c语言西建大题库及答案,天津城市建设学院C语言题库附答案.doc

试卷编号:12889

所属语言:Turbo C

试卷方案:lx

试卷总分:100分

共有题型:4种

一、单项选择 共26题 (共计50分)

第1题 (1.0分) 题号:2686

设int a=12,则执行完语句a+=a-=a*a后,a的值是______。

A:552

B:264

C:144

D:-264

答案:D

第2题 (1.0分) 题号:2667

属于合法的C语言长整型常量的是()

A:0L

B:(long)123456

C:2e10

D:5876273000

答案:A

第3题 (1.0分) 题号:2661

下面程序的输出结果是( )。

#include

void main()

{

int m=5;

if(m++>5) printf("%d \n",m);

else printf("%d\n",m--);

}

A:7

B:6

C:5

D:4

答案:B

第4题 (1.0分) 题号:2748

设a、b和c都是int型变量,且a=3、b=4、c=5,则下面的表达式中,值为0的表达式是______。

A:'a'&&'b'

B:a<=b

C:a||+c&&b-c

D:!((a

答案:D

第5题 (1.0分) 题号:2760

设a、b、c、d、m、n均为int型变量,且a=5、b=6、c=7、d=8、m=2、n=2则逻辑表达式(m=a>b)&&(n=c>d)运算后,n的值为______。

A:0

B:1

C:2

D:3

答案:C

第6题 (1.0分) 题号:2739

有以下程序

main()

{ char a,b,c,d;

scanf("%c,%c,%d,%d",&a,&b,&c,&d);

printf("c,%c,%c,%c\n",a,b,c,d);

}

若运行时从键盘上输入:6,5,65,66↙。则输出结果是______。

A:6,5,65,66

B:6,5,6,5

C:6,5,A,B

D:6,5,6,6

答案:C

第7题 (1.0分) 题号:2737

有以下程序

main()

{ int m=3,n=4,x;

x=-m++;

x=x+8/++n;

printf("%d\n",x);

}

程序运行后的输出结果是______。

A:3

B:5

C:-1

D:-2

答案:D

第8题 (1.0分) 题号:2693

有如下程序

main()

{ int y=3,x=3,z=1;

printf("%d %d\n",(++x,y++),z+2);

}

运行该程序的输出结果是______。

A:3 4

B:4 2

C:4 3

D:3 3

答案:D

第9题 (1.0分) 题号:2797

以下程序的功能是:按顺序读入10名学生4门课程的成绩,计算出每位学生的平均分并输出,程序如下:

#include

void main()

{

int n,k;

float score,sum,ave;

sum=0.0;

for(n=1;n<=10;n++)

{

for(k=1;k<=4;k++)

{

scanf("%f",&score);

sum+=score;

}

ave=sum/4.0;

printf("NO%d:%f\n",n,ave);

'

}

}

上述程序运行后结果不正确,调试中发现有一条语句出现在程序的位置不正确.这条语句是______.

A:sum=0.0;

B:sum+=score;

C:ave=sum/4.0;

D:printf("NO%d:%f\n",n,ave);

答案:A

第10题 (1.0分) 题号:2799

若有如下程序段,其中s、a、b、c均已定义为整型变量,且a、c均已赋值(c大于0).

s=a;

for(b=1;b<=c;b++)

s=s+1;

则与上述程序段功能等价的赋值语句是( ).

A:s=a+b;

B:s=a+c;

C:s=s+c;

D:s=b+c;

答案:B

第11题 (1.0分) 题号:525

C语言中不可以嵌套的是()。

A:函数调用

B:函数定义

C:循环语句

D:选择语句

答案:B

第12题 (1.0分)

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