std::vector与std::list的区别

本文介绍了std::vector和std::list的特性。std::vector是顺序容器、动态数组,可快速访问任意元素,但插入或删除元素会影响效率;std::list实质是双向链表,插入和删除元素效率高,却不适合随机访问。二者分别强调随机存取和插入删除的效率。

vector

std::vector是一种顺序容器,可以存放任意类型的对象,如int、double、bool等

它是一个动态的数组:即不需要像普通数组(如int a[10])一样预先分配元素个数,它可以根据插入的元素的多少来扩充对应的容量,一般是原先的1.5-2倍。

实质为,把之前的数据复制到新的数组中,再把先前的内存释放,这种方式可以很大的减少对内存的消耗。

因为数组是一组地址连续的存储空间,所以vector可以快速访问任意元素,支持[]下标访问元素。

但是插入或者删除元素的话,会造成数组内存的拷贝,从而影响到效率。

vector下标访问:

#include <vector>
#include <iostream>

using namespace std;

int main()
{
	vector<int> student;

	for (int i = 0;i<5;i++) {
		student.push_back(i);
	}
	// 访问vector中的 5 个值
	for (int i = 0; i < 5; i++) {
		cout << student[i] << endl;
	}

}

list

std::list的实质是双向链表,而链表在任意位置插入或者删除某个元素,只需对其前面和后面的元素进行接链和断链即可,

不需要移动其他的链表元素,对于删除和插入的效率比较高。

但是却不适合随机访问各个元素,因此不支持[]下标法访问元素。

结论:

vector强调的是通过随机存取的效率。

list强调的是插入和删除元素的效率。

下载代码方式:https://pan.quark.cn/s/28492da20c79 依据所提供的文件资料,本资源将系统地探讨FPGA(即现场可编程门阵列)的核心概念、其在视频图像技术领域的入门及进阶知识要点,以及图像处理算法的实现方法。此外,还将对VIPBoardBig这一特定FPGA开发板的详细资料和使用途径进行深入剖析。 FPGA的入门进阶学习主要涉及以下核心内容: 1. FPGA的基础概念:FPGA是一种能够通过编程进行配置的集成电路,主要目的是达成硬件逻辑的可重构特性。该类芯片由大量的可配置逻辑模块(CLB)、输入输出模块(IOB)以及可编程互连资源共同构成。 2. FPGA开发板相关套件:FPGA开发板是一种用于FPGA芯片学习和测试的硬件平台,通常配备有基础的外设设备,例如LED指示灯、按键开关、LCD显示屏、串口通信接口等。套件则通常包含硬件板卡、技术文档、相关资源,以及可能的软件工具和示例代码集。VIPBoardBig即为本教程选用的FPGA开发板,拥有特定的硬件配置和功能特性。 3. FPGA的开发流程:FPGA开发一般涉及硬件描述语言(HDL)的设计仿真阶段,常用语言为Verilog或VHDL。随后,借助综合工具将设计蓝图转化为FPGA内部的逻辑网络,最终通过编程设备将配置文件传输至FPGA芯片中,从而实现设计的预期功能。 4. 外设开发设计工作:涵盖LED显示控制、键盘驱动、LCD显示驱动、UART串口设计等基础外设的开发任务。这部分知识将引导学习者掌握如何在FPGA平台上管理和运用这些基础外设。 5. VGA驱动显示字符显示测试:VGA(Video Graphics Array)是一种视频传输接口标准,能够支持640x480...
内容概要:本文系统阐述了企业在搭建官方知识库后如何通过“7步锚定法”实现GEO(生成式引擎优化)的落地,重点在于从知识库走向内容矩阵的战略升级。文章指出知识库仅为起点,真正的核心是让大模型“信任并推荐”企业内容。为此提出“一个主战场+多个品牌布局”的策略,强调需根据行业特性选择高商业流量的大模型(如豆包、文心一言、通义千问等),而非工具性模型(如ChatGPT、Claude)。通过业务场景画像、大模型流量测绘、采信逻辑拆解、内容架构设计、语义关键词埋点、信源建设效果迭代七步法,构建高质量、高可信度的内容体系,并警惕“全模型覆盖、内容堆砌、一套内容通用、忽视第三方平台”四大误区。最终指出GEO本质是一场认知战,比拼的是对大模型逻辑客户需求的理解深度及长期主义投入。; 适合人群:已完成官方知识库搭建、希望提升AI引用率获客效率的企业市场负责人、品牌运营、数字营销从业者及SEO/GEO优化相关人员。; 使用场景及目标:①指导企业科学选择主攻大模型并制定差异化内容策略;②构建符合大模型采信逻辑的高质量内容矩阵;③避免常见GEO落地误区,提升AI搜索下的品牌曝光转化效果;④建立可持续优化的数据反馈闭环。; 阅读建议:建议结合自身行业特征客户决策路径,逐步实践“7步法”,优先聚焦单一主战场打透,注重内容质量第三方权威信源建设,坚持3-6个月持续投入以观察真实效果。
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