使用函数-3使用参数

一.定义参数
1.函数参数包括两种类型:形参和实参。形参就是函数声明的变量,它仅在函数内部可见,实参就是实际传递的参数值。

//【示例1】下面代码定义一个简单的函数。
function f(a,b){            // 定义函数结构,传递形参a和b
    return a+b;
}
var x=1,y=2;                // 定义参数变量
alert(f(x,y));              // 调用函数并传递实参
//【示例2】针对上面的函数,使用如下方法可以获取它的形参个数。
alert(f.length);            // 返回2.获取函数的形参个数
//【示例3】如果函数实参数量少于形参数量,那么多出来的形参的值默认为undefined。
(function(a,b){             // 定义函数,包含两个形参
    alert(typeof a);        // 返回number
    alert(typeof b);        // 返回undefined
})(1);                      // 调用函数,传递一个实参
//【示例4】如果函数实参数量多于形参数量,那么多出来的实参就不能够通过形参标识符访问,函数会忽略掉多余的实参。在下面这个示例中,实参3和4就被忽略掉了。
(function(a,b){             // 定义函数,包含两个形参
    alert(a);               // 返回1
    alert(b);               // 返回2
})(1,2,3,4);                // 调用函数,传递四个实参
//【示例5】形参与函数体内使用var语句声明的变量都属于局部变量,仅在函数体内可见。当私有变量与形参发生冲突时,则私有变量拥有较大的优先权。
function f(a){              //定义函数结构,传递形参a
    var  a = 0;                 //声明私有变量a,初始值为0
    return a;
}
alert(f(5));                // 调用函数,传递给参数值为5,则返回值为0

2.使用arguments对象
arguments对象表示参数集合,它是一个伪类数组,拥有与数组相似的结构,可以通过数组下标的形式访问函数实参值,但是没有基础Array的原型方法。


//【示例1】在下面示例中,函数没有定义形参,但是在函数体内通过arguments对象可以获取传递给该函数的每个实参值。
function f(){                       // 定义没有形参的函数
    for(var i = 0; i < arguments.length; i ++ ){ 
    // 循环读取函数的arguments对象
        alert(arguments[i]);        // 显示指定下标的实参的值
    }
}
f(3, 3, 6);                         // 逐个显示每个传递的实参
///【示例2】arguments对象仅能够在函数体内使用,作为函数的属性而存在。用户可以通过点运算符访问arguments对象。由于arguments对象在函数体内是可见的,也直接引用arguments对象。
function f(){                       // 定义没有形参的函数
    for(var i = 0; i < f.arguments.length; i ++ ){ 
    // 循环读取函数的arguments对象
        alert(arguments[i]);        // 显示指定下标的实参的值
    }
}
f(3, 3, 6);                         // 逐个显示每个传递的实参
///【示例3】使用arguments对象可以随时编辑实参值。在下面示例中使用for循环遍历arguments对象,然后把循环变量的值传递给实参,以便动态改变实参值。
function f(){
    for(var i = 0; i < arguments.length; i ++ ){ 
    // 遍历arguments对象元素
        arguments[i] =i;            // 修改每个实参的值
        alert(arguments[i]);        // 提示修改的实参值
   }
}
f(3, 3, 6);                         // 返回提示1、2、3,而不是3、3、6
//【示例4】通过修改arguments对象的length属性值,也可以达到改变函数实参个数的目的。当length属性值增大时,则增加的实参值为undefined,如果length属性值减小,则会丢弃arguments数据集合后面对应个数的元素。
function f(){
    arguments.length = 2    ;       // 修改arguments对象的length属性值
    for(var i = 0; i < arguments.length; i ++ ){
         alert(arguments[i]);
    }
}
f(3, 3, 6);                         // 返回提示3、3
MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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