小胡学python【1】

1、type(x) 得出x的类型
isinstance(x,int) 判断x是否为已知类型
2、字符串和元组都不能改变
元组为(1,2,3) tuple
3、python里同一个值的id一样,x和y都是3,id一样
修改一个值不是真的修改了,而是改变了他指向的id
在这里插入图片描述
4、查看python关键字 print(keyword.kwlist)
5、十六进制开头 0x
6、表示复数,3+4j,5+6j
在这里插入图片描述
7、字符串
1)字符串可以加
2)格式化
’ %7.3 ’ %a
“%d %c”%(65,65)
3) 3/5 除法 3//5整除 3%5 求余数
4)乘法 字符串也能乘
5)python的双引号和单引号没有区别(不确定)
6),只是分隔符
7)矩阵
import numpy
x=numpy.ones(3) 生成全1矩阵,参数表示矩阵大小

8、ord() 返回ASCLL码,chr() 输入ASCLL码返回字符
9、str() 把任意参数转换成字符串
10、dir()看模块里的可用对象, help()看某一方法的使用帮助
11、del()删除对象
12、print(i,end=’ ‘)
13、print(a,‘want to go to’,b,sep=’ ‘,end=’ ‘) 中间以空格隔开,结尾以空格结束,要想中间没有空格,写sep=’’
14、input()一般默认输入的是字符,可以用eval()转换
15、a**N a的N次方
16、tuple、list输出,自带逗号,如果join(tuple(a)就可转化成str,再用print(" ")输出就行!
在这里插入图片描述

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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