第一章:计算机网络

一,计算机网络

1.计算机网络组成和功能

1)计算机网络组成

硬件:通过线缆将网络设备进行相互连接

系统:通过操作系统驱动网络设备安装程序实现指定的功能

2)计算机网络功能

数据通信:通过网络传输

资源共享:节约资源

增加可靠性:扩展性和稳定性强

提高处理能力:群集处理数据加快数据处理速度

2.计算机网络发展

1)20世纪70年代末80年代初

第一个网络诞生在美国国防部

第一个网络名字ARPANET

采用分组交换技术进行管理

2)20世纪80年代

成立NFCNET基金会提供钱推动互联网研发

关键技术TCP/IP 技术将网络分层

3)20世纪90年代

web技术

兼容性强

使用简单方便

3.协议和标准

1)协议

语法:数据结构,对数据进行分片按照先后顺序传输

语义:对数据的结构进行说明

同步:传输数据源到目的传输的频率觉得传输速度

2)标准

ISO国际标化组织:定义的标准是国际化标准

ANSI美国国家标准化局

ITU-T:国际电信联盟

IEEE:电气电子工程师学会

4.WAN和LAN

1)WAN

传输距离远

简称互联网或者internet广域网

2)LAN

局域网

内部网络

5.局域网和无线标准

1)局域网标准IEEE 802.3 

802.3u:百兆快速以太网,双绞线介质

802.3z:光纤介质的千兆快速以太网

802.3ab:双绞线千兆快速以太网需要六类双绞线

802.3ae:光纤介质万兆快速以太网

802.3ba:光纤十万兆快速以太网运营商

2)无线标准IEEE 802.11

802.11a:最大传输54M,频率5Gz

803.11b:最大传输11M,频率2.4GHz

802.11g:最大传输54M,兼容802.11b

802.11n:最大传输速度600M

二,常见的网络设备和进制转换

1.常见的网络设备

1)路由器

访问互联网使用

2)交换机

局域网通信传输数据使用

3)防火墙

对网络进行访问控制

4)无线网络设备

无线路由器

无线网卡

2.网络商场类型

1)华为

面向企业也是个人运营商

2)cisco

思科

国内市场比率不断降低

3)h3c

华为和3com合资企业

3.网络拓扑图类型

1)星型拓扑

中心节点压力大

排查故障简单

扩展方便

2)网络拓扑

每个网络设备至少连接两条链路

可靠性强

组网成本高

故障排查负责

4.计算机进制

1)二进制

包含0和1

计算机处理数据使用二进制

0 表示关闭

1表示开启

2)十进制

IPv6使用十进制显示实际是32位2进制组成

0~9

3)十六进制

IP六使用十六进制现实实际是128位2进制组成

0~9  A~F

5.进制的表示

1)十进制

D:字母d表示10进制

(1010)10:表示10进制

1010:十进制

2)二进制

B:字母b表示2进制

(1010)2:表示二进制

3)十六进制

H:字母h表示十六进制

(1010)16:表示十六进制

6.进制之间转换

1)按权展开

适合二进制十六进制转换十进制

2)顺出倒数取余数

十进制到二进制转换

十进制到十六进制转换

3)凑数法计算机最高十进制255

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 1
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