补码的最终理解

参考该文

以下是该文的评论,作为参考。

码长八位时,各码的范围如下。
原码:-127 ~ +127。
反码:-127 ~ +127。
补码:-128 ~ +127。

-128,没有原码反码,只有补码。

没有原码,你拿什么取反?
没有反码,你拿什么加一?

其实,补码的原理,与 “取反加一” 毫无关系。

补码的来源,可以用十进制来说明。
假定,只使用两位数:0~99。
此时,-1 就可以用 +99 代替。
如:24-1 = 23
  24 + 99 = (一百) 23
忽略进位,只取两位,这两种算法的功能相同。

三角函数中,也有:-90° 与 +270° 等效。

【限定位数(或范围)后,数值变化就有了周期性。】
 正数(补码),就可以代表负数;
 加法,就可以代替减法。
 因此,有一个加法器,就可走遍天下。

计算机,有 8 位机、16 位机。
每次运算,就只用到 8、16 位二进制数。
即:参加运算的位数,是限定的。

那么,45-45 = 0,八位机将如下计算:
  0010 1101 + xxxx xxxx = 0000 0000。
其中的:xxxx xxxx,就是【-45 的八位补码】。

这个补码,到底是什么?
你自己也能推导出来。
先移项:xxxx xxxx = 0000 0000-0010 1101,
可得出:xxxx xxxx = (借位 1) 1101 0011,
取八位:xxxx xxxx = 1101 0011。

至此,就求出了 [-45]补 = 1101 0011。

求负数的补码,就是这么简单!

-----------------

实际上,任意负数(-X)的补码,都是:0 - X。
你用二进制简单算一下,立刻就能得到结果。
(-128 的 8 位补码,也就是这样求出来的。)

同理,任意正数(+X)的补码,也都是:0 + X。
0 + X,不就是 X 吗?
即,正数的补码,就是 X 本身!

 综合以上内容,最终理解补码的内涵:

让计算机做加法,故将减法(负数)转换成加法(正数),转换后结果求和结果不变。

这个正数就是负数的补码。

例如:两位数的范围为0-99。

-99的补码是1

-98的补码是2

-50的补码是50

-49的补码是51   // 50 -49  =1 = 50+51=101(进位舍去)

-1的补码是99

如上例所示,实际中,我们只会使用50至99表示-50至-1的补码,空出1-49。但其实,1至49也可以用来表示负数的补码。

所以,负数的补码=负数+模。

模:其实就是周期。两位数的周期是100.

8位的二进制数的模是256.

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