《C程序设计语言》第二版 Exercise1-13

Exercise 1-13. Write a program to print a histogram of the lengths of words in its input. It is easy to draw the histogram with the bars horizontal; a vertical orientation is more challenging. 

比起之前的几道题,这一题开始作者给我们上难度了。作者让我们输出读取到的(伪)单词长度的直方图。笔者认为作者的意思是:

  1. 先弄清楚输入内容中,有多少种不同的输入(伪)单词长度,比如出现了长度为 5 的(伪)单词、长度为8的(伪)单词等等;
  2. 统计在输入中每种(伪)单词长度分别有多少个(伪)单词,比如长度为 5 的(伪)单词出现了几次,长度为 8 的(伪)单词又出现了几次。笔者认为在计数的时候,对出现了多次的同一单词,应该进行重复计数;
  3. 对上面的统计结果输出直方图。(有水平和垂直两种,但是垂直的稍有难度)

不管是输出水平直方图还是垂直直方图,首先我们都必须解决统计上的问题。因此我们需要一个数组,来存放输入中不同的(伪)单词长度对应的(伪)单词次数。

在进入 main() 函数之前,因为我们只能设置定长数组,所以我们不得不给能纳入我们计算的(伪)单词长度设置一个上限。在这里笔者设置的上限是 20 。即我们只统计长度在 20 和 20 以内的(伪)单词个数。所以我们先设置一个宏确定上限:

#define WORD_MAX_LENGTH 20

由于我们要计算每个(伪)单词的长度,也就是重复多次“ 1, 2,··· ”这样的过程。我们必须得告诉计算机,什么时候是一个新的(伪)单词,要重新从 1 开始计数;以及什么时候计算完了一个(伪)单词的长度,要给相应的(伪)单词长度对应的(伪)单词个数的统计结果 +1 。笔者这里定义了两个宏用来表示读单词的状态:

#define OUT 0
【EI复现】基于深度强化学习的微能源网能量管理与优化策略研究(Python代码实现)内容概要:本文围绕“基于深度强化学习的微能源网能量管理与优化策略”展开研究,重点利用深度Q网络(DQN)等深度强化学习算法对微能源网中的能量调度进行建模与优化,旨在应对可再生能源出力波动、负荷变化及运行成本等问题。文中结合Python代码实现,构建了包含光伏、储能、负荷等元素的微能源网模型,通过强化学习智能体动态决策能量分配策略,实现经济性、稳定性和能效的多重优化目标,并可能与其他优化算法进行对比分析以验证有效性。研究属于电力系统与人工智能交叉领域,具有较强的工程应用背景和学术参考价值。; 适合人群:具备一定Python编程基础和机器学习基础知识,从事电力系统、能源互联网、智能优化等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习如何将深度强化学习应用于微能源网的能量管理;②掌握DQN等算法在实际能源系统调度中的建模与实现方法;③为相关课题研究或项目开发提供代码参考和技术思路。; 阅读建议:建议读者结合提供的Python代码进行实践操作,理解环境建模、状态空间、动作空间及奖励函数的设计逻辑,同时可扩展学习其他强化学习算法在能源系统中的应用。
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