Lua_函数_008

函数可以看作程序员定义的操作,每个函数都会实现一系列的计算,然后(大多数时候)生成一个计算结果. 
        ★ 必须先创建后使用!
       函数体是一个语句块,定义了函数的具体操作.在函数体中可以定义只在该函数中有效的变量(局部变量).

当执行到end语句的时候,函数调用结束.可以通过return语句返回一个指定的结果值.执行return语句后,被挂起的主程序在调用处恢复执行,继续处理其他的工作.
function func_name (arguments-list)
        statements-list;
  end;       


在Lua中,函数可以一次返回多个返回值.

function f()
         return 1,2
 end    
  a, b = f()
   f()返回两个值,第一个赋给a,第二个赋给b。


function f(a, b) return a or b 
end
print(f(3))
print(f(nil,4))
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24

闭包

当一个函数内部嵌套另一个函数定义时,内部的函数体可以访问外部的函数的局部变量,这种特征我们称作词法定界。很少语言提供这种支持。


非全局函数

Lua 中函数可以作为全局变量也可以作为局部变量

  1. 函数作为table域 
    函数作为 table 的域(大部分 Lua 标准库使用这种机制来实现的比如 io.read、math.sin) 。这种情况下,必须注意函数和表语法: 
    表和函数放在一起 
    使用表构造函数 
    第三种方式 

    Lib = {} 
    function Lib.foo (x,y) 
    return x + y 
    end 
    function Lib.goo (x,y) 
    return x - y 
    end 
  2. 局部函数 
    方式一
local f = function (...)
...
end


local g = function (...)
...
f() -- external local `f' is visible here
...
end

示例

function a()

  local b = function ()  print("xx") end;
  local c = function ()  b() end;
  c()

end


有一点需要注意的是在声明递归局部函数的方式:
local fact = function (n)
if n == 0 then
return 1
else
return n*fact(n-1) -- buggy
end
end

上面这种方式导致 Lua 编译时遇到 fact(n-1)并不知道他是局部函数 fact, Lua 会去查找是否有这样的全局函数 fact。为了解决这个问题我们必须在定义函数以前先声明:

local fact
fact = function (n)
if n == 0 then
return 1
else
return n*fact(n-1)
end
end
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41

方式二

local function f (...)
...
end

示例

function x()
  local function test()
    print("hello world");
  end
  test()

end
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13

数学相关的函数


字符串相关的函数

这里写图片描述

使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
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