小白之旅2

一. 数据类型转换

1.1 自动类型转换

又叫:隐式类型转换
概念:数据范围小的类型能自动转换成数据范围大的类型
byte->short->int->long->float->double

1.2 强制类型转换

概念:将数据范围大的类型使用指定格式转换成数据范围小的类型
格式:范围小的数据类型 变量名 = (范围小的数据类型/目标类型) 范围大的数据;
注:
1.强制类型转换一般不推荐使用,因为可能出现数据精度的损失
2.byte、short在进行运算时,会自动提升为int类型
3.boolean类型不能进行数据类型的转换
4.char可以根据ASCII(美国信息交换标准代码)与整数值进行转换

  • '0'~'9':48~57
  • 'a'~'z':97~122
  • 'A'~'Z':65~90

汉字收录在前128位于ASCII码表完全一致并且还收录了其他各个国家语言文字的Unicode万国码表中。

二. 运算符

2.1 算数运算符

  • 求和+
  • 字符串与任何数据类型用"+"连接,都是在拼接,并且拼接后的结果仍然是字符串
  • 求差值-
  • 求乘积*
  • 求商/
    注:整数间的除法可能存在精度的损失
  • 求余数(取模)%
    注:
    1.余数的结果的正负只与第一个数(被模数)有关
    2.x%y,结果一定小于y

++、--

  • ++表示在自身基础上+1

  • --表示在自身基础上-1
    注: ++、--的前置和后置
    1.单独运算:前置和后置没有区别,都是自增1、自减1
    2.混合运算:

    • 前置:先执行自增(减)1,再执行其他操作
    • 后置:先执行其他的操作,再执行自增(减)1

    注:常量不能执行++、--

2.2 赋值运算符

  • =:赋值
  • +=:i += 3 等价于 i = i + 3
  • -=:i -= 3 等价于 i = i - 3
  • =:i = 3 等价于 i = i * 3
  • /=:i /= 3 等价于 i = i / 3
  • %=:i %= 3 等价于 i = i % 3
    注:常量不能被赋值

2.3 关系(比较)运算符

关系(比较)运算的结果是一个布尔值,
关系运算表达式也称为逻辑(条件)表达式。

  • ==:判断相等
  • !=:判断不等
  • >=:大于等于
  • <=:小于等于
  • >:大于
  • <:小于

2.4 逻辑运算符

逻辑运算的结果是一个布尔值,参与逻辑运算的数据也必须是布尔值,
逻辑(条件)表达式。

  • &:与,并且,表达式两边必须同时为true,整个表达式的结果才是true
  • |:或,或者,表达式两边只要有一个是true,整个表达式的结果就是true
  • !:非,取反
  • ^:异或,表达式两边相同为false,不同为true
  • &&:表达式左边为false,整个表达式的结果就是false,表达式右边不参与运算
  • ||:表达式左边为true,整个表达式的结果就是true,表达式右边不参与运算

2.5 位运算

参与位运算的数据必须是整数
运算逻辑:将十进制数转换为二进制,将1视为true,
将0视为false,然后按位进行对应的逻辑运算。

  • &:与
  • |:或
  • ^:异或
  • <<:左移,a<<b,a乘以2的b次方
  • >>:右移

2.6 三元运算符

格式:条件表达式?表达式1:表达式2;
逻辑:条件表达式结果为true执行表达式1,反之执行表达式2

转载于:https://www.cnblogs.com/demonycw/p/11312509.html

内容概要:本文档名为《赵家湾学校后大门一百三十六栋.txt》,实则是一份综合性科研仿真资源索引,集中展示了多个技术领域的Matlab/Simulink与Python代码实现项目。内容涵盖风光互补制氢合成氨系统容量-调度优化、微电网能量管理、无人机三维路径规划、图像分割、信号处理、电力系统建模、模型预测控制(MPC)、深度学习预测模型(如LSTM、Transformer)、联邦学习、强化学习应用等多个前沿方向。文档不仅列出具体研究题目和算法模型,还整合了智能优化算法(如PSO、GWO、DBO等)、路径规划、车间调度、通信优化、雷达跟踪、元胞自动机模拟等通用技术模块,并附有网盘链接提供完整代码与仿真模型下载,旨在为科研人员提供可复现的技术支持与开发参考。; 适合人群:具备一定编程基础,从事电气工程、自动化、计算机科学、人工智能、控制工程、能源系统等相关领域的研究生、科研人员及工程技术开发者。; 使用场景及目标:①辅助高水平学术论文复现与科研项目开发;②为硕士/博士论文、课程设计、学科竞赛提供算法实现与仿真建模支持;③提升在新能源并网、智能控制、路径规划、负荷预测、故障诊断等领域的工程实践与创新能力。; 阅读建议:此文档为资源导航型材料,建议结合个人研究方向筛选对应主题,通过提供的百度网盘链接获取完整代码包,并配合相关文献进行仿真实验与参数调试,以实现高效复用、二次开发与技术创新。
内容概要:本文深入解析了AI Agent(智能体)的技术原理与系统架构,阐述其如何通过“思考-行动-观察”的闭环循环,使大语言模型(LLM)从被动应答的对话系统进化为能主动完成复杂任务的智能实体。文章详细介绍了Agent四大核心模块:作为决策中枢的LLM(大脑)、实现外部交互的工具调用(双手)、支持状态延续的记忆模块(记忆),以及驱动自主执行的规划与协调机制(协调)。同时对比了Agent与传统聊天机器人在任务规划、工具使用、记忆能力和执行闭环等方面的本质差异,并探讨了从单智能体到多智能体系统的架构演进趋势,强调专业分工对处理复杂任务的重要性。最后,文章分析了Agent模式与预设工作流模式的应用权衡,指出前者适用于灵活探索类任务,后者更适合确定性高的固定流程。; 适合人群:对人工智能、大模型应用开发感兴趣的技术人员、产品经理及研究人员,尤其适合具备一定AI基础知识、希望深入了解Agent系统设计的专业人士; 使用场景及目标:①理解AI Agent的核心架构与关键技术组件;②掌握ReAct等主流执行范式;③区分Agent与传统聊天机器人的能力边界;④判断在实际业务中应采用Agent模式还是工作流模式; 阅读建议:本文理论性强且结构清晰,建议结合实际Agent案例(如AutoGPT、LangChain应用)进行对照学习,重点关注各模块间的协同机制与设计权衡,以深化对Agent系统级思维的理解。
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