linux 调试

 

在开发和使用Linux 程序时,引擎有时会莫名其妙的core 掉,在网上查找、整理了一些资料,总结如下。1、什么是core dumpCore,即core memory,而dump 就是堆放的意思。core dump 又叫核心转储,当程序运行过程中发生异常,程序异常退出时,由操作系统把程序当前的内存状况存储在一个core 文件中,叫core dump。2、如何打开core dump支持有的操作系统并没有默认打开core dump 支持,需要用ulimit -c unlimited 语句进行设置,core 文件生成的位置一般在程序运行的当前目录下,文件名为core.进程号( 当然不同的系统也许有所不同,可以查看相手册对路径和文件名进行设置).1)使用ulimit -c 命令可查看core 文件的生成开关。若结果为0,则表示关闭了此功能,不会生成core 文件。2)使用ulimit -c filesize 命令,可以限制core 文件的大小(filesize 的单位为kbyte)。若使用ulimit -c unlimited,则表示core 文件的大小不受限制。如果限制了core文件大小,一旦生成的信息超过此大小,core文件将会被裁剪,最终生成一个不完整的core 文件。在调试此core文件的时候,gdb会提示错误。再看下默认的一些参数,如果core file size为0,程序出错时不会产生core 文件。$ ulimit -acore file size (blocks, -c) 0……更改ulimit的设置,让它产生core文件。1024 是随便取的:$ ulimit -c 1024$ ulimit -acore file size (blocks, -c) 1024……3.core文件的名称和生成路径core 文件生成的位置一般在程序运行的当前目录下。若系统生成的core 文件不带其他任何扩展名称,则全部命名为core。新的core 文件生成将覆盖原来的core 文件。1)/proc/sys/kernel/core_uses_pid 可以控制core 文件的文件名中是否添加pid作为扩展。文件内容为1,表示添加pid作为扩展名,生成的core 文件格式为core.xxxx;为0则表示生成的core文件统一命名为core。可通过以下命令修改此文件:echo “1″ > /proc/sys/kernel/core_uses_pid2)proc/sys/kernel/core_pattern 可以控制core 文件保存位置和文件名格式。可通过以下命令修改此文件:echo “/corefile /core-%e-%p-%t” >core_pattern可以将core 文件统一生成到/corefile 目录下,产生的文件名为core-命令名-pid-时间戳。4、Core dump的使用方法在程序不寻常退出时,内核会在当前工作目录下生成一个core 文件(是一个内存映像,同时加上调试信息)。使用gdb 来查看core 文件,可以指示出导致程序出错的代码所在文件和行数。首先应该在用gcc进行编译时选择-g选项,以便起动debug 支持,生成可执行文件ex。然后运行可执行文件:./ex ,如果程序当掉,则会生成一个core 文件,假设为core.1568。core 文件需要使用gdb 来查看:gdb ./a.out core-file core.xxxx以gdb ./a.out core.1568 进入gdb,然后再用where 命令进行查看即可。使用bt 命令也可看到程序出错的地方。以下两种命令方式具有相同的效果,但是在有些环境下不生效,所以推荐使用上面的命令。1)gdb -core=core.xxxx file ./a.out bt2)gdb -c core.xxxx file ./a.out bt5. 开发板上使用core 文件调试在 PC 上调试开发板上产生的core 文件,需要使用交叉编译器自带的gdb,并且需要在gdb中指定solib-absolute-prefix 和 solib-search-path两个变量以保证gdb能够找到可执行程序的依赖库路径。有一种建立配置文件的方法,不需要每次启动gdb都配置以上变量,即:在待运行gdb的路径下建立.gdbinit。配置文件内容:set solib-abso lute-prefix YOUR_CROSS_COMPILE_PATHset solib-search-path YOUR_CROSS_COMPILE_PATHset solib-search-path YOUR_DEVELOPER_TOOLS_LIB_PATHhandle SIG32 nostop noprint pass注意:待调试的可执行文件,在编译的时候需要加-g,core 文件才能正常显示出错信息!有时候core 信息很大,可以通过挂载到PC 的方式来规避这一点.

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中不受位置限制,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中的惩罚因子 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