(十二)Java入门--基本数据类型对象包装类


一、主要作用–基本类型<–>字符串类型

1、基本类型–>字符串类型
推荐使用加“”的方式。

    int i= 123;
    System.out.println(""+i+4);   //输出字符串 1234
    System.out.println(String.valueOf(123)+4);//输出字符串 1234

2、字符串–>基本类型
(1)使用包装类中的静态方法 parseXxx(“xxx”) (xxx是数据类型)。

    System.out.println(Integer.parseInt("123")+4);  //输出127
    System.out.println(Double.parseDouble("123")+4);//输出127.0

(2)先封装成对象,然后调用intValue()方法。

二、主要作用–进制转换

1、整数转成其他进制:toXxxString(int i):将整数转成Xxx进制。

    Integer.toBinaryString(127);  //十进制转二进制
    Integer.toHexString(127);    //十进制转十六进制

2、其他进制转成整数:parseInt(String s, int radix)

    Integer.parseInt("1111111",2);//二进制转十进制
    Integer.parseInt("7f",16); //16进制转成十进制

三、简化更新–自动装箱

Integer i = 4; //简化书写,等于Integer i = new Integer(4);
小问题

        Integer i = 127;
        Integer j = 127;
        System.out.println(i == j);  //比较对象地址的引用变量
        System.out.println(i.equals(j));//比较对象的值
        Integer a = 128;
        Integer b = 128;
        System.out.println(a == b);
        System.out.println(a.equals(b));

输出结果:
true
true
false
true

分析:
(1)如果装箱一个字节(-128~127),则数据会共享,不会开辟新空间,所以i==j是true。
(2)装箱超过一个字节,就会重新建立对象,所以a==b是false。

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