飞桨领航团-Python巩固习题-1

飞桨领航团-Python巩固习题-1

问题1-1

编写一个程序,查找所有此类数字,这些数字可以被7整除,但不能是5的倍数,介于2000和3200之间(均包括在内)。所获得的数字应以逗号分隔的顺序打印在一行上。

#提示:考虑使用range(#begin,#end)方法
l=[]
for i in range(2000, 3201):
    if (i%7==0) and (i%5!=0):
        l.append(str(i))

print(','.join(l))

问题1-2

编写一个程序,可以计算给定数字的阶乘。结果应以逗号分隔的顺序打印在一行上。

示例:
输入:8
输出:40320

#提示:如果将输入数据提供给问题,则应假定它是控制台输入
def fact(x):
    if x == 0:
        return 1
    return x * fact(x - 1)

x=int(input())
print(fact(x))
1

问题1-3

使用给定的整数n,编写一个程序生成包含(i,i * i)的字典,该字典是介于1和n之间的整数(都包括在内),最后程序打印字典。

示例:
输入:8
输出:{1: 1, 2: 4, 3: 9, 4: 16, 5: 25, 6: 36, 7: 49, 8: 64}

#提示:如果将输入数据提供给问题,则应假定它是控制台输入。考虑使用dict()
n=int(input())
d=dict()
for i in range(1,n+1):
    d[i]=i*i

print(d)
{1: 1}

问题1-4

编写一个程序,该程序从控制台接受一个逗号分隔的数字序列,并生成一个包含每个数字的列表和元组。

示例:
输入:34,67,55,33,12,98
输出:[‘34’, ‘67’, ‘55’, ‘33’, ‘12’, ‘98’](‘34’, ‘67’, ‘55’, ‘33’, ‘12’, ‘98’)

#提示:如果将输入数据提供给问题,则应假定它是控制台输入。tuple()方法可以将列表转换为元组
values=input()
l=values.split(",")
t=tuple(l)
print(l)
print(t)

问题1-5

定义一个至少具有两个方法的类:
getString:从控制台输入中获取字符串
printString:以大写形式打印该字符串
需要编写简单的测试功能来测试类方法

#提示:使用init方法构造一些​​参数
class InputOutString(object):
    def __init__(self):
        self.s = ""

    def getString(self):
        self.s = input()
    
    def printString(self):
        print(self.s.upper())

strObj = InputOutString()
strObj.getString()
strObj.printString()

注:内容转自飞桨官方,网址戳这 百度飞桨官方文档

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是三个无人车通过领航-跟随编队的基于滑模控制器的Python代码: ```python import numpy as np import math # 定义滑模控制器的参数 k1 = 1.0 k2 = 1.0 lambda1 = 1.0 lambda2 = 1.0 # 定义领航车的目标速度 v_des = 10.0 # 定义无人车的初始位置和速度 x1 = np.array([0.0, 0.0]) v1 = np.array([0.0, 0.0]) x2 = np.array([5.0, 0.0]) v2 = np.array([0.0, 0.0]) x3 = np.array([10.0, 0.0]) v3 = np.array([0.0, 0.0]) # 定义无人车的控制量 u1 = np.array([0.0, 0.0]) u2 = np.array([0.0, 0.0]) u3 = np.array([0.0, 0.0]) # 定义时间步长 dt = 0.1 # 定义仿真时间 t_end = 100.0 # 定义仿真步数 n_steps = int(t_end / dt) # 定义跟随误差 e1 = np.array([0.0, 0.0]) e2 = np.array([0.0, 0.0]) e3 = np.array([0.0, 0.0]) # 定义领航车的轨迹 x_des = np.zeros((n_steps, 2)) y_des = np.zeros((n_steps, 2)) for i in range(n_steps): x_des[i] = np.array([i * v_des * dt, 0.0]) y_des[i] = np.array([i * v_des * dt, 5.0]) # 开始仿真 for i in range(n_steps): # 计算跟随误差 e1 = x1 - x_des[i] e2 = x2 - y_des[i] e3 = x3 - y_des[i] # 计算滑模控制器的控制量 u1 = -k1 * e1 - k2 * np.tanh(lambda1 * np.linalg.norm(e1)) * e1 / np.linalg.norm(e1) u2 = -k1 * e2 - k2 * np.tanh(lambda2 * np.linalg.norm(e2)) * e2 / np.linalg.norm(e2) u3 = -k1 * e3 - k2 * np.tanh(lambda2 * np.linalg.norm(e3)) * e3 / np.linalg.norm(e3) # 更新速度和位置 v1 = v1 + u1 * dt v2 = v2 + u2 * dt v3 = v3 + u3 * dt x1 = x1 + v1 * dt x2 = x2 + v2 * dt x3 = x3 + v3 * dt ``` 在这段代码中,我们首先定义了滑模控制器的参数,包括$k_1$,$k_2$,$\lambda_1$和$\lambda_2$。然后,我们定义了领航车的目标速度$v_{des}$和三个无人车的初始位置和速度。接下来,我们定义了无人车的控制量$u_1$,$u_2$和$u_3$,以及时间步长$dt$和仿真时间$t_{end}$。然后,我们计算了领航车的轨迹$x_{des}$和$y_{des}$。最后,我们开始了仿真,计算了跟随误差$e_1$,$e_2$和$e_3$,以及滑模控制器的控制量$u_1$,$u_2$和$u_3$,并更新了无人车的速度和位置。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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