Angularjs 路由之初识

Angularjs 路由之初识
官方推荐的模块切分方式,可以参考
这里写图片描述
项目目录如下
这里写图片描述
index.html中写如下代码

<!DOCTYPE html>
<html ng-app="app">
<head>
<script src="js/1.3.20/angular.js"></script>
<script src="js/1.3.20/angular-route.js"></script>
<script src="js/app.js"></script>
<script src="js/controller.js"></script>
  <meta charset="utf-8">
  <title>app</title>
</head>
<body>
 <div ng-view>
    </div>
</body>
</html>

这是项目的入口文件ng-view是定义视图标签,需要引入的分别是angular的主文件,route路由模块,自定义的app和控制器controller文件,然后在app.jszh中写如下

var app = angular.module("app", ['ngRoute','Ctrls']);
app.config(function($routeProvider) {
    $routeProvider.when('/hello', {
        templateUrl: 'tpl/hello.html',//模版地址
        controller: 'HelloCtrl'//模版指向的控制器
    }).when('/list',{
        templateUrl:'tpl/bookList.html',
        controller:'BookListCtrl'
    }).otherwise({
        redirectTo: '/hello'
    })
});
//['ngRoute','Ctrls'])是加载的模块,模块需用引号和逗号隔开,后面的config就是根据网址进行相应的判断,然后进入相应的控制器

controller控制器代码如下

var Ctrls = angular.module("Ctrls", []);

Ctrls.controller('HelloCtrl', ['$scope',
    function($scope) {
        $scope.greeting = {
            text: 'Hello'
        };
    }
]);

做的很简单的页面显示
在模版中只需写简单的一行代码就可以出来效果

<p>{{greeting.text}},Angular</p>

效果如下
这里写图片描述
这是一个简单的angular的路由,初识angular,觉得很强大,期待深入学习。

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