原理面试
本文介绍了Android开发者的进阶学习内容,涵盖了Activity、Service、AsyncTask、线程池等基础知识,强调设计模式的学习和实践,推荐了相关书籍,并给出了完整的Android学习路线图,旨在帮助开发者提升技能和解决自学难题。
二本渣渣学 Android 毕业=失业?,重磅分享
本文介绍了AMS和PMS的工作原理,详细阐述了Activity、Service、AsyncTask和线程池的细节,强调设计模式的学习,并推荐了相关书籍。还根据Android工程师级别的划分,提供了学习路径和资源链接。,
【水下机器人建模】基于QLearning自适应强化学习PID控制器在AUV中的应用研究(Matlab代码实现)
内容概要:本文研究了基于Q-Learning自适应强化学习的PID控制器在自主水下航行器(AUV)运动控制中的应用,旨在提升其在复杂海洋环境下的控制性能。通过建立AUV的动力学模型,将Q-Learning算法与传统PID控制相结合,实现控制器参数的在线自适应
优化
,有效增强了系统的响应速度、稳定性和抗干扰能力。研究采用Matlab进行仿真验证,结果表明该
方法
在轨迹跟踪与姿态控制方面具有优越表现,为水下机器人智能控制提供了可行的技术路径与理论支持。; 适合人群:具备自动控制理论、强化学习或水下机器人建模背景,从事相关科研工作的研究人员、高校研究生及工程技术开发者。; 使用场景及目标:①应用于高精度、强鲁棒性的水下机器人运动控制系统设计;②开展智能PID控制器在非线性、时变系统中的参数自整定研究;③作为强化学习在复杂工业控制场景中落地的典型案例参考,推动算法与工程实践融合。; 阅读建议:建议结合提供的Matlab代码进行仿真实验,重点剖析Q-Learning与PID融合的架构设计、奖励函数设定及参数收敛过程,可进一步拓展至与其他智能
优化
算法(如DQN、Actor-Critic)的对比研究,深化对自适应控制机制的理解。
matlab多元非线性回归教程
已经博主授权,源码转载自 https://pan.quark.cn/s/a4b39357ea24 Matlab 被视为一种功能卓越的编程平台,特别是在数值运算和数据分析方面展现出广泛的应用价值。在应对多元非线性回归的挑战时,Matlab 拥备多种工具和函数,支持用户对复杂的数据进行构建模型和适配。本指南将重点阐释在 Matlab 环境下如何执行多元非线性回归分析。 我们需要掌握三种关键的回归指令: 1. `polyfit(x,y,n)`:此函数适用于拟合一元幂函数,能够导出一个多项式模型。例如,若知晓数据呈现二次函数形态,可选择`n=2`来适配一个二次曲线。 2. `regress(y,x)`:这是一个多元线性回归指令,能够处理多个自变量对因变量的影响。即便数据并非完全呈现线性特征,该函数也能提供一个线性近似。 3. `nlinfit(x,y,’fun’,beta0)`:这是最为通用的非线性回归指令,适用于适配任何类型的函数,无论是一元或多元,前提是用户能够定义函数形式(`fun`参数)。 回归分析的核心在于寻找一组最优的系数,使得模型能够最恰当地描述数据。这通常涉及选择一个合适的函数形态,随后通过最小化误差平方和来估算系数。在Matlab中,`regress`指令主要用于处理线性模型,而`nlinfit`则处理更为复杂的非线性模型。 对于多元线性回归模型,我们可以用如下形式进行表述: \[ y = \beta_0 + \beta_1x_1 + \beta_2x_2 + \cdots + \beta_px_p + \epsilon \] 其中,\( y \)是因变量,\( x_1, x_2, \ldots, x_p \)是自变量,\( \beta_0, \beta_1, ...
图形处理/算法
19,464
社区成员
50,678
社区内容
发帖
与我相关
我的任务
图形处理/算法
VC/MFC 图形处理/算法
复制链接
扫一扫
分享
社区描述
VC/MFC 图形处理/算法
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章