Socket

Socket复习

UDP

客户端模拟

public class Demo {
	public static void main(String[] args) throws IOException {
		//模拟UDP通信
		//客户端
		
		 //* 1.创建UDP通信的对象-socket对象:对应的类是DatagramSocket.(用于UDP数据的发送与接收)
		DatagramSocket socket = new DatagramSocket();
		//准备数据
		byte[] buf = "bingbing".getBytes();
        /* 打包数据
		 * 参数一:要传输的数据
		 * 参数二:数据的长度
		 * 参数三:服务器所在主机的地址
		 * 参数四:服务器的端口
		 */
		DatagramPacket packet = new DatagramPacket(buf, buf.length, InetAddress.getLocalHost(), 20000);
		 //* 3.发送数据,通过send方法
		socket.send(packet);
		 //* 4.关闭socket对象
		socket.close();
		 
	}
}

服务端模拟

public class Demo5 {
	public static void main(String[] args) throws IOException {
		System.out.println("启动服务器成功,可以随时接收数据");
		 // * 1.创建socket对象,并绑定端口号---DatagramSocket
		DatagramSocket socket  = new DatagramSocket(20000);
		//不断的接收数据
		while (true) {
			 //* 2.创建包对象,创建空数组,准备接收传来的数据
			byte[] buf = new byte[1024];
			DatagramPacket packet = new DatagramPacket(buf, buf.length);
			 //* 3.接收数据:当服务器运行起来,让他一直处于监听状态的方法
			socket.receive(packet);
			//显示所有数据
			byte[] bytes = packet.getData();
			String data = new String(bytes);
			System.out.println(new String(bytes));
			//当输入over的时候结束
			if (data.trim().equals("over")) {
				break;
			}
		}
		 //* 4.关闭相关的对象
		socket.close();
	}
}

UDP就是一种把数据打包然后丢出去的过程。

TCP

模拟客户端

public class Demo10 {
	public static void main(String[] args) throws UnknownHostException, IOException {
		//1.创建Socket对象并绑定服务器的地址和端口
		Socket socket = new Socket(InetAddress.getLocalHost(), 22200);
		
		//2.准备数据---实现让用户从控制台输入
		BufferedReader bufferedReader = new BufferedReader(new InputStreamReader(System.in));
	
		//3.获取socket内部的输出流
		OutputStream outputStream = socket.getOutputStream();
		PrintWriter printWriter = new PrintWriter(outputStream,true);
        //当第二个参数为true的时候,会自动刷新,只有调用println/printf方法是起作用.

		
        InputStream inputStream = socket.getInputStream();
        BufferedReader bufferedReader2 = new BufferedReader(new InputStreamReader(inputStream));
        
		String data = null;
		while ((data = bufferedReader.readLine()) != null) {
			printWriter.println(data);

			//当输入over的时候,代表结束
			if ("over".equals(data)) {
				break;
			}
			
			//接收从服务器传回的数据
			//将内容写到控制台
			String data2 = bufferedReader2.readLine();
			System.out.println("data1:"+data2);
		}
		
		//5.关闭资源
		bufferedReader.close();
		bufferedReader2.close();
		printWriter.close();
		socket.close();
	}
}

模拟服务端

public class Demo11 {
	public static void main(String[] args) throws IOException {
		//1.创建ServerSocket对象并绑定接口
		ServerSocket serverSocket  = new ServerSocket(22200);
		
		//2.接收套接字的连接,保证客户端与服务器端使用同一个socket对象---一直处于监听的状态
		Socket socket =  serverSocket.accept();
		
		//3.获取输入流
		BufferedReader bufferedReader = new BufferedReader(new InputStreamReader(socket.getInputStream()));
		//获取输出流
		PrintWriter printWriter = new PrintWriter(socket.getOutputStream(),true);
		
		//读写过程
		String data = null;
		while ((data = bufferedReader.readLine()) != null) {
			//打印到控制台
			System.out.println(data.toUpperCase());
			
			//实现将服务器的数据写回客户端
			//这里必须使用println,不能用print
			printWriter.println(data.toUpperCase());
			
			//当输入over的时候,代表结束
			if ("over".equals(data)) {
				break;
			}
		}
		
		//5.关闭资源
		bufferedReader.close();
		printWriter.close();
		serverSocket.close();
	}
}
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