打印三角形和Debug

打印三角形

//设置打印三角形的行数,比如五层
for(int i = 0; i<=5 ; i++){
//打印空格 让空格随着行数减少
for(int i1 = i ; i1>i ; i1--){
System.out.println(" ");
}
//打印*  随着行数增加*
for(int j = 0; j<i ; j++){
System.out.println("*");
}
//补充* 随着行数增加*
for(int z = 0 ; z<=i ; z++){
System.out.println("*");
}
//换行
System.out.println();
}

效果如下:
三角形
如果不加上第三个for循环只会显示一半的三角形
如下:
在这里插入图片描述

Debug

在代码出设置断点一步一步的查看代码是如何运行的
在这里插入图片描述
在代码出设置断点,点击数字的左边的空间会出现红色的圆
在这里插入图片描述
点击下面的按钮来一步步查看三角形是如何出来的
在这里插入图片描述
这是第一层的三个for循环运行完,开始第二行
在这里插入图片描述
这是第二行的第二个for循环运行完正要运行第三个for循环
在这里插入图片描述

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估CPO优化流程。; 适合人群:具备一定Python编程基础优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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