指针和引用1.docx

从概念上讲。指针从本质上讲就是存放变量地址的一个变量，在逻辑上是独立的，它可以被改变，包括其所指向的地址的改变和其指向的地址中所存放的数据的改变。而引用是一个别名，它在逻辑上不是独立的，它的存在具有依附性，所以引用必须在一开始就被初始化，而且其引用的对象在其整个生命周期中是不能被改变的（自始至终只能依附于同一个变量）。在C+中，指针和引用经常用于函数的参数传递，然而，指针传递参数和引用传递参数是有本质上的不同的：指针传递参数本质上是值传递的方式，它所传递的是一个地址值。值传递过程中，被调函数的形式参数作为被调函数的局部变量处理，即在栈中开辟了内存空间以存放由主调函数放进来的实参的值，从而成为了实参的一个副本。值传递的特点是被调函数对形式参数的任何操作都是作为局部变量进行，不会影响主调函数的实参变量的值。而在引用传递过程中，被调函数的形式参数虽然也作为局部变量在栈中开辟了内存空间，但是这时存放的是由主调函数放进来的实参变量的地址。被调函数对形参的任何操作都被处理成间接寻址，即通过栈中存放的地址访问主调函数中的实参变量。正因为如此，被调函数对形参做的任何操作都影响了主调函数中的实参变量。引用传递和指针传递是不同的，虽然它们都是在被调函数栈空间上的一个局部变量，但是任何对于引用参数的处理都会通过一个间接寻址的方式操作到主调函数中的相关变量。而对于指针传递的参数，如果改变被调函数中的指针地址，它将影响不到主调函数的相关变量。如果想通过指针参数传递来改变主调函数中的相关变量，那就得使用指向指针的指针，或者指针引用。为了进一步加深大家对指针和引用的区别，下面我从编译的角度来阐述它们之间的区别：程序在编译时分别将指针和引用添加到符号表上，符号表上记录的是变量名及变量所对应地址。指针变量在符号表上对应的地址值为指针变量的地址值，而引用在符号表上对应的地址值为引用对象的地址值。符号表生成后就不会再改，因此指针可以改变其指向的对象（指针变量中的值可以改），而引用对象则不能修改。最后，总结一下指针和引用的相同点和不同点：相同点：都是地址的概念；指针指向一块内存，它的内容是所指内存的地址；而引用则是某块内存的别名。不同点：指针是一个实体，而引用仅是个别名；引用只能在定义时被初始化一次，之后不可变；指针可变；引用“从一而终”，指针可以“见异思迁”；引用没有const，指针有const，const的指针不可变；引用不能为空，指针可以为空；“sizeof引用”得到的是所指向的变量(对象)的大小，而“sizeof指针”得到的是指针本身的大小；指针和引用的自增(+)运算意义不一样；引用是类型安全的，而指针不是(引用比指针多了类型检查#include #include using namespace std;std:istream& istate_reset(std:istream& cin_pass);int main() /*int v1,v2,v3;coutEnter content:v1v2;while(!cin.eof()coutcin.get()endl;coutThe output is:v1 v2endl; /显示1 2coutEnter the third integer:v3; /直接对cin流进行处理，并未等待输入coutThe output is:v3val; /重新使用恢复后的流coutAfter reset,the output is:valival,!cin_pass.eof()if(cin_pass.fail() /出现可恢复错误std:cerrbad data,try again; /提示用户cin_pass.clear(); /恢复流cin_pass.ignore(200, );continue; /回到循环开始处，继续读入数据/读入正常coutthe normal output is:ivalendl;cin_pass.clear();return cin_pass; /只有在输入开始时输入了文件结束符，才能跳出循环，中间出现只会认为是出现可恢复错误#include #include using namespace std;std:istream* istate_reset(std:istream* cin_pass);int main() /*int v1,v2,v3;coutEnter content:v1v2;while(!cin.eof()coutcin.get()endl;coutThe output is:v1 v2endl; /显示1 2coutEnter the third integer:v3; /直接对cin流进行处理，并未等待输入coutThe output is:v3val; /重新使用恢复后的流coutAfter reset,the output is:valival,!(*cin_pass).eof()if(*cin_pass).fail() /出现可恢复错误std:cerrbad data,try again; /提示用户(*cin_pass).clear(); /恢复流(*cin_pass).ignore(200, );continue; /回到循环开始处，继续读入数据/读入正常coutthe normal output is:ivalendl;(*cin_pass).clear();return cin_pass; /只有在输入开始时输入了文件结束符，才能跳出循环，中间出现只会认为是出现可恢复错误常见算法时间复杂度：O(1): 表示算法的运行时间为常量O(n): 表示该算法是线性算法O(2n): 二分查找算法O(n2): 对数组进行排序的各种简单算法，例如直接插入排序的算法。O(n3): 做两个n阶矩阵的乘法运算O(2n): 求具有n个元素集合的所有子集的算法O(n!): 求具有N个元素的全排列的算法优-劣O(1)O(2n)O(n)O(n2)O(2n)时间复杂度按数量级递增排列依次为：常数阶O(1)、对数阶O(log2n)、线性阶O(n)、线性对数阶O(nlog2n)、平方阶O(n2)、立方阶O(n3)、k次方阶O(nk)、指数阶O(2n)。算法的时间复杂度（计算实例）定义：如果一个问题的规模是n，解这一问题的某一算法所需要的时间为T(n)，它是n的某一函数 T(n)称为这一算法的“时间复杂性”。当输入量n逐渐加大时，时间复杂性的极限情形称为算法的“渐近时间复杂性”。我们常用大O表示法表示时间复杂性，注意它是某一个算法的时间复杂性。大O表示只是说有上界，由定义如果f(n)=O(n)，那显然成立f(n)=O(n2)，它给你一个上界，但并不是上确界，但人们在表示的时候一般都习惯表示前者。此外，一个问题本身也有它的复杂性，如果某个算法的复杂性到达了这个问题复杂性的下界，那就称这样的算法是最佳算法。“大O记法”：在这种描述中使 用的基本参数是 n，即问题实例的规模，把复杂性或运行时间表达为n的函数。这里的“O”表示量级 (order)，比如说“二分检索是 O(logn)的”,也就是说它需要“通过logn量级的步骤去检索一个规模为n的数组”记法 O ( f(n) )表示当 n增大时，运行时间至多将以正比于 f(n)的速度增长。这种渐进估计对算法的理论分析和大致比较是非常有价值的，但在实践中细节也可能造成差异。例如，一个低附加代价的O(n2)算法在n较小的情况下可能比一个高附加代价的 O(nlogn)算法运行得更快。当然，随着n足够大以后，具有较慢上升函数的算法必然工作得更快。 O(1)Temp=i;i=j;j=temp; 以上三条单个语句的频度均为 1，该程序段的执行时间是一个与问题规模n无关的常数。算法的时间复杂度为常数阶，记作T(n)=O(1)。如果算法的执行时 间不随着问题规模n的增加而增长，即使算法中有上千条语句，其执行时间也不过是一个较大的常数。此类算法的时间复杂度是O(1)。 O(n2)2.1. 交换i和j的内容 sum=0； （一次） for(i=1;i=n;i+) （n次 ） for(j=1;j=n;j+) （n2次 ） sum+； （n2次 ）解：T(n)=2n2+n+1 =O(n2)2.2. for (i=1;in;i+) y=y+1; for (j=0;j=(2*n);j+) x+; 解： 语句1的频度是n-1 语句2的频度是(n-1)*(2n+1)=2n2-n-1 f(n)=2n2-n-1+(n-1)=2n2-2 该程序的时间复杂度T(n)=O(n2). O(n) 2.3. a=0; b=1; for (i=1;i=n;i+) s=a+b; b=a; a=s; 解： 语句1的频度：2, 语句2的频度： n, 语句3的频度： n-1, 语句4的频度：n-1, 语句5的频度：n-1, T(n)=2+n+3(n-1)=4n-1=O(n). O(log2n )2.4. i=1; while (i=n) i=i*2; 解： 语句1的频度是1, 设语句2的频度是f(n), 则：2f(n)=n;f(n)=log2n 取最大值f(n)= log2n, T(n)=O(log2n )O(n3)2.5. for(i=0;in;i+) for(j=0;ji;j+) for(k=0;kj;k+) x=x+2; 解：当i=m, j=k的时候,内层循环的次数为k当i=m时, j 可以取 0,1,.,m-1 , 所以这里最内循环共进行了0+1+.+m-1=(m-1)m/2次所以,i从0取到n, 则循环共进行了: 0+(1-1)*1/2+.+(n-1)n/2=n(n+1)(n-1)/6所以时间复杂度为O(n3). 我们还应该区分算法的最坏情况 的行为和期望行为。如快速排序的最 坏情况运行时间是 O(n2)，但期望时间是 O(nlogn)。通过每次都仔细 地选择基准值，我们有可能把平方情况 (即O(n2)情况)的概率减小到几乎等于 0。在实际中，精心实现的快速排序一般都能以 (O(nlogn)时间运行。 下面是一些常用的记法： 访问数组中的元素是常数时间操 作，或说O(1)操作。一个算法如 果能在每个步骤去掉一半数据元素，如二分检索，通常它就取 O(logn)时间。用strcmp比较两个具有n个字符的串需要O(n)时间 。常规的矩阵乘算法是O(n3)，因为算