Homework 3

Washing Machine

Step of washing

  1. Get the input of the human.
  2. Add the water.
  3. Begin to wash
  4. Drain the water
  5. Add the water.
  6. Begin to wash
  7. Drain the water
  8. Halt

Pseudocode of washing

Water_in_switch(open)
Water_out_switch(close)
If(get_water_volume()!=Target_volume and time_counter() > set_time)
    {
Water_in_switch(close)
Water_out_switch(open)
halt(failure)
}
Water_in_switch(close)
While(washing_time_counter>0)
 {
    while(time_counter()<loop_time){
    Motor_run(left);
    While(time_counter()<next_step_time)
    {
}
Motor_run(right)
While(time_counter()<next_step_time)
    {
}}
While(get_water_volumn()!=0)
Water_out_switch(open)
}
Halt(success)

Module:
Wait(time)
{
    Previous=time_counter()
    While(time_counter()<=previous+time)
    {
    }
}
注水(volume,timeout)
{
    If(get_water_volume()!=volume and time_counter() > timeout)
    {
Water_in_switch(close)
Water_out_switch(open)
halt(failure)
}
}
排水()
{
While(get_water_volumn()!=0)
Water_out_switch(open)
}

The difference between Normal washing and Quick washing

The difference is the repeat time of whole washing step and washing time. Normal washing will repeat for 2 or 3 times, and quick washing will just repeat 1 or 2 times. And the time it cost will be different.

优化算法作业主要是指在给定的问题背景下,通过设计和实现合适的算法来提高求解问题的效率和准确性。在解决优化问题时,可以通过以下几个步骤来完成作业。 首先,需要明确问题的目标是什么。例如,是要寻找最小值或最大值,或者是要满足一定的约束条件。了解问题的目标有助于我们选择合适的算法。 其次,根据问题的特点选择合适的优化算法。常见的优化算法包括贪心算法、动态规划、遗传算法、模拟退火算法等。不同的问题可能适合不同的算法,例如贪心算法适用于某些问题的局部优化,而动态规划适用于某些问题的全局优化。 然后,需要对选定的算法进行进一步的分析和改进。对算法进行分析可以评估算法的时间复杂度和空间复杂度,了解算法的优势和劣势。如果已有的算法不够优化,可以针对问题特点进行改进,例如引入剪枝策略、优化循环结构等。 最后,根据优化算法的设计和改进,实现相应的代码,并进行实验验证。通过实验可以验证算法的正确性和效率,并对实验结果进行分析和总结。如果有必要,可以对算法进行调优,进一步提高算法的性能。 总之,优化算法作业需要我们根据问题的特点选择合适的算法,并进行进一步的分析和改进,最终通过实验验证算法的效果。通过对问题的细致思考和创新性设计,可以提高优化算法的效率和准确性。
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