javasript中变量提升******let变量

我们知道局部变量和全局变量同名是,局部变量会覆盖全局变量。
如以下代码:

var scrope = "全局变量";
function text()
{
	document.writeln(scope + <"br ">);
	var scope = "局部变量";
	document.writeln(scope +"<br >");
}
text();

运行结果:

undefined
局部变量

代码为什么第一次输出的不是“全局变量”呢?而是“undefined”。而“局部变量”在下面定义的。
这里就要解释一下javascript里面的变量提升机制。
变量提升:指的就是,变量声明总是会被解释器‘提升’到函数体的顶部。
注意:变量提升只是提升变量声明部分,并不会提升变量赋值部分。例如:


function text()
{
	var scrope ;//只是提升了变量的声明部分,没有提升赋值部分
	document.writeln(scope + <"br ">);
	var scope = "局部变量";
	document.writeln(scope +"<br >");
}
text();

新增let变量
在javascript中,设计者意识到var定义变量可能存在如下问题:
var定义的变量没有块作用域
var定义的全局变量会自动添加全局window对象的属性
var定义的变量会提前装载。

这是因为这个问题,就提出了let这个关键字来解决上述问题。如下例:

for (let i = 0; i <  10 ;i++)
{
	console.log(i);
}
console.log("循环体之外:" + i);//这儿就会报错了。

因为用let定义的局部变量只在函数体内才有效,而在函数体外就不能调用了,所以此时就会报错。
在看一个代码:

let name = 'yeehu';
console.log(name);
console.log(window.name);//window.name不存在

这个程序不会有任何的输出。因为var定义的全局变量会自动的添加到全局window对象。
而let定义的全局变量,不会变成window对象。
在看一个实例:

var name = 'yeehu';
function func()
{
	console.log(name);//name变量不存在,因为会报错。
	let name = 'fkit';
	console.log(name);
}
func();

使用var定义的变量会提前装载,而使用let定义的变量要等到程序流执行到定义变量的代码行时才会转载。
这时的let属性正好弥补了var的缺陷。

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