pthon学习笔记一

该博客介绍了Python源代码注释的两种形式:单行注释和多行注释。还阐述了变量命名规则,如标识符组成要求、不能为关键字等。同时提到可通过特定命令查看Python关键字和内置函数,使用内置函数作标识符会导致其被覆盖。

1.注释

python源代码的注释有两种形式:单行注释和多行注释。

#单行注释
print("Hello,Python!")

"""
多行注释
人生苦短,我用python
"""
print("I am jevon.")

'''
多行注释
让我们一起学习python
'''
print("Let's study together.")

2.变量 

变量的命名规则

python需要使用标识符给变量命名,标志符的命名规则如下:

(1)标识符可以由字母、数字、下划线组成,且数字不能开头。

(2)标识符不能是python关键字,但可以包含关键字。

(3)标识符不能包含空格。

注:python语言是区分大小写的。

python关键字

关键字是python内置的,具有特殊意义的标识符。关键字不能作为变量名。

我们可以通过以下命令查看python所包含的关键字。

import keyword
keyword.kwlist

还可以使用help("keywords")查看 python关键字

python内置函数

除了关键字,python还包含了内置函数。

当然,内置函数也不应该作为标识符使用,否则,内置函数就会被变量覆盖(导致在程序不能使用该内置函数)。 

内置函数说明:https://docs.python.org/zh-cn/3/library/functions.html

 我们可以通过以下命令查看python所包含的关键字。

import builtins

dir(builtins)

 

 

 

内容概要:本文介绍了个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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