瀑布流

就是将用户上传的图片一列一列显示在页面上,但是每张图片的高度可能不一样,我们是往最矮的那个列表添加图片

Html

只要有一个容器div就可以了

Css

图片宽度要一样,设置ul浮动

Js

根据窗口的宽度和图片的宽度确认列表的数目,设置一个储存列高度的数组,给每一个列初始化一个为0,根据数据的个数创建li,将图片放进去,取出高度数组中最小的索引值向这个列表添加图片,更新数组列表,我们的视口高度+页面被卷上去的高度大于的高度数组中的最小值,就加载图片

Js

var datas = [
        {"src": "img/1.jpg", "height": 288},
        {"src": "img/2.jpg", "height": 288},
        {"src": "img/3.jpg", "height": 288},
        {"src": "img/4.jpg", "height": 129},
        {"src": "img/5.jpg", "height": 284},
        {"src": "img/1.jpg", "height": 253},
        {"src": "img/2.jpg", "height": 245},
        {"src": "img/3.jpg", "height": 343},
        {"src": "img/3.jpg", "height": 238},
        {"src": "img/4.jpg", "height": 159},
        {"src": "img/5.jpg", "height": 289},
        {"src": "img/5.jpg", "height": 127},
        {"src": "img/2.jpg", "height": 282},
        {"src": "img/3.jpg", "height": 144},
        {"src": "img/4.jpg", "height": 269},
        {"src": "img/1.jpg", "height": 282},
        {"src": "img/2.jpg", "height": 142},
        {"src": "img/1.jpg", "height": 279},
        {"src": "img/3.jpg", "height": 289},
        {"src": "img/4.jpg", "height": 262},
        {"src": "img/5.jpg", "height": 274},
        {"src": "img/1.jpg", "height": 288},
        {"src": "img/1.jpg", "height": 288},
        {"src": "img/3.jpg", "height": 288},
        {"src": "img/1.jpg", "height": 129},
        {"src": "img/3.jpg", "height": 284},
        {"src": "img/4.jpg", "height": 253},
        {"src": "img/5.jpg", "height": 245},
        {"src": "img/1.jpg", "height": 343},
        {"src": "img/2.jpg", "height": 238},
        {"src": "img/3.jpg", "height": 159},
        {"src": "img/1.jpg", "height": 289},
        {"src": "img/2.jpg", "height": 127},
        {"src": "img/3.jpg", "height": 282},
        {"src": "img/4.jpg", "height": 144},
        {"src": "img/5.jpg", "height": 269},
        {"src": "img/1.jpg", "height": 282},
        {"src": "img/5.jpg", "height": 142},
        {"src": "img/4.jpg", "height": 279},
        {"src": "img/3.jpg", "height": 289},
        {"src": "img/2.jpg", "height": 262},
        {"src": "img/1.jpg", "height": 274}
    ];
//兼容每个浏览器的视口的宽度和高度
function myClient(){
	return {
		width:window.innerWidth||document.documentElement.clientWidth||document.body.clientWidth||0,
		height:window.innerHeight||document.documentElement.clientHeight||document.body.clientHeight||0
	}
}
//兼容每个浏览器支持的页面被卷曲的高度和宽度
function myScroll(){
	return {
        scrollTop:window.pageYOffset||document.documentElement.scrollTop||document.body.scrollTop||0,
        scrollLeft:window.pageXOffset||document.documentElement.scrollLeft||document.body.scrollLeft||0
	}
}
//确定列表数目
var box=document.getElementById("box");
var listNum=parseInt((myClient().width-17)/200);
var lists=box.getElementsByTagName("ul");
console.log(lists)
var ul;
var heightArr=[];
for(var i=0;i<listNum;i++){
	ul=document.createElement("ul");
	box.appendChild(ul);
	heightArr[i]=0;
}
createPic(datas);
//求一组数中的最小值
function getMin(arr){
	var minValue=arr[0];
	var minIndex=0;
	for(var i=0;i<arr.length;i++){
		if(minValue>arr[i]){
			 minValue=arr[i];
			 minIndex=i;
		}
	}
	return {
		index:minIndex,
		value:minValue
	}
}

//根据datas对象个数创建li
function createPic(datas){
	for(var i=0;i<datas.length;i++){
		var li=document.createElement("li");
		li.innerHTML="<img src="+datas[i].src+">";
		var minIndex=getMin(heightArr).index;
		lists[minIndex].appendChild(li);
		heightArr[minIndex]+=datas[i].height;
	}
}
window.onscroll=function(){
	var minVal=getMin(heightArr).value;
	if(myClient().height+myScroll().scrollTop>minVal){
		createPic(datas);
	}
}

Html

<div id="box"></div>

Css

*{
	margin:0;
	padding:0;
	font-size:0;
}
img{
	width:200px;
}
#box ul{
	float:left;
}

 

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