案例2 -Xml文档解析技能信息

案例2 -Xml文档解析技能信息
xml技能信息.txt

这是Xml文件,创建在同一工程下
<SkillInfo>
  <SkillList>
    <Skill
        SkillID="20002"
        SkillEngName="Smash"
        TriggerType="1"
        ImageFile="data/gfx/image/gui_icon_skill_000.dds"
        AvailableRace="7"
        >
      <Name>重击</Name>
    </Skill>
    <Skill
        SkillID="20003"
        SkillEngName="Hide"
        TriggerType="2"
        ImageFile="data/gfx/image/gui_icon_skill_001.dds"
        AvailableRace="1"
        >
      <Name>隐身</Name>
    </Skill>
    <Skill
        SkillID="20004"
        SkillEngName="Ikari"
        TriggerType="3"
        ImageFile="data/gfx/image/gui_icon_skill_002.dds"
        AvailableRace="1"
        >
      <Name>怒之翼</Name>
		</Skill>
    <Skill
        SkillID="20005"
        SkillEngName="Revenge"
        TriggerType="5"
        ImageFile="data/gfx/image/gui_icon_skill_003.dds"
        AvailableRace="2"
        >
      <Name>飞行</Name>
    </Skill>
  </SkillList>
</SkillInfo>

Skill类

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace 案例2_xml文档解析技能信息
{
    class Skill
    {
        public int Id  {get;set; }
        public string EngName { get; set; }
        public string Name { get; set; }
        public int TriggerType { get; set; }
        public  string ImageFile { get; set; }
        public int AvaliableRace { get; set; }


//ALT+Insert
        public override string ToString()
        {
            return string.Format("Id:{0},Name:{1},EngName:{2},TriggerType{3}," +
                "ImageFile:{4},AvaliableRac{5}",Id,Name,EngName,TriggerType,ImageFile,AvaliableRace
                );
        }

    }
}

主程序 Program.cs

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Xml;

namespace 案例2_xml文档解析技能信息
{
    class Program
    {
        static void Main(string[] args)
        {
            List<Skill> skillList = new List<Skill>();
            XmlDocument xmlDoc = new XmlDocument();
            xmlDoc.Load("xml技能信息.txt");

            XmlNode skillListNode = xmlDoc.FirstChild.FirstChild;//得到第二个结点
            XmlNodeList skillNodeList = skillListNode.ChildNodes;//获得所有子节点
            foreach (XmlNode skillNode in skillNodeList)
            {
                Skill skill = new Skill();
                XmlElement ele = skillNode["Name"];//XmlElement和XmlNode相似
                skill.Name=  ele.InnerText;//获取Name里面的内容
                XmlAttributeCollection col = skillNode.Attributes;//XmlAttributeCollection获取该节点属性的集合
                //skill.Id = Int32.Parse(col["SkillID"].Value);下面两步是这一步的分解
                XmlAttribute idAttribute = col["SkillID"];//通过字符串索引 获取一个属性对象
                skill.Id = Int32.Parse(idAttribute.Value);//转化成int类型
                skill.EngName = col["SkillEngName"].Value;//SkillEngName和EngName都是string类型的,所以不需要转化
                skill.TriggerType = Int32.Parse(col["TriggerType"].Value);
                skill.ImageFile = col["ImageFile"].Value;
                skill.AvaliableRace = Int32.Parse(col["AvailableRace"].Value);
                skillList.Add(skill);
            }
            foreach (Skill s in skillList)
            {
                Console.WriteLine(s);
            }
            Console.ReadKey();
        }
    }
}

运行结果:
在这里插入图片描述

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