sizeof的计算

在 C中, sizeof  是一个操作符,用于获取数据类型或者变量所占用的内存字节数。

 

它的使用形式可以是  sizeof(数据类型)  或者  sizeof(变量名)  。

 

 sizeof  的主要作用包括:

 

1. 帮助程序员了解数据在内存中的存储大小,以便进行有效的内存管理和优化。

2. 在一些与内存操作相关的编程场景中,确保操作的正确性和安全性。

 

例如, sizeof(int)  可以获取  int  类型所占用的字节数, sizeof(arr)  可以获取数组  arr  所占用的总字节数。

 

接下来我们看一下sizeof( 内容 )究竟等于什么。

上代码:

21956bde20b94c6f8965bc17d775ee24.png

从主函数进入,我们知道a是一个数组, 

以下是对这段代码输出结果的分析:
 

#define _CRT_SECURE_NO_WARNINGS
#include<stdio.h>

int main()
{
    int a[] = { 1,2, 3,4 };
    printf("%d\n", sizeof (a));  // 输出 16,因为数组 a 的大小为 4 个整数,每个整数 4 字节,共 16 字节,补充一点,数组名是首元素地址,但是和sizeof搭配使用时,数组名代表整个数组(单独搭配哈),所以求出也是整个数组的大小,这个点不懂得,可以看我的文章中,名叫数组名的理解的文章。
    printf("%d\n", sizeof(a + 0));  // 输出 4 或 8,取决于系统是 32 位还是 64 位。a + 0 的类型是指向整数的指针,指针大小通常为 4 字节(32 位系统)或 8 字节(64 位系统)(这里a不是单独在sizeof里面,加了一个0,所以这里的a可不能看成整个a的大小,要看成首元素的地址,地址加0,还是地址)
    printf("%d\n", sizeof(*a));  // 输出 4,*a 等价于 a[0],即一个整数的大小,数组名代表首元素地址,首元素地址解引用拿到第一个元素,第一个元素是整型,整型大小4个字节。
    printf("%d\n", sizeof(a + 1));  // 输出 4 或 8,与 sizeof(a + 0) 同理
    printf("%d\n", sizeof(a[1]));  // 输出 4,即一个整数的大小
    printf("%d\n", sizeof(&a));  // 输出 4 或 8,&a 是指向整个数组的指针,其大小取决于系统指针大小
    printf("%d\n", sizeof(*&a));  // 输出 16,*&a 等价于 a,即数组的大小
    printf("%d\n", sizeof(&a + 1));  // 输出 4 或 8,&a + 1 是指向下一个数组的指针,其大小取决于系统指针大小
    printf("%d\n", sizeof(&a[0]));  // 输出 4 或 8,&a[0] 是指向数组第一个元素的指针,其大小取决于系统指针大小
    printf("%d\n", sizeof(&a[0] + 1));  // 输出 4 或 8,&a[0] + 1 是指向数组第二个元素的指针,其大小取决于系统指针大小

    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