4.30 当天作业

作业

  1. 已知一个数字列表,求列表中心元素。

# num = [20, 50, 25, 30]
nums = [90, 98, 93, 91, 87, 83, 80, 70, 65, 62, 56, 23, 20, 1, 5]
nums_len = len(nums)
if nums_len % 2:
    print('中心元素:', nums[nums_len // 2])
else:
    print('中心元素:', nums[nums_len // 2 - 1], nums[nums_len // 2])
"""
过程:
nums = [90, 98, 93, 91, 87, 83, 80, 70, 65, 62, 56, 23, 20, 1, 5]
nums_len = len获取(nums)
if 90 % 2 == 0 -> 0 // 2 -1 == -1  0 // 2 == 0
  理解不了 (哭)
"""
  1. 已知一个数字列表,求所有元素和。
num = [20, 50, 25, 30]
total = 0
for x in num:
    total += x
print('和', total)

"""
过程;
num = [20, 50, 25, 30]
total = 0
1:x = 20 -> total = 0 + 20 == 20
2: x = 50 -> total = 20 + 50 == 70
3: x = 25 -> total = 70 + 25 == 95
4: x = 30 -> total = 95 + 30 == 125
5: print  和:125 
"""
  1. 已知一个数字列表,输出所有奇数下标元素。
num = [30, 25, 87, 45, 98, 15]
for x in range(len(num)):
    if x % 2 == 0:
        print(num[x])
  1. 已知一个数字列表,输出所有元素中,值为奇数的元素。
num = [21, 50, 25, 30]
for x in num:
    if x % 2 != 0:
        print('不为奇数', x)
  1. 已知一个数字列表,将所有元素乘二。
num = [21, 50, 25, 30]
for x in range(len(num)):
    num[x] *= 2
    print(num)
  1. 有一个长度是10的列表,数组内有10个人名,要求去掉重复的
MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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