java基础之异常

  • 异常的应用

异常的基本格式

public class Demo01 {
    public int div(int divNum1, int divNum2) {
        System.out.println("计算开始");
        int divData = 0;
        try {
            divData = divNum1 / divNum2;
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            System.out.println("计算结束");
            return divData;
        }
    }
}

注意:

  1. try:里面是要捕捉异常的代码块。
  2. catch:里面是捕捉到异常后的处理代码块。
  3. finally:里面的代码不管是否发生异常,代码都执行。
  • 异常类的继承关系

Exception:一般指程序中出现的问题,可以直接用try...catch处理。

Error:一般指JVM错误,程序中无法处理。

异常处理的打印一般用e.printStackTrace()方法处理打印。

 

  • 异常的处理流程

throws:定义一个方法时使用throws关键字声明表示这个方法不处理异常而交给调用方法处理异常,

throw:可以通过throw关键字人为的抛出一个异常,抛出时直接抛出异常类的实例化对象。

public class Demo01 {
    public static void main(String[] args) {
        Demo01 demo01 = new Demo01();
        try {
            demo01.div1();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    private int div1() throws Exception {
        System.out.println("开始计算");
        int k = 0;
        try {
            int i = 1;
            int j = 0;
            k = i / j;
        } catch (Exception e) {
            throw e;
        } finally {
            System.out.println("计算结束");
            return k;
        }
    }
}

注意:

  1. 异常的抛出流程,是自己方法抛出到调用方法然后抛出到主方法中,如果主方法不能处理异常,则把异常抛出给JVM处理。
  2. throws不建议使用在主方法中,这个异常全都抛给了JVM处理,出现异常会导致程序直接中断。
  3. throw不会单独使用,必须抛出个异常对象。
  • Exception与RuntimeException

Exception:异常必须用try...catch捕捉进行处理,不然程序会直接报错

RuntimeException:异常不用捕捉,当发生异常的情况下,直接JVM会处理异常,建议是用try...catch捕捉处理。

 

  • 断言

    private void assertTest(){
        String str = "aaaaaa";
        assert str.length() == 0 : "报错了";
    }

断言的使用

  1. 虽然断言返回的是boolean值,但是不能将其作为条件判断语句
  2. 断言虽然有检查运行结果的功能,但是在开发中不提倡使用。
【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)》的技术资源,聚焦于电力系统中低碳经济调度问题,结合N-1安全准则与分布鲁棒机会约束(DRCC)方法,提升调度模型在不确定性环境下的鲁棒性和可行性。该资源提供了完整的Matlab代码实现,涵盖建模、优化求解及仿真分析全过程,适用于复杂电力系统调度场景的科研复现与算法验证。文中还列举了大量相关领域的研究主题与代码资源,涉及智能优化算法、机器学习、电力系统管理、路径规划等多个方向,展示了广泛的科研应用支持能力。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事能源调度、智能电网相关工作的工程师。; 使用场景及目标:①复现高水平期刊(如EI/SCI)关于低碳经济调度的研究成果;②深入理解N-1安全约束与分布鲁棒优化在电力调度中的建模方法;③开展含新能源接入的电力系统不确定性优化研究;④为科研项目、论文撰写或工程应用提供可运行的算法原型和技术支撑。; 阅读建议:建议读者结合文档提供的网盘资源,下载完整代码与案例数据,按照目录顺序逐步学习,并重点理解DRCC建模思想与Matlab/YALMIP/CPLEX等工具的集成使用方式,同时可参考文中列出的同类研究方向拓展研究思路。
内容概要:本文详细介绍了一个基于MATLAB实现的电力负荷预测项目,采用K近邻回归(KNN)算法进行建模。项目从背景意义出发,阐述了电力负荷预测在提升系统效率、优化能源配置、支撑智能电网和智慧城市建设等方面的重要作用。针对负荷预测中影响因素多样、时序性强、数据质量差等挑战,提出了包括特征工程、滑动窗口构造、数据清洗与标准化、K值与距离度量优化在内的系统性解决方案。模型架构涵盖数据采集、预处理、KNN回归原理、参数调优、性能评估及工程部署全流程,并支持多算法集成与可视化反馈。文中还提供了MATLAB环境下完整的代码实现流程,包括数据加载、归一化、样本划分、K值选择、模型训练预测、误差分析与结果可视化等关键步骤,增强了模型的可解释性与实用性。; 适合人群:具备一定MATLAB编程基础和机器学习基础知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员、工程师及高校师生;适合工作1-3年希望提升实际项目开发能力的技术人员; 使用场景及目标:①应用于短期电力负荷预测,辅助电网调度与发电计划制定;②作为教学案例帮助理解KNN回归在实际工程中的应用;③为新能源接入、需求响应、智慧能源系统提供数据支持;④搭建可解释性强、易于部署的轻量级预测模型原型; 阅读建议:建议结合MATLAB代码实践操作,重点关注特征构造、参数调优与结果可视化部分,深入理解KNN在时序数据中的适应性改进方法,并可进一步拓展至集成学习或多模型融合方向进行研究与优化。
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