算法

算法

1、冒泡法排序

原始数据:15,20,1,6,9,13,55,3,24,33 (总元素个数:10个)

轮数哪个元素进行比较跟谁比较/比较次数
第一轮a[0]a[1]-a[9]
第二轮a[1]a[2]-a[9]
第三轮a[2]a[3]-a[9]
第n轮a[n-1]a[n]-a[9]
第n+1轮a[n]a[n+1]-a[9]
第九轮/最后一轮a[8]a[9]

算法原理:利用循环嵌套,外层循环控制比较的轮数,内层循环控制比较的次数。
程序代码:

var a=[15,20,1,6,9,13,55,3,24,33];
var t;
for(var i=0;i<a.length-1;i++){
  for(var j=i+1;j<a.length;j++){
     if(a[i]>a[j]){
       t=a[i];
       a[i]=a[j];
       a[j]=t; 
     }
  }
}
2、数组元素的去重
var x=[1,3,6,20,1,1,55,6,1,24,33];
for(var i=0;i<x.length-1;i++){
  for(var j=i+1;j<x.length;j++){
    if(x[i]==x[j]){
      x.splice(j,1);
      j--;
    }
  }
}
document.write(x);
3、斐波那契数列:有一组数列 1,1,2,3,5,…。
  1. 列举出该数列的前20项。
  2. 计算出该数列的第20项。
  3. 计算出该数列的前20项的和。

A .在已知数列规律的情况下,至少知道该数列的前几项,才能按照已知的数列规律将该
数列依次排开?
【答案:前两项。所以,声明两个变量:var f1=1,f2=1;】
B .根据斐波那契数列的规律,可以归纳出用来计算每一项的通项公式。
所以,声明一个变量:var f=f1+f2;
C .按照规律生成下图:
在这里插入图片描述
D .因为题目中有关于项数的要求,因此声明一个变量n用来表示项数。则利用通项公式
计算出的第一个数是第几项?
【答案:第3项。所以,声明一个变量:var n=3;

第(3)问程序代码:

var f1=1,f2=1;
var f,n=3;
var sum=f1+f2;
document.write(f1,f2);
while(n<=20){
  f=f1+f2;
  sum=sum+f;
  document.write(f + "<br/>")
  f1=f2;
  f2=f;
  n++;
}
document.write(f + "<br/>");
document.write(sum);

利用数组解决斐波那契数列问题:

var fib=new Array(20);
fib[0]=1;
fib[1]=1;
for(var i=2;i<fib.length;i++){
	 fib[i]=fib[i-1]+fib[i-2];
}
var sum=0;
for(var i=0;i<fib.length;i++){
	 sum=sum+fib[i];
}
console.log(sum);

思考:在国际棋盘(8*8)的格子里放米粒,第一个放1粒,第二个放2粒,以后每个放
前一个格子粒数的2倍。计算总共需要多少粒米。

/*国际棋盘64个格子,定义一个长度为64的数组*/
	var chess=new Array(64);
	/*第一个格子米粒数量为1*/
	chess[0]=1;
	/*声明一个变量初始值为1(第一个格子米粒)*/
	var sum=chess[0];
	document.write("第1个格子:" + chess[0] + "<br/>")
	for(var i=1;i<chess.length;i++){
		/*当前格子为前一个格子米粒数量的2倍*/
		chess[i]=chess[i-1]*2;
		console.log(chess[i]);
		sum+=chess[i];
		document.write("第" + parseFloat(i+1) + "个格子:" + chess[i] + "<br/>")
	}
	document.write("64个格子米粒总个数:" + sum)
具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)内容概要:本文介绍了一个涵盖多个科研领域的综合性MATLAB仿真资源集合,重点聚焦于光伏发电系统中基于粒子群优化(PSO)算法的最大功率点追踪(MPPT)技术的Simulink仿真实现。文档还列举了多种MPPT方法(如P&O、增量电导法、神经网络、模糊逻辑控制等),并展示了该团队在电力系统、智能优化算法、机器学习、路径规划、无人机控制、信号处理等多个方向的技术服务能力与代码实现案例。整体内容以科研仿真为核心,提供大量可复现的Matlab/Simulink模型和优化算法应用实例。; 适合人群:具备一定电力电子、自动控制或新能源背景,熟悉MATLAB/Simulink环境,从事科研或工程仿真的研究生、科研人员及技术人员。; 使用场景及目标:①学习并实现光伏系统中基于粒子群算法的MPPT控制策略;②掌握多种智能优化算法在电力系统与自动化领域的建模与仿真方法;③获取可用于论文复现、项目开发和技术攻关的高质量仿真资源。; 阅读建议:建议结合提供的网盘资料,按照研究方向选取对应模块进行实践,重点关注Simulink模型结构与算法代码逻辑的结合,注重从原理到仿真实现的全过程理解,提升科研建模能力。
热成像人物检测数据集 一、基础信息 数据集名称:热成像人物检测数据集 图片数量: 训练集:424张图片 验证集:121张图片 测试集:61张图片 总计:606张热成像图片 分类类别: - 热成像人物:在热成像图像中的人物实例 - 非热成像人物:在非热成像或普通图像中的人物实例,用于对比分析 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。数据来源于热成像和视觉图像,覆盖多种场景条件。 二、适用场景 热成像监控与安防系统开发: 数据集支持目标检测任务,帮助构建能够在低光、夜间或恶劣环境下自动检测和定位人物的AI模型,提升监控系统的可靠性和实时响应能力。 红外视觉应用研发: 集成至红外摄像头或热成像设备中,实现实时人物检测功能,应用于安防、军事、救援和工业检测等领域。 学术研究与创新: 支持计算机视觉与热成像技术的交叉研究,助力开发新算法用于人物行为分析或环境适应型检测模型。 教育与培训: 可用于高校或培训机构,作为学习热成像人物检测和AI模型开发的教学资源,提升实践技能。 三、数据集优势 精准标注与多样性: 每张图片均由专业标注员标注,确保边界框定位准确,类别分类清晰。包含热成像和非热成像类别,提供对比数据,增强模型的泛化能力和鲁棒性。 场景实用性强: 数据覆盖多种环境条件,如不同光照和天气,模拟真实世界应用,适用于复杂场景下的人物检测任务。 任务适配性高: YOLO标注格式兼容主流深度学习框架(如YOLOv5、YOLOv8等),可直接加载使用,支持快速模型开发和评估。 应用价值突出: 专注于热成像人物检测,在安防、监控和特殊环境检测中具有重要价值,支持早期预警和高效决策。
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