shell练习题

一、初级练习题

1、打印99乘法表

    for m in $(seq 9)
    do
           for n in $(seq 9)
           do
                   if [ ${m} -ge ${n} ]
                   then
                           echo " ${n} * ${m}\c"
                    fi
           done
           printf " \n"
    done
2、读取score.txt文件的内容,然后计算平均分

    cat score.txt | while read line
    do
        arr=(${line})
        if [ ${arr[0]} != "姓名" ]
        then
                let avg=(${arr[1]}+${arr[2]}+${arr[3]})/3
                echo "${arr[0]}的平均分为:${avg}"
        fi
    done

3、使用for循环在/clsn目录下批量创建10个html文件,其中每个文件需要包含10个随机小写字母加固定字符串clsn

    path="/clsn"
    rm -rf ${path}
    test -d ${path} || mkdir ${path}

    for((i=0;i<10;i++))
    do
           fileName=`cat /dev/urandom | head -n 10 | md5sum | head -c 10`
            fileName="${fileName}-clsn.txt"
           touch "${path}/${fileName}"
    done

4、将练习题3中结果文件名中的clsn字符串全部改成znix(最好用for循环实现),并且将扩展名txt部改成大写

    for file in `ls ${path}`
    do
            oldFileName=${file}
            newFileName=${oldFileName/clsn/znix}
            newFileName=${newFileName/txt/TXT}
            mv "${path}/${oldFileName}" "${path}/${newFileName}"
    done

echo -e "\n"
echo "5、实现一个1-99的抓阄程序"

function getRandom(){
        min=$1
        max=$2
        r=${RANDOM}
        #先得出max和min的差值
        dis=$((${max}-${min}))
        res=$((${r}%${dis}+${min}))
}

scores=($(seq 99))
for((i=1;i<100;i++))
do
        echo "请输入您的名字进行抓阄"
        read username
        length=${#scores[@]}
        getRandom 0 ${length}-1
        #获取随机到的下标
        index=${res}
        score=${scores[index]}
        #删除下标对应的数据
        unset scores[${index}]
        #将剩下的数据构造成一个新的数组,以放下下次抓阄
        scores=(${scores[*]})
        echo ${scores[*]}
        echo -e "${username}的抓阄结果是:${score}\n"
done
 

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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