学习python(day02)

本文回顾了编程的基础概念,包括编译型与解释型语言的区别,变量与常量的定义,以及基本数据类型如布尔和整数。深入探讨了控制结构如if语句和while循环的使用,展示了如何通过条件判断和迭代进行程序控制。此外,文章还介绍了格式化输出和运算符的优先级,为初学者提供了全面的编程入门指导。
day01 知识回顾
  1. 编译型语言,一次性将全部代码编译成二进制,开发慢,运行快,
  2. 解释性语言,一行一行解释成二进制,开发快,运行慢
  3. 变量:数字,字母,下划线组成,不能用关键字,描述性,不能用中文
  4. 常量:全部大写
  5. 单行注释,#,多行注释"""
  6. input的数据类型全部是str
  7. 基础数据类型,布尔,int,
  8. if语句
  9. while语句,continue,break

day02

i = 0
while i < 3:
    i += 1
    name = input('名字')
    if name == 'lxw':
        print('成功')
        break


i = 0
while i < 10:
    i += 1
    print(i)

i = 0
u = 0
while i <= 100:
    if i % 2 == 0:
        u += i
    else:
        u -= i
    i += 1
print(u)

i = 0
while i <= 100:
    i += 1
    if i % 2 == 0:
        print(i)

i = 0
while i < 3:
    i += 1
    name = input('输入名字')
    if name == 'lxw':
        print('成功')
        break

  1. 格式化输出:如果需要%,则需要转译,就是%%
name = 'll'
age = '18'
print('名字%s 年龄%s' % (name, age))
  1. 运算符 ()>not>and>or
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