第五次作业

项目一

#include<iostream> 
using namespace std;
int main()
{
	int A[10],B[10],C[10];
	int n,i=0,j=0;
	for(n=0;n<10;n++)
	{
		cout<<"请输入第"<<n+1<<"个整数";
		cin>>A[n];
	}
	for(n=0;n<10;n++)
	{
		if(A[n]%2==0)
		{
			C[i]=A[n];
			i=i+1;
		}
		else
		{
			B[j]=A[n];
			j=j+1;
		}
	}
  cout<<"其中偶数有:";  
    for(n=0;n<i;n++)  
        cout<<C[n]<<",";  
    cout<<endl<<"其中奇数有:";  
    for(n=0;n<j;n++)  
        cout<<B[n]<<",";  
    cout<<endl;  
    return 0; 
}
项目5

#include<iostream>  
using namespace std;  
int main()  
{  
    int a[10],i;  
    double sum1=0,sum2=0;  
    cout<<"请输入10个数:";  
    for(i=0;i<10;i++)  
    {  
        cin>>a[i];  
        if(a[i]>0)  
            sum1+=a[i];  
        else if(a[i]<0)  
            sum2+=a[i];  
    }  
    cout<<"正数和为:"<<sum1<<endl;  
    cout<<"负数和为:"<<sum2<<endl;  
    return 0;  
}

字符串

#include<cstdio>    
using namespace std;    
int main()    
{    
    char str[50];    
    int i=0,n=0,j=0,k=0,m=0;    
    cout<<"输入字符串:";    
    gets(str);    
    while(str[i]!='\0')    
    {    
        if(str[i]>='A'&&str[i]<='Z')j++;  
        if(str[i]>='a'&&str[i]<='z')k++;  
        if(str[i]>='0'&&str[i]<='9')n++;                
        else m++;    
        i++;    
    }    
    cout<<"其中数字个数: "<<n<<endl  
        <<"其中大写字母个数: "<<j<<endl  
        <<"其中小写字母个数: "<<k<<endl  
        <<"其他字符个数: "<<m<<endl;    
    return 0;  


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