C语言Day7:算术运算符与赋值运算符

        各位亲爱的读者,大家好!今天博主给大家带来的内容是运算符与表达式的相关内容。首先运算符分为四类,分别是:算术运算符(用于处理四则运算),赋值运算符(用于将表达式的值赋给变量),比较运算符(用于表达式的比较,并返回一个真值或假值),逻辑运算符(用于根据表达式的值返回真值或假值)。

一.算术运算符与算术表达式

        在C语言中,运算符被分为了单目运算符与双目运算符两类,分别是:单目运算符++(自加)、--(自减)、+(正号)、-(负号);双目运算符:+、-、*、/、%(模运算或取余)

1.除法运算符

        首先根据数学的定理,除数是不可以为0的,同时,当参与运算的两个操作数均为整数时,得到的结果依旧是整数,结果去除小数部分,例如:2/5=0;当参与运算的两个操作数中只要有一个数是小数类型,此时就可以得到正确的小数结果,例如:2.0/5=0.4

2.模运算%

        即取余运算,在C语言中,取余运算的两个数必须为整型,小数不能做取余运算,否则会出现语法错误。负整数参与模运算时结果的符号由被除数决定

例如:-7%3=-1而7%-3=1

 3.自加、自减运算符

        自加与自减都是单目运算符,用来将参与的变量加1和减1。自加与自减运算只有变量才可以使用。而自加与自减运算根据它们出现的位置不同,运算规则也各不相同

        (1)前置递增、递减

                ++x、--x的计算规则是++和--出现在变量前,先进行自加或者自减,然后将变化后的x的值作为整个表达式的结果。例如:

a=2;b=++a;结果:a=3;b=3;

只有前置才会产生关联,先让变量加1,再进行运算。 

        (2)后置递增、递减

                x++、x--的计算规则是++和--出现在变量后,先将x的值作为整个表达式的结果,然后再对x进行自加或自减,例如:

a=2;b=a++;结果:a=3;b=2;

后置只会影响语句的下一句,先进行表达式的运算,后让变量加1;

不管前置后置,a的值一定发生改变。 

4.算术表达式

        计算数学表达式的时候,数学中很多表达方式在C语言中是不能直接表达出来的,必须通过特定的方式来改写,注意事项如下:

(1)C语言没有上下结构的表达形式,分数要用/来表示。

(2)数学中乘法运算符可以省略,但C语言中不可以,必须将*加上。

(3)C语言中没有大括号与中括号,统一使用圆括号也就是小括号;

(4)分子分母尽量统一加圆括号,以免出现计算顺序错误;

(5)C语言提供了数学中的常用函数,比如sqrt、exp、sin、log等等,使用时只要调用相应的数学库即可。

二.赋值运算符与赋值表达式

1.简单赋值运算符和表达式

        “=”在数学表达式中表示等式左右两边相等的概念,但在C语言中表示将等号右侧的计算结果存入等号左边的变量中,且要求等号左边必须是变量,右侧的计算结果要与左侧变量的类型保持赋值兼容。在这里假设已定义int x,常见错误方式如下:

x=5;//正确
5=x;//错误,原因:等号左侧是常量
x+1=5;//错误,原因:等号左侧是表达式
x=3.14//出现警告,原因:右侧是浮点型而左侧是整型,将会损失精度

简单赋值表达式就是简单赋值语句出现在一个表达式中,例如x=y=5;其中y=5就是一个简单赋值表达式,在C语言中,简单赋值表达式的结果由赋值号左侧变量的值决定,所以该语句就等价于x=(y=5),就是一个连环赋值语句。

2.复合赋值运算符和表达式

        在C语言中,提供了五个算术复合赋值运算符+=、-=、*=、/=、%=。

例如:假设a、b、c的值分别为3,4,5

a+=5;//等价于a=a+5;

b*=12;//等价于b=b*12;

c/=8;//等价于c=c/8;

a%=b+c;//等价于a=a%(b+c);

 三.今日总结

        在今天的学习中,博主给大家带来的内容是有关算术运算符以及赋值运算符的相关知识,在明天的学习中,博主将会给大家带来比较运算符和逻辑运算符以及bool类型的相关知识,在这里感谢大家的关注与支持!欢迎在评论区分享属于你的看法与见解,博主看到后会第一时间回复!

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念分析方法;②掌握利用Simulink进行电力系统建模仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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