考试中遇到的一道题

全选框点击子选项全选,子选项全选后全选框自动勾选

 1 <script>
 2 //第一个函数设置全选
 3 function quanxuan(){ 
 4         var a = document.getElementsByClassName("checkbox"); //获取子选项
 5         var b = document.getElementById("quanxuan"); //获取全选框
 6 //for循环循环获取的子选项的数组
 7         for(var i=0;i<a.length;i++){
 8             a[i].checked = b.checked; //之前不知道有.checked,用来获取checkbox选择框的内容,当全选框勾选时,使所有的子选项的chackbox选择框的内容等于全选框chackbox的内容,就是√
 9         }
10 }
11 //第二个函数设置反向勾选
12 function gouxuan(){
13         var a = document.getElementsByClassName("checkbox"); //同样获取所有子选项和全选框
14         var b = document.getElementById("quanxuan");
15 //利用for循环检查所有子选项
16         for(var i=0;i<a.length;i++){
17 //如果所有的子选项的.checked为真,即全部都勾选了,则全选框的.checked为真(勾选);若有至少一个子选项为勾选,则全选框不自动勾选
18             if(a[i].checked=true){
19                 b.checked=true;
20                 break;
21             }else{
22                 b.checked=false;
23             }
24         }
25     }
26     
27     
28     
29 </script>
30 
31 <body>
32 <input id ="quanxuan" type="checkbox" onClick="quanxuan()">全选<br>
33 <input class="checkbox" type="checkbox" onClick="gouxuan()">1<br>
34 <input class="checkbox" type="checkbox" onClick="gouxuan()">2<br>
35 <input class="checkbox" type="checkbox" onClick="gouxuan()">3
36 </body>

以上,这道题没有什么思路,知道从网上看到了有.checked这么个HTML DOM属性后思路才清晰起来,需要多记一些DOM属性。

转载于:https://www.cnblogs.com/wangqun1234/p/7688070.html

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的模态。 VMD的关键参数包括: 惩罚因子 α:控制带的限制。 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,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问时有较好的适应性,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