自己学习LINQ记录(二)

本文详细介绍了LINQ查询表达式的使用方法,包括从子句、范围变量、选择条件和特殊运算符的运用,以及延迟查询的特点和两种例外情况。通过示例展示了如何在不同场景下高效地进行数据筛选和操作。

LINQ查询表达式


查询表达式总是以from子句开始,以select或者group子句结束。
From子句定义了查询的范围变量(range variable),可以认为该变量是对输入sequence的一个遍历,就像foreach做的那样。

IEnumerable<string> inquiryNames = from n in custNames where n.First() == 'C' select n;

以from开始

范围变量

from后面的n就是范围变量,一个范围变量指向当前操作符所对应的输入sequence中的当前元素

可以嵌套select条件或者引入新的变量进行联合查询
运行三种方式引入新的范围变量
  • let
  • into
  • 额外的from子句
以下的关键字可以特殊的作用
下面是存在对应查询表达式关键字的运算符:Where、Select、SelectMany、OrderBy、ThenBy、OrderByDescending、ThenByDescending、GroupBy、Join、GroupJoin。


延迟查询

LINQ是延迟执行的

看下这段程序的结果

            var numbers = new List<int>();
            numbers.Add(1);
            IEnumerable<int> query = numbers.Select(n => n * 10);   
            numbers.Add(2);
            foreach (int n in query)
            {
                Console.Write(n + "|");
            }

执行结果
10|20|

这说明在query赋值的时候没有执行LINQ,而是在使用的时候,也就是foreach里面执行的数据。

LINQ是延迟查询的,但也有2种例外的情况。
  • 返回单个元素或者标量值的查询运算符,如First、Count等。
  • 下面这些转换运算符:ToArray、ToList、ToDictionary、ToLookup。
这2种都是立即执行

重复执行


可以反复执行一个查询,但有的时候需要保存数据或者执行时间过长的话应该避免。
可以将结果存入Array,list等。

通过ToList直接存入变量中。

	    var numbers = new List<int>() { 1, 2 };
            List<int> timesTen = numbers.Select(n => n * 10).ToList();
            // Executes immediately into a List<int>             
            numbers.Clear();
            Console.Write(timesTen.Count);  // Still 2


内容概要:本研究针对微电网在遭受拒绝服务(DoS)攻击时面临的功率分配不均与电能质量问题,提出了一种兼顾功率精确均分与电压频率质量恢复的抗攻击混合动态事件触发次控制策略。该策略通过设计新型混合动态事件触发机制,有效减少控制器与分布式单元间的网络通信负担,同时增强系统对DoS攻击的鲁棒性。研究构建了完整的微电网次控制框架,整合了分布式协同控制算法与事件触发通信机制,在保证系统稳定性的同时,实现了对频率、电压偏差的快速调节和有功/无功功率的精确分配。通过Simulink平台进行仿真实验,验证了所提方法在遭受DoS攻击及正常运行工况下均能有效维持微电网的稳定运行与高质量电能输出。; 适合人群:具备电力系统自动化、分布式控制或微电网相关基础知识,从事新能源、智能电网领域研究的研发人员及高年级研究生。; 使用场景及目标:① 解决微电网在通信受限及网络攻击场景下的协同控制难题;② 实现微电网在异常工况下功率均分与电能质量的双重优化;③ 为设计高安全性、高可靠性的智能微电网控制系统提供理论依据与仿真验证方案。; 阅读建议:本资源侧重于控制策略的设计与仿真验证,建议读者结合微电网基础理论与Simulink仿真技术,深入理解事件触发机制与抗DoS攻击控制算法的实现细节,并动手复现仿真案例以加深对系统动态性能与鲁棒性的认识。
内容概要:本文围绕《【太阳能学报EI复现】基于粒子群优化算法的风-水电联合优化运行分析(Matlab代码实现)》展开,系统阐述了采用粒子群优化算法(PSO)对风能与水力发电系统进行联合优化调度的研究方法与技术路径。研究聚焦于构建多能源互补协调的优化模型,详细论述了目标函数的设计、系统约束条件的处理、算法求解流程及收敛性分析,并通过Matlab编程实现了完整的仿真验证过程,有效提升了可再生能源系统的运行效率与稳定性。该工作属于电力系统智能优化领域,强调对高水平期刊论文的高精度复现,兼具理论深度与工程实用性,适用于科研复现、学术研究与教学参考。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事新能源优化调度、智能算法应用的工程技术人员。; 使用场景及目标:①用于复现《太阳能学报》等高水平期刊中关于风-水电联合调度的EI/SCI论文;②掌握粒子群算法在多源协同优化中的建模、编码与求解关键技术;③辅助完成学位论文、科研项目申报或学术竞赛中的仿真建模任务; 阅读建议:建议结合文中提供的网盘资源下载完整代码与文档资料,按照目录结构循序渐进学习,重点关注算法实现细节、电力系统建模逻辑与参数设置方法,同时可延伸学习灰狼优化算法、YALMIP工具包等先进优化技术,以全面提升科研仿真与创新能力。
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