七周七语言——Erlang第二天自习

本文探讨了处理包含键值对的列表、构建商品总价列表、以及分析井字棋胜负状态的技术。通过实例展示了列表解析、递归检查等算法应用。

键值对

题目:考虑包含键-值元组的列表,如[{erlang, “a functinal language”}, {ruby, “an OO language”}]。写一个函数,接受列表和键为参数,返回该键对应的值。

get_value(Map, Key) ->
  element(2, hd(lists:dropwhile(fun({K, _})-> Key /= K  end, Map) ++ [{[],[]}])). %% ++为列表拼接

lists:dropwhile拿掉与给定Key不符合的元素,然后取列表的第一个元素,就是要找的键值对。注意找不到对应的Key的处理,上述代码在列表尾加上空元组,减少判断。

购物列表

题目:考虑形如[{item quantity price}, …]的购物列表。写一个列表解析,构建形如[{item total_price}, …]的商品列表,其中total_price是quantity乘以price

compute_price(ShopingList) ->
  [{Item, Quantity * Price} || {Item, Quantity, Price} <- ShopingList].


简单的列表解析。||语法与lists:map等价。

井字棋

题目:读取一个大小为9的列表或者元组,表示井字棋(tic-tac-toe)的棋盘。若胜负已定,则返回胜者(x或o);若再没有可走的棋,则返回cat;若两方都还没赢,则返回no_winner。

tictactoe(Board)->
  DealBoard = Board
    ++ fun([[A1, B1, C1],[A2, B2, C2],[A3, B3, C3]])-> [[A1, A2, A3], [B1, B2, B3], [C1, C2, C3]] end(Board)
    ++ fun([[A1, _, C1],[_, B2, _],[A3, _, C3]])-> [[A1, B2, C3], [A3, B2, C1]] end(Board),
   fun
     CheckDealBoard([[x, x, x] | _], _) -> x;
     CheckDealBoard([[o, o, o] | _], _) -> o;
     CheckDealBoard([], true) -> no_winner;
     CheckDealBoard([], false) -> cat;
     CheckDealBoard([Hd | Tail], CanWin)
      ->
       %% if 使用的是哨兵,不能在其中调用函数,以免产生副作用
       if
         CanWin -> CheckDealBoard(Tail, true); %% 匿名函数递归
         true -> CheckDealBoard(Tail, not lists:any(fun(x)-> true; (o)->true; (_)->false end, Hd))
       end
  end(DealBoard, false).


输入的是一个3*3的二维列表,先对列表进行处理,在列表尾拼接一个转置的棋盘,再拼接斜对角线的两组。此时处理好的列表包含8组元素,依次递归检查,注意对于是否有棋可走的判断,如有某行某列某对角线只有一种棋子,就认为有棋可走,用CanWin来记录标示是否有棋可走。

【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛和拉格朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散式优化策略应对分时电价机制下的充电需求管理。通过构建数学模型,结合不确定性因素如用户充电行为和电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉格朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率与经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法和Matlab编程基础的高校研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网与交通系统的协同水平;③作为学术研究案例,用于验证分散式优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟与拉格朗日松弛法的具体实施步骤,重点关注场景生成、约束处理与迭代收敛过程,以便在实际项目中灵活应用与改进。
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