JAVASE 【数组】

【数组】

1.数组的动态初始化(声明并开辟数组)

动态初始化:数组先开辟内存空间,然后再使用索引进行内容的设置。

数组是引用数据类型,有内存分配问题。

数据类型[]数组名称=new数据类型[长度];

当数组采用动态初始化开辟空间之后,数组之中的每个元素都是该数据类型的默认值。

在java中有一种动态取得数组长度的方法:数组名称.length

public class ArrayDemo{
  public static void main (String[] args){
  int[] x=new int[2];//开辟一个长度为2的数组
  System.out.println(x.length);
  x[0]=1;//数组第一个元素
  x[1]=2;//数组第二个元素
  for(int i=0;i<x.length;i++){
  System.out.println(x[i]);//通过循环控制索引下标更改
  }
 }
}

数组属于引用数据类型,因此在使用之前一定要开辟空间,否则就会产生NullPonintException。

2.引用传递

数组作为引用数据,也一定可以发生引用传递。

引用传递空间:同一块堆内存空间可以被不同的栈内存所指向。

3.数组静态初始化

静态初始化:数组在定义的同时还可以设置内容。

数组静态初始化语法(两种格式)

  • 简化格式:数据类型[ ]数组名称={值,值,...}
  • 完整格式:数据类型[ ]数组名称=new数据类型[ ]{值,值,...}

4.数组与方法互操作

  • 方法接收数组
  • 方法返回数组
  • 方法修改数组

5.对象数组

对象数组往往是以引用数据类型为主的定义,例如:类、接口。

  • 动态初始化

类名称[ ]对象数组名称=new 类名称[长度]

  • 静态初始化

 

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