黑马程序员_配置环境变量



------- android培训java培训、期待与您交流! ----------

配置环境变量

       安装JDK最主要的目的就是去运用它,当我们刚刚装完JDK后在命令提示符窗口中输入javac命令后,会首先在当前目录中查找是否有该命令文件可以执行,如果没有,则会在path环境变量路径中查找,就会执行该命令,如果没有找到,那么就会提示错误信息。为了能在命令提示符窗口中,在任何目录下都能够执行javac命令,则需要将javac所在的目录放入path环境目录中。

配置环境变量的步骤:

       右击“计算机”-->点击“属性”-->点击“高级系统设置”-->点击“环境变量”,将javac命令文件所在目录放入path路径中。点击”确定“,然后重新打开一个新的命令提示符窗口,再输入javac命令,就可以执行了。

注意:

       1.一定要将javac命令文件所在目录放入path路径开头,否则如果机器上以前已经安装了其他的JDK并且也已经配置了path环境变量,那么执行的javac命令就是以前的JDK中的javac命令。

       2.环境变量中的各个路径一定要以分号进行分隔。

       3.设置path环境变量的时候千万不要删除原来的内容,否则很多程序无法执行。

       4.如果一台机器上安装了多个JDK,通过javac -version可以确定使用的JDK当前版本。

配置技巧

       为了不因为JDK的目录或者目录名称的改变,而不断更改path的值,从而容易导致对path变量值的误操作,可以通过以下技巧完成。

新创建一个环境变量JAVA_HOME记录JDK的目录。

在path中通过”%%“动态获取JAVA_HOME的值即可。

注意:%path%表示动态获取path环境变量的值。%JAVA_HOME%表示动态获取名称为JAVA_HOME环境变量的值。

临时配置环境变量方式

如果在别人的机器上进行java程序的开发,设置path环境变量就不太好,那么就需要设置临时的环境变量。

临时配置方式:通过dos命令中set命令完成。

                          set命令是用于查看本机的所有环境变量的信息。

                          set 变量名:查看具体一个环境变量的值。

                          set 变量名=:清空一个环境变量的值。

                          set 变量名=具体值:给指定变量定义具体值。

想要在原有的环境变量值基础上添加新值要怎么做呢?

        首先,通过”%变量名%“操作符获取到原有环境变量的值,然后追加上新值,再赋值给该变量名即可。

给path环境变量加入新值:set path=新值;%path%

注意:这种配置方式只在当前dos窗口有效。窗口关闭,配置消失。

配置classpath环境变量

          程序运行时可能频繁执行多个class文件,并且多个class文件可能存储在不同的目录下,那么每次都在命令提示符窗口中切换目录会很麻烦,classpath环境变量的作用类似于path环境变量,但是它的作用在于告诉JVM去哪里找class文件。

JVM查找类文件的顺序:

        1.如果没有配置classpath环境变量,JVM只在当前目录下查找要运行的类文件。

        2.如果配置了classpath环境,JVM会先在classpath环境变量值的目录中查找要运行的类文件。

        3.值的结尾处如果加上分号,那么JVM在classpath目录下没有找到要指定的类文件,会在当前目录下再查找一次。

        4.值的结尾处如果没有分号,那么JVM在classpath目录下没有找到要指定的类文件,不会在当前目录下查找,即使当前目录下有,也不会运行。

小建议:配置classpath环境变量时,值的结尾处不要加分号,如果需要访问当前目录可以用”.“(代表当前目录),这样可读性更好一些。

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