day04

今天的第一个内容是:闭包
什么是闭包?一句话,闭包就是内嵌函数引用了外部嵌套函数内的变量,并且返回内嵌函数。
这句话包含闭包的三个条件:1.在一个函数中,必须要有一个内嵌函数。2.内嵌函数必须引用外部嵌套函数中的变量。3.外部嵌套函数的返回值必须是内嵌函数
注意:闭包使内嵌变量保存在内存中,这个变量也包括参数,这样会使内存的消耗大,所以不能滥用闭包
闭包示例:

def a(x):
	def b(y):
		return x+y
	return b
c=a(1)
d=c(2)
print(d) --->输出结果为3

今天的第二个内容是装饰器。
装饰器是python中的一个门槛级的难点,说实话,我也不能说很懂,很会用,还在继续学习
首先要明确装饰器有什么用:装饰器可以在不改变原函数的或类的情况下,增加函数的功能。
语法:
python3中将python2的装饰器写法优化了,变得更加的简介了,用一个语法糖@就搞定

@mydeco
def a()
	pass

这就是装饰器的基本语法,用了@之后,等同于a=mydeco(a)
这些都不是难点,难点是,装饰器内部究竟是怎么实现增加函数的功能的?我们要进入到装饰器函数内部去看看才能知道。
我们要自己写一个mydeco函数

def mydeco(func):
	def wrapper():
		print('start')
		func()
		print('end')
	return wrapper
@mydeco
def a():
	print('hello')
#调用函数a
a()   这里的结果会输出什么?

输出结果如下:
start
hello
end

这就是最简单的装饰器,作为我这样的初学者,从这里开始理解装饰器会相对比较容易,才有可能学会。
我们还可以在装饰器中传递参数,如:

def mydeco(func):
	def wrapper(*args,**kwargs):
		print('start')
		func(*args,**kwargs)
		print('end')
	return wrapper
@mydeco
def a(n):
	print('hello %s'%n)
a('word')
这里的输出结果就是:
start
hello word
end

这就是带参数的装饰器函数的使用

高级一点的装饰器:
意思是上面的装饰器都是低级的咯?崩溃,我也很崩溃,但是不得不说,事实就是如此。
看下面的代码:

def big(data):
	def mydeco(func):
		def wrapper(*args,**kwargs):
			priont('start')
			func(*args,**kwargs)\
			print('end')
		return wapper
	return mydeco
@big('fuck')
def a(n):
	print('hello%s'%n)
这就是装饰器本身带参数的示例,唯一庆幸的是,参数的传递是万年不变的,还是能看懂的。

我目前能懂的就这些了,装饰器还有很多的高级的用法,比如装饰器类,我还在学习当中,就不写上去了,只写这些最基本的。等我学懂了再补充。

下面要说的是装饰器的坑:
1.最好不要在装饰器之外使用逻辑功能,否则装饰器就有可能不受控制,通常出现的情况是,输出混乱,不安指定的套路输出
2.自定义的装饰器函数其实已经把被装饰的函数名变了,我们用a.__name__来打印函数名就知道,名字变成什么了?那要看你的装饰器返回的函数名叫什么。
3.装饰器不能装饰@classmathod和@startmathod,及装饰类中的静态方法和类方法,静态方法和类方法会在后面再写
其实有没有发现,带有参数的装饰器其实是一个闭包?

拓展:
python中,专门有一个属于装饰器的第三方包,我这里只了解其中的一个,叫decorator
from decorator import decorate
用法:decorate(func,mydeco)

def mydeco(func,*args,**kwargs):
	print('hello word')
	return func(*args,**kwargs)
def a(b):
	return decorate(b,mydeco)  #用mydeco来装饰b函数
a(把要传递的参数函数写在这里传递给函数a)		

当然,也可以传递参数。

内容概要:本文详细介绍了基于Matlab实现的“梯级水光互补系统最大化可消纳电量望短优化调度模型”,属于电力系统领域高水平科研成果的复现(EI级别)。该模型聚焦于梯级水电站与光伏发电系统的协同优化调度,通过构建短优化调度框架,旨在提升可再生能源的电量消纳能力并最大化系统综合效益。研究采用先进的数学优化方法对水光资源进行联合调度,充分考虑了光伏出力的不确定性、水资源约束、系统运行边界条件及电力平衡要求,实现了在多重约束下的电量望最大化目标。模型不仅具备严谨的理论基础,还具有良好的工程应用前景,适用于新能源高比例渗透背景下电力系统的优化调度研究与实践。; 适合人群:具备电力系统分析、可再生能源利用或优化建模背景的研究生、科研人员及工程技术人员,特别适合致力于复现高水平学术论文(EI/顶刊)研究成果的学习者与开发者。; 使用场景及目标:① 学习并掌握梯级水电与光伏系统协同调度的建模思路与关键技术;② 熟悉基于Matlab的混合整数线性规划(MILP)或其他非线性优化方法在能源系统中的实际应用;③ 提升在新能源消纳、短调度优化等方向的科研建模能力与代码实现水平,支持二次开发与创新研究。; 阅读建议:建议结合Matlab代码与优化理论同步研读,重点理解目标函数的设计逻辑、各类物理与运行约束的数学表达以及求解器的调用流程,推荐使用YALMIP等建模工具辅助实现,以提高模型构建效率与可读性,便于深入理解与后续拓展。
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