07 20230325 Replace批量替换 字典数组实战

这两个宏SubMacro1和SubMacro2使用VBA在Excel中执行字符串替换操作。它们分别通过数组和字典数据结构,将特定编码的数字和符号转换为对应的字母。SubRpl子程序则负责实际的替换过程,作用于B列的所有数据。
Sub Macro1()
    Dim a(9) As String, b() As String, x
    a(0) = "0": a(1) = "1": a(2) = "2": a(3) = "3": a(4) = "4"
    a(5) = "5": a(6) = "6": a(7) = "7": a(8) = "8": a(9) = "9"
    
    For i = LBound(a) To UBound(a)
        Call Rpl(a(i), CStr(i))
    Next
    
    Call Rpl(" ", "")
    Call Rpl("A", "A")
    Call Rpl("B", "B")
    Call Rpl("C", "C")
    
End Sub
'--------------------------------------------------------------------
Sub Macro2()
    Dim dic As Object, d
    dic(0) = "0": dic(1) = "1": dic(2) = "2": dic(3) = "3": dic(4) = "4"
    dic(5) = "5": dic(6) = "6": dic(7) = "7": dic(8) = "8": dic(9) = "9"
    
    dic(" ") = "": dic("A") = "A": dic("B") = "B": dic("C") = "C"

    For Each d In dic.keys
        Call Rpl(d, dic(d))
    Next
    
End Sub
'--------------------------------------------------------------------
Sub Rpl(s1 As String, s2 As String)
    Range("B:B").Replace what:=s1, replacement:=s2, matchBYte:=True, Searchformat:=True, ReplaceFormat:=True
End Sub



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

打赏作者

pigerr杨

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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