2020-11-4 习题练习

本文探讨了Python中字典的特性和操作,包括其无序性和可变性。此外,还介绍了zip函数如何用于合并多个可迭代对象,以及map和filter函数在处理序列时的应用,如元素类型转换和条件过滤。

#↓ ↓ 字典是无序的,是可变的数据类型

dict1 = {"张三":45,"李四":78,"徐来":40,"沙思思":96,"如一"65}
print("班级人数:",len(dict1),",班级成绩平均分",sum(list(dict1.values()))/len(dict1))
# 效果  ↓   ↓   ↓   ↓   ↓
班级人数: 5 ,班级成绩平均分 64.8

#↓ ↓zip() 压缩:将多个可迭代对象元素压缩到一起

list1 = ["sa","df","vx"]
str2 = "123456"
str3 = "ABCDE"

temp = zip(str2,list1,str3)
print(list(temp))
# 效果  ↓   ↓   ↓   ↓   ↓
[('1', 'sa', 'A'), ('2', 'df', 'B'), ('3', 'vx', 'C')]

#↓ ↓ map() 把一个函数依次映射到可迭代对象;将可迭代对象的元素强制类型转换

list1 = ["1243","4516","4599","547"]

temp = map(max,list1)

print(list(temp))
# 效果  ↓   ↓   ↓   ↓   ↓
['4', '6', '9', '7']

#↓ ↓ filter() 用于过滤序列,过滤掉不符合条件的元素,返回由符合条件元素组成的新列表。

def test(x):
return str(x).upper()
str2 = "Hello"
temp = filter(test,str2)
print(list(temp))

# 效果  ↓   ↓   ↓   ↓   ↓
['H', 'e', 'l', 'l', 'o']
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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