target_include_directories 语法？

Question

    Program3
    ├── CMakeLists.txt
    ├── CMakePresets.json
    ├── CPPs
        ├── Program3.cpp // this is example code i'm trying to run
        ├── Program3.txt // this is the premade .cpp file that came with the cmake template
    ├── Hs
        ├── Program3.h //this is the premade .h file that came with the cmake template
    ├── out

我在 Visual Studio 中使用 C++ 的 CMAKE 模板，并希望运行 SFML 示例代码。为了运行代码，我需要包含 .hpp 文件。我不想复制包含文件并将它们直接粘贴到我的项目中，并且希望仅引用其自己目录中的库。

这是我正在遵循的教程，但略有修改https://www.youtube.com/watch?v=c35L674qzIE

我不确定语法，但我认为我应该使用 target_include_directories 或 include_directories 让程序在 SFML 文件夹中搜索所需的文件。

如果无法从项目外部引用文件，我可能会弄错，只需按照建议将文件复制到项目中即可。

错误是 严重性代码 说明 项目文件行抑制状态详细信息 错误 C1083 无法打开包含文件：“SFML/Graphics.hpp”：没有此类文件或目录 C:\Users\saled\OneDrive\Desktop\GameDev\StrategieLLC stAttempt\Program3\out uild\x64-debug\Program3 C: \Users\saled\OneDrive\Desktop\GameDev\StrategieLLC stAttempt\Program3\CPPs\Program3.cpp 1

    target_include_directories({CMAKE_SOURCE_DIR} ../DevLibrariesUsed/SFML-2.6.1-windows-vc17-64-bit/SFML-2.6.1/include/SFML) 

.. 引用项目和库文件夹 DevLibariesUsed 之间的公共文件夹。

我也尝试过

    target_include_directories(Program3 ../DevLibrariesUsed/SFML-2.6.1-windows-vc17-64-bit/SFML-2.6.1/include/SFML)

和

    include_directories(Program3 ../DevLibrariesUsed/SFML-2.6.1-windows-vc17-64-bit/SFML-2.6.1/include/SFML)

但是我可能会尝试仅链接每个 .hpp 文件，但是库的该部分中有更多文件夹，我不想在某些时候直接添加所有内容。

这个

    target_link_libraries(Program3 ../DevLibrariesUsed/SFML-2.6.1-windows-vc17-64-bit/SFML-2.6.1/lib/sfml-window.lib)

似乎适用于 .lib 文件？所以我不知道为什么类似的语法不适用于 include_directories

Answer 1

如果您希望实现蒙特卡罗模拟，它可以应用于各种环境，例如金融、物理和风险分析等。核心概念涉及使用随机性来解决原则上可能是确定性的问题。以下是 Python 中蒙特卡洛模拟的基本示例，用于估计 π 的值：

import random

def estimate_pi(num_samples):
    inside_circle = 0
    for _ in range(num_samples):
        x, y = random.random(), random.random()
        distance = x**2 + y**2
        if distance <= 1:
            inside_circle += 1
    pi_estimate = 4 * inside_circle / num_samples
    return pi_estimate

# Example usage
num_samples = 1000000
pi_estimate = estimate_pi(num_samples)
print(f"Estimated Pi: {pi_estimate}")

此代码对单位正方形 (0,0) 到 (1,1) 中的随机点进行采样，并检查该点是否位于该正方形内的单位圆四分之一内。圆内点与总点的比率乘以 4（因为我们只查看圆的四分之一）给出了 π 的估计值。

如何运作：

• (x, y)

  坐标表示单位正方形内随机选择的点。

• distance = x**2 + y**2

  使用勾股定理计算点到原点

  (0,0)

  的距离。如果该距离小于或等于 1，则该点位于单位圆内。

• inside_circle

  计算有多少个点落在圆内。
• 比率

  inside_circle / num_samples

  估计四分之一圆的面积。将此比率乘以 4 即可估算出 π，因为圆的实际面积为 πr²（r = 1），而正方形的面积为 1² = 1。

这个例子是蒙特卡罗方法的简单演示。 π 估计的准确性随着样本数量的增加而提高。蒙特卡洛模拟可能更加复杂，可用于各种应用，从金融模型到难以或不可能获得分析解决方案的复杂物理模拟。