正则表达式基础知识总结

一、基本正则表达式

    初学者遇到正则表达式(Regular Expression )一定会很头痛。各种符号,各种灵活的用法。难以记忆...... 我最近也在学习正则表达式,最近总结一下基本用法。

1 * 0-n个前面的字符; 如:hel*o

. 任意单符; 如:.*

3 ^ 匹配行首;如 ^$ 匹配一个空串

4 $ 匹配行尾;  如 ^.& 匹配只有一个字符的空串

5 [ ] 匹配字符集合;如:[a-zA-Z]*匹配所有英文单词 

6 \{ n\} 匹配前面的字符n次;  如:TO\{3\}M ---> TOOOM

\{ n,\}  匹配前面的字符至少n次 如 :TO\{3,\}M ---> TOOOM TOOOOM TOOOOOM ……

\{ n,m\} 匹配前面的字符n-m次;  如TO\{3,6\}M ---> TOOOM -TOOOOOOM

9 \< \> 精确匹配  如:匹配单词 \<the\>

二、扩展正则表达式:

1 ? 匹配0个或1个之前的字符 ;

2 +  1到多个;

3 () 分组表示一个字符集合;   如 re(o|a|e)d ---> reod read reed

4 |  表示“或” ,一组可选字符;

    根据以上符号,会产生各种灵活的用法,我还要继续深入学习,后续还会记录一些我掌握的RE实例

 

【无人机】基于改进粒子群算法的无人机路径规划研究[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)实现无人机三维路径规划的方法,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在收敛速度全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础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三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
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