苏嵌 闵永界 07.24

本文记录了苏嵌项目中关于链表的学习历程,涵盖了单链表、单循环链表(带表头和不带表头)的定义与操作,包括节点新建、中间插入、遍历、删除及逆序等关键技能。通过实战,深入理解了链表如何解决数组带来的空间消耗问题。

苏嵌项目实战

                      学习日志

                                        姓名: 闵永界     日期:07.24

今日学习任务

.链表的分类和定义;

2.数据结构。

日任务完成情况

 

 

 

1、学习掌握了单链表、单循环链表(带表头和不带表头);

2、学习掌握了链表的建立步骤;

3、学会了链表中节点的新建、中间插入、遍历、删除、逆序等操作

日开发中出现的问题汇总

 

链表的相关操作还不是很熟悉

日未解决问题

 

日开发收获

 

1.链表的分类:单链表,单项循环链表,双向链表,双向循环链表(带表头,不带表头);

2.数据结构作用:管理数据(存,取,遍历,查找);

3.链表作用:解决数组带来空间消耗问题;(数组是静态分配,容易造成浪费;链表动态分配);

4。定义节点包括数据域和链接域

自我评

 

(是否按开发规范完成

 

既定任务,需要改进的地方,与他人合作效果等)

链表的相关操作还不是很熟悉

其他

 

 

 

 

需求响应动态冰蓄冷系统与需求响应策略的优化研究(Matlab代码实现)内容概要:本文围绕需求响应动态冰蓄冷系统及其优化策略展开研究,结合Matlab代码实现,探讨了在电力需求侧管理背景下,冰蓄冷系统如何通过优化运行策略参与需求响应,以实现削峰填谷、降低用电成本和提升能源利用效率的目标。研究内容包括系统建模、负荷预测、优化算法设计(如智能优化算法)以及多场景仿真验证,重点分析不同需求响应机制下系统的经济性和运行特性,并通过Matlab编程实现模型求解与结果可视化,为实际工程应用提供理论支持和技术路径。; 适合人群:具备一定电力系统、能源工程或自动化背景的研究生、科研人员及从事综合能源系统优化工作的工程师;熟悉Matlab编程且对需求响应、储能优化等领域感兴趣的技术人员。; 使用场景及目标:①用于高校科研中关于冰蓄冷系统与需求响应协同优化的课题研究;②支撑企业开展楼宇能源管理系统、智慧园区调度平台的设计与仿真;③为政策制定者评估需求响应措施的有效性提供量化分析工具。; 阅读建议:建议读者结合文中Matlab代码逐段理解模型构建与算法实现过程,重点关注目标函数设定、约束条件处理及优化结果分析部分,同时可拓展应用其他智能算法进行对比实验,加深对系统优化机制的理解。
C:\Users\adminstor\anaconda3\envs\python39\python.exe D:\daima\KalmanNet_TSP-main\main_lor_DT_NLobs.py Pipeline Start Current Time = 07.24.23_12:19:44 Using GPU 1/r2 [dB]: tensor(30.) 1/q2 [dB]: tensor(30.) Start Data Gen Data Load data_lor_v0_rq3030_T20.pt no chopping trainset size: torch.Size([1000, 3, 20]) cvset size: torch.Size([100, 3, 20]) testset size: torch.Size([200, 3, 20]) Evaluate EKF full Extended Kalman Filter - MSE LOSS: tensor(-26.4659) [dB] Extended Kalman Filter - STD: tensor(1.6740) [dB] Inference Time: 37.115127086639404 KalmanNet start Number of trainable parameters for KNet: 19938 Composition Loss: True Traceback (most recent call last): File "D:\daima\KalmanNet_TSP-main\main_lor_DT_NLobs.py", line 146, in <module> [MSE_cv_linear_epoch, MSE_cv_dB_epoch, MSE_train_linear_epoch, MSE_train_dB_epoch] = KalmanNet_Pipeline.NNTrain(sys_model, cv_input, cv_target, train_input, train_target, path_results) File "D:\daima\KalmanNet_TSP-main\Pipelines\Pipeline_EKF.py", line 150, in NNTrain MSE_trainbatch_linear_LOSS = self.alpha * self.loss_fn(x_out_training_batch, train_target_batch)+(1-self.alpha)*self.loss_fn(y_hat, y_training_batch) File "C:\Users\adminstor\anaconda3\envs\python39\lib\site-packages\torch\nn\modules\module.py", line 1102, in _call_impl return forward_call(*input, **kwargs) File "C:\Users\adminstor\anaconda3\envs\python39\lib\site-packages\torch\nn\modules\loss.py", line 520, in forward return F.mse_loss(input, target, reduction=self.reduction) File "C:\Users\adminstor\anaconda3\envs\python39\lib\site-packages\torch\nn\functional.py", line 3112, in mse_loss return torch._C._nn.mse_loss(expanded_input, expanded_target, _Reduction.get_enum(reduction)) RuntimeError: Expected all tensors to be on the same device, but found at least two devices, cuda:0 and cpu!
07-25
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