vector 使用 上

C++常用容器之 — vector 上

常用对象构造和赋值

一、对象的构造
1、默认构造
2、带参构造
二、赋值
1、改变vector中的元素个数和值
2、使用迭代器重新赋值
3、使用指针赋值
4、赋值运算符重载


代码说明:

#include<vector>
#include<windows.h>
#include<iostream>

using namespace std;

int main11(void) {

	string line(50, '=');
	//使用默认构造函数初始化
	vector<int>tmp;
	//使用重载构造函数定义4个int类型的数组,并初始化化为55
	vector<int>M(4, 55);
	//使用数组方式进行赋值
	
	for (int i = 0; i < 10; i++) {
		tmp.push_back(i);
	}
	//使用迭代器打印
	vector<int>::iterator cit = tmp.begin();
	for (; cit != tmp.end(); cit++) {
		cout << *cit << "\t";
	}
	cout << endl;
	cout << line << endl;
	int s[] = { 1,2,3,4,5,6 };
	M.assign(tmp.begin(), tmp.end());//使用迭代器重新赋值
	tmp.assign(11, 888); //改变vector中的元素个数和值
	vector<int>::iterator it = M.begin(); //使用迭代器访问
	for (; it != M.end(); it++) {
		cout << *it << "\t";
	}
	cout << endl;
	cout <<line<<endl;
	//使用数组下标方式访问
	for (int i = 0; i < 11; i++) {
		cout << tmp[i] << "\t";

	}
	cout << endl;
	cout << line << endl;

	tmp.assign(s, s + 3);
	for (int i = 0; i < 3; i++) {
		cout << tmp[i] << "\t";

	}
	cout << endl;
	cout << line << endl;
	M = tmp;//赋值运算符重载
	vector<int>::iterator eit = M.begin(); //使用迭代器访问
	for (; eit != M.end(); eit++) {
		cout << *eit << "\t";
	}
	cout << endl;
	cout << line << endl;
	M.resize(10);
	for (vector<int>::iterator it = M.begin(); it != M.end();it++) {
		cout << *it << "\t";
	}
	cout << endl;
	cout << line << endl;
	M.resize(12,44);
	for (vector<int>::iterator it = M.begin(); it != M.end(); it++) {
		cout << *it << "\t";
	}
	cout << endl;
	cout << line << endl;
	system("pause");
	return 0;
}
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