22、随机数、统计样本与图形画布的使用

随机数、统计样本与图形画布的使用

1. 随机二维数组的生成

在生成二维数组(即矩阵)时,过程相对直接。以生成随机一维数组的示例为基础,这次会增加一个额外的参数来表示矩阵的行数。以下代码片段创建了一个 3×2 的矩阵,其中的随机整数范围是 0 到 100:

>>> from jhplot.math.StatisticSample import *
>>> a=randomInt(3,2,0,100)
>>> print a
array([I, [array('i', [79, 92]), array('i', [78, 81]),
array('i', [92, 72])])

需要指出的是,所有生成随机二维数组的方法与生成一维数组的方法名称和含义相同,唯一的区别在于这些方法多了一个表示行数的参数。

2. 按函数形式生成随机值数组

下面通过一个例子展示如何根据解析函数 x * exp(x) 生成一个包含 1000 个分布在 1 到 2 之间的随机数的向量,然后用这些数填充直方图,并将其与函数绘制在同一画布上。

from jhplot import *
from jhplot.math.StatisticSample import *
c1 = HPlot('Canvas',600,400)
c1.setGTitle('Title')
c1.visible()
c1.setAutoRange()
f=
基于遗传算法的微电网调度(风、光、蓄电池、微型燃气轮机)(Matlab代码实现)内容概要:本文档介绍了基于遗传算法的微电网调度模型,涵盖风能、太阳能、蓄电池和微型燃气轮机等多种能源形式,并通过Matlab代码实现系统优化调度。该模型旨在解决微电网中多能源协调运行的问题,优化能源分配,降低运行成本,提高可再生能源利用率,同时考虑系统稳定性经济性。文中详细阐述了遗传算法在求解微电网多目标优化问题中的应用,包括编码方式、适应度函数设计、约束处理及算法流程,并提供了完整的仿真代码供复现学习。此外,文档还列举了大量相关电力系统优化案例,如负荷预测、储能配置、潮流计算等,展示了广泛的应用背景和技术支撑。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事微电网、智能电网优化研究的工程技术人员。; 使用场景及目标:①学习遗传算法在微电网调度中的具体实现方法;②掌握多能源系统建模优化调度的技术路线;③为科研项目、毕业设计或实际工程提供可复用的代码框架算法参考; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注目标函数构建约束条件处理,同时可参考文档中提供的其他优化案例进行拓展学习,以提升综合应用能力。
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  | 博主筛选后可见
 
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