(六)Java入门--异常


一、异常概念

1、异常:在运行时期发生的不正常的情况。
2、异常类:描述不正常的类
3、将各个异常类的共性向上抽取,形成异常体系。
4、最终不正常的情况就分为两个类。
异常体系
5、一个超类Throwable,下面有两个子类Error、Exception,每个子类下面还有很多子类。(一个爷爷,有两个儿子,每个儿子还有许多小孩。)
6、Throwable(可抛性):将问题抛出让调用者知道并处理。凡是throw/throws关键字可以操作的类或对象就具有可抛性。
7、Error(一般不可处理) 和 Exception(可以处理的)。(Error:由jvm抛出的严重性问题,一般不针对性修改,直接修改程序。)

二、异常的分类

Java编译器先检查语法错误,再进行异常等问题检测。
1、编译时异常(可查异常):Exception中的子类(除去RuntimeException体系);
这种问题希望在编译时进行检测,进行对应的处理方式(必须使用try-catch捕获或者throws抛出)。
2、运行时异常(不可查异常之一):RuntimeException和其子类。
这种问题无法让功能进行继续,这种问题编译器不会检查,运行时让调用者调用程序强制停止,让调用者修改程序。不需要throws进行声明。也不需要捕获,但是可以进行捕获。
总体来说,Java规定:允许忽略不可查的RuntimeException和Error。

三、自定义异常

1、创建自定义异常类。
2、在方法中通过throw关键字抛出异常对象。
3、如果在当前抛出异常的方法中处理异常,可以使用try-catch语句捕获并处理;否则在方法的声明处通过throws关键字指明要抛出给方法调用者的异常,继续进行下一步操作。
4、在出现异常方法的调用者中捕获并处理异常。

四、异常捕获

1、try catch(多个) finally
try
{
//待检测部分
}
catch(创建异常类对象)//多个catch的情况,首先从第一个匹配,若匹配成功一个,其他不再匹配,直接跳出。
{
//对异常进行处理
}
catch(创建异常类对象)
{
//对异常进行处理
}
………….多个catch
finally //通常用于关闭(释放)资源。
{
//一定要执行的
//就算catch里面有return也会执行;但是当有System.exit(0);会退出虚拟机,不会执行了。
}
2、try finally
异常不处理,用于资源关闭。

五、异常转换与继承注意

1、将一个内部异常转化为对方可以理解的异常。也可以叫做异常封装,对外不暴露出内部的异常,转换出外面可以处理的异常
2、子类覆盖父类只能抛出父类异常或者子类或者子集。如果父类的方法没有抛出异常,子类一定不能抛,只能try。

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