智能优化算法：鲸鱼优化算法-附代码-程序员宅基地
智能优化算法：鲸鱼优化算法-附代码
文章目录
摘要：鲸鱼优化算法 (whale optimization algorithm,WOA)是 2016 年由澳大利亚格里菲斯大学的Mirjalili 等提出的一种新的群体智能优化算法，其优点在于操作简单，调整的参数少以及跳出局部
最优的能力强。
1.算法原理
鲸鱼优化算法(whale optimization algorithm,WOA)是模仿座头鲸的狩猎行为进而提出的一种新型启发式优化算法。在 WOA 算法中，每只座头鲸的位置代表一个可行解。在海洋活动中，座头鲸有
着一种特殊的狩猎方法，这种觅食行为称为bubble-net 捕食策略 [27] ，其狩猎行为如图 1 所示。
1.1包围猎物
座头鲸在狩猎时要包围猎物，为了描述这种行为，Mirjalili 提出了下面的数学模型：
D = ∣ C X ∗ ( t ) − X ( t ) ∣ X ( t + 1 ) = X ∗ ( t ) − A D D=|CX^{*}(t)-X(t)|\\ X(t+1)=X^{*}(t)-AD D=∣CX∗(t)−X(t)∣X(t+1)=X∗(t)−AD
式中： t t t是当前迭代次数； A A A和 C C C为表示系数， X ∗ ( t ) X^{*}(t) X∗(t)表示目前为止最好的鲸鱼位置向量， X ( t ) X(t) X(t)
表示当前鲸鱼的位置向量，$A $和 C C C 由下式可得到
A = 2 a r 1 − a C = 2 r 2 a = 2 − 2 t T m a x A=2ar_{1}-a\\ C=2r_{2}\\ a=2-\frac {2t}{T_{max}} A=2ar1−aC=2r2a=2−Tmax2t
其中， r 1 r_{1} r1 和 r 2 r_{2} r2是(0,1)中的随机数，a 的值从 2到 0 线性下降， t t t 表示当前的迭代次数， T m a x T_{max} Tmax 为最大迭代次数。
1.2 狩猎行为
根据座头鲸的狩猎行为，它是以螺旋运动游向猎物，故狩猎行为的数学模型如下：
X ( t + 1 ) = X ∗ ( t ) + D p e b l c o s ( 2 π l ) X(t+1)=X^{*}(t)+D_{p}e^{bl}cos(2\pi l) X(t+1)=X∗(t)+Dpeblcos(2πl)
其中， D p = ∣ X ∗ ( t ) − X ( t ) ∣ D_{p} =|X^{*} (t)−X(t)| Dp=∣X∗(t)−X(t)∣表示鲸鱼和猎物之间的距离， X ∗ ( t ) X^{*}(t) X∗(t)表示目前为止最好的位置向量， b b b 是一个常数，用来定义螺线的形状， l l l 是(−1,1)中的随机数。值得注意的是，鲸鱼以螺旋形状游向猎物的同时还要收缩包围圈。因此，在这种同步行为模型中，假设有 P i P_{i} Pi 的概率选择收缩包围机制和 1 − P i 1−P_{i} 1−Pi的概率选择螺旋模型来更新鲸鱼的位置，其数学模型如下:
X ( t + 1 ) = { X ∗ ( t ) − A D , p < P i X ( t ) = X ∗ ( t ) + D p e b l c o s ( 2 π l ) X(t+1)=\begin{cases} X^{*}(t)-AD, p<P_{i}\\ X(t)=X^{*}(t)+D_{p}e^{bl}cos(2\pi l) \end{cases} X(t+1)={
X∗(t)−AD,p<PiX(t)=X∗(t)+Dpeblcos(2πl)
攻击猎物时，在数学模型上靠近猎物设定了减小 a a a 的值，这样 A A A 的波动范围也随$ a$ 下降。在迭代过程中当 a a a的值从2到0下降时， A A A是在 [ − a , a ] [−a,a] [−a,a]内的随机值，当 A A A 的值在[−1,1]内时，鲸鱼的下一个位置可以是它现在的位置和猎物的位置之间的任意位置，算法设定当 A < 1 A<1 A<1 时，鲸鱼向猎物发起攻击。
1.3 搜索猎物
在搜索猎物时，其数学模型如下：
D = ∣ C X r a n d − X t ∣ X ( t + 1 ) = X r a n d − A D D=|CX_{rand}-X{t}|\\ X(t+1)=X_{rand}-AD D=∣CXrand−Xt∣X(t+1)=Xrand−AD
其中， X r a n d X_{rand} Xrand 是随机选择的鲸鱼位置向量，算法设定当 A ≥ 1 A≥1 A≥1 时，随机选择一个搜索代理，根据随机选择的鲸鱼位置来更新其他鲸鱼的位置，迫使鲸鱼偏离猎物，借此找到一个更合适的猎物，这样可以加强算法的勘探能力使 WOA 算法能够进行全局
搜索。
1.4 算法流程
（1）初始化参数：即鲸鱼种群规模大小 S N SN SN，最大迭代次数 T m a x T_{max} Tmax ；
（2）算法初始化鲸鱼种群的位置；
（3）计算每一头鲸鱼相应的适应度值，根据适应度值的大小排序，并选取 S N SN SN 个作为初始种群；
（4）计算出 S N SN SN个个体适应度值的大小，找出适应度值最小的个体位置作为最优位置；
（5）更新下一代的位置；
（6）若达到终止条件，则输出最优个体，即算法找到的最优解；否则，返回步骤（4）。
2. 算法结果：
参考文献：
[1]Seyedali Mirjalili,Andrew Lewis. The Whale Optimization Algorithm[J]. Advances in Engineering Software,2016,95.
Matalb代码地址：
鲸鱼优化算法
改进算法matlab代码
| 名称 | 说明或者参考文献 |
|---|---|
| 混合策略改进鲸鱼优化算法(IWOA) | [1]徐航,张达敏,王依柔,宋婷婷,樊英.混合策略改进鲸鱼优化算法[J].计算机工程与设计,2020,41(12):3397-3404. |
| 基于高斯映射和小孔成像学习策略的鲸鱼优化算法(IWOA) | [1]徐航,张达敏,王依柔,宋婷婷,王栎桥.基于高斯映射和小孔成像学习策略的鲸鱼优化算法[J].计算机应用研究,2020,37(11):3271-3275. |
| 一种非线性权重的自适应鲸鱼优化算法(NWAWOA) | [1]赵传武,黄宝柱,阎跃观,代文晨,张建.一种非线性权重的自适应鲸鱼优化算法[J].计算机技术与发展,2020,30(10):7-13. |
| 一种基于精英反向和纵横交叉的鲸鱼优化算法(ECWOA) | [1]刘琨,赵露露,王辉.一种基于精英反向和纵横交叉的鲸鱼优化算法[J].小型微型计算机系统,2020,41(10):2092-2097. |
| 一种全局搜索策略的鲸鱼优化算法(GSWOA) | [1]刘磊,白克强,但志宏,张松,刘知贵.一种全局搜索策略的鲸鱼优化算法[J].小型微型计算机系统,2020,41(09):1820-1825. |
| 基于自适应决策算子的鲸鱼优化算法(IWOA) | [1]徐航,张达敏,王依柔,宋婷婷,樊英.基于自适应决策算子的鲸鱼优化算法[J].智能计算机与应用,2020,10(09):6-11. |
| 基于混沌的正余弦鲸鱼优化算法(EWOA) | [1]林杰,何庆,王茜,杨荣莹,宁杰琼.基于混沌的正余弦鲸鱼优化算法[J].智能计算机与应用,2020,10(09):43-48+52. |
| 一种基于交叉选择的柯西反向鲸鱼优化算法（QOWOA） | [1]冯文涛,邓兵.一种基于交叉选择的柯西反向鲸鱼优化算法[J].兵器装备工程学报,2020,41(08):131-137. |
| 一种基于自适应策略的混合鲸鱼优化算法（HWBOA） | [1]王廷元,何先波,贺春林.一种基于自适应策略的混合鲸鱼优化算法[J].西华师范大学学报(自然科学版),2021,42(01):92-99. |
| 一种改进的鲸鱼优化算法(IWOA) | [1]武泽权,牟永敏.一种改进的鲸鱼优化算法[J].计算机应用研究,2020,37(12):3618-3621. |
| 基于阈值控制的一种改进鲸鱼算法(TIWOA) | [1]黄飞,吴泽忠.基于阈值控制的一种改进鲸鱼算法[J].系统工程,2020,38(02):133-148. |
| 基于莱维飞行和自适应策略的正弦余弦算法 | [1]黄辉先,张广炎,陈思溢,胡拚.基于混沌权重和精英引导的鲸鱼优化算法[J].传感器与微系统,2020,39(05):113-116. |
| 基于自适应调整权重和搜索策略的鲸鱼优化算法(AWOA) | [1]孔芝,杨青峰,赵杰,熊浚钧.基于自适应调整权重和搜索策略的鲸鱼优化算法[J].东北大学学报(自然科学版),2020,41(01):35-43. |
| 嵌入Circle映射和逐维小孔成像反向学习的鲸鱼优化算法(MWOA) | [1]张达敏,徐航,王依柔,宋婷婷,王栎桥.嵌入Circle映射和逐维小孔成像反向学习的鲸鱼优化算法[J].控制与决策,2021,36(05):1173-1180. |
| 融合动态概率阈值和自适应变异的鲸鱼优化算法（PTMWOA） | [1]毕孝儒,牟琦,龚尚福.融合动态概率阈值和自适应变异的鲸鱼优化算法[J].微电子学与计算机,2019,36(12):78-83+88. |
| 基于改进螺旋更新位置模型的鲸鱼优化算法（IMWOA） | [1]吴泽忠,宋菲.基于改进螺旋更新位置模型的鲸鱼优化算法[J].系统工程理论与实践,2019,39(11):2928-2944. |
| 一种增强型鲸鱼优化算法(EWOA) | [1]冯文涛,宋科康.一种增强型鲸鱼优化算法[J].计算机仿真,2020,37(11):275-279+357. |
| 混沌策略和单纯形法改进的鲸鱼优化算法（CSWOA） | [1]张潮,冯锋.混沌策略和单纯形法改进的鲸鱼优化算法[J].中国科技论文,2020,15(03):293-299. |
| 精英反向黄金正弦鲸鱼算法(EGoldenSWOA) | [1]肖子雅,刘升.精英反向黄金正弦鲸鱼算法及其工程优化研究[J].电子学报,2019,47(10):2177-2186. |
| 基于非线性收敛因子和局部扰动的鲸鱼算法(NPWOA) | [1]于俊洋,高宁杰,李涵.基于非线性收敛因子和局部扰动的鲸鱼算法[J].计算机工程与设计,2019,40(10):2861-2866. |
| 混沌反馈自适应鲸鱼优化算法研究(CFAWOA) | [1]涂春梅,陈国彬,刘超.混沌反馈自适应鲸鱼优化算法研究[J].统计与决策,2019,35(07):17-20. |
| 基于混沌搜索策略的鲸鱼优化算法(CWOA) | [1]王坚浩,张亮,史超,车飞,丁刚,武杰.基于混沌搜索策略的鲸鱼优化算法[J].控制与决策,2019,34(09):1893-1900. |
| 基于反馈机制的鲸鱼优化算法(FWOA) | [1]范家承,何杰光.基于反馈机制的鲸鱼优化算法[J].广东石油化工学院学报,2018,28(04):47-51. |
| 基于随机差分变异的改进鲸鱼优化算法(IWOA) | [1]覃溪,龙文.基于随机差分变异的改进鲸鱼优化算法[J].中国科技论文,2018,13(08):937-942. |
| 收敛因子非线性变化的鲸鱼优化算法(IWOA) | [1]龙文,伍铁斌,唐斌.收敛因子非线性变化的鲸鱼优化算法[J].兰州理工大学学报,2017,43(06):102-107. |
| 基于自适应权重和柯西变异的鲸鱼优化算法(WOAWC) | [1]郭振洲,王平,马云峰,王琦,拱长青.基于自适应权重和柯西变异的鲸鱼优化算法[J].微电子学与计算机,2017,34(09):20-25. |
| 一种随机调整控制参数的鲸鱼优化算法(EWOA) | [1]钟明辉,龙文.一种随机调整控制参数的鲸鱼优化算法[J].科学技术与工程,2017,17(12):68-73. |
算法相关应用matlab代码
| 名称 | 说明或者参考文献 |
|---|---|
| 鲸鱼优化的BP神经网络（预测） | https://blog.csdn.net/u011835903/article/details/112149776 （原理一样，只是优化算法为鲸鱼） |
| 鲸鱼优化的BP神经网络（分类） | https://blog.csdn.net/u011835903/article/details/112149394（原理一样，只是优化算法为鲸鱼） |
| 基于鲸鱼优化的Elman神经网络数据预测 | https://blog.csdn.net/u011835903/article/details/111411129（原理一样，只是优化算法为鲸鱼） |
| 基于鲸鱼算法的极限学习机(ELM)分类算法 | https://blog.csdn.net/u011835903/article/details/111177850（原理一样，只是优化算法为鲸鱼） |
| 基于鲸鱼算法的极限学习机(ELM)回归预测 | https://blog.csdn.net/u011835903/article/details/111073635（原理一样，只是优化算法为鲸鱼） |
| 基于鲸鱼算法优化的广义回归神经网络(GRNN)预测 | https://blog.csdn.net/u011835903/article/details/110941139（原理一样，只是优化算法为鲸鱼） |
| 基于鲸鱼算法优化的SVM回归预测 | https://blog.csdn.net/u011835903/article/details/110630270（原理一样，只是优化算法为鲸鱼） |
| 基于鲸鱼算法优化的SVM数据分类 | https://blog.csdn.net/u011835903/article/details/110523352（原理一样，只是优化算法为鲸鱼） |
| 基于鲸鱼优化的最大熵多阈值分割 | https://blog.csdn.net/u011835903/article/details/108203775（原理一样，只是优化算法为鲸鱼） |
| 鲸鱼算法优化的otsu多阈值分割 | https://blog.csdn.net/u011835903/article/details/108019744（原理一样，只是优化算法为鲸鱼） |
| 鲸鱼优化的PID参数优化 | https://blog.csdn.net/u011835903/article/details/109306387（原理一样，只是优化算法为鲸鱼） |
| 基于鲸鱼算法的无线传感器网(WSN)覆盖优化 | https://blog.csdn.net/u011835903/article/details/109262039（原理一样，只是优化算法为鲸鱼） |
| 基于鲸鱼算法的3D无线传感器网(WSN)覆盖优化 | https://blog.csdn.net/u011835903/article/details/113834323（原理一样，只是优化算法为鲸鱼） |
Python代码地址：
改进算法python代码
| 名称 | 说明或者参考文献 |
|---|---|
| 混合策略改进鲸鱼优化算法(IWOA) | [1]徐航,张达敏,王依柔,宋婷婷,樊英.混合策略改进鲸鱼优化算法[J].计算机工程与设计,2020,41(12):3397-3404. |
| 基于高斯映射和小孔成像学习策略的鲸鱼优化算法(IWOA) | [1]徐航,张达敏,王依柔,宋婷婷,王栎桥.基于高斯映射和小孔成像学习策略的鲸鱼优化算法[J].计算机应用研究,2020,37(11):3271-3275. |
| 一种非线性权重的自适应鲸鱼优化算法(NWAWOA) | [1]赵传武,黄宝柱,阎跃观,代文晨,张建.一种非线性权重的自适应鲸鱼优化算法[J].计算机技术与发展,2020,30(10):7-13. |
| 一种基于精英反向和纵横交叉的鲸鱼优化算法(ECWOA) | [1]刘琨,赵露露,王辉.一种基于精英反向和纵横交叉的鲸鱼优化算法[J].小型微型计算机系统,2020,41(10):2092-2097. |
| 一种全局搜索策略的鲸鱼优化算法(GSWOA) | [1]刘磊,白克强,但志宏,张松,刘知贵.一种全局搜索策略的鲸鱼优化算法[J].小型微型计算机系统,2020,41(09):1820-1825. |
| 基于自适应决策算子的鲸鱼优化算法(IWOA) | [1]徐航,张达敏,王依柔,宋婷婷,樊英.基于自适应决策算子的鲸鱼优化算法[J].智能计算机与应用,2020,10(09):6-11. |
| 基于混沌的正余弦鲸鱼优化算法(EWOA) | [1]林杰,何庆,王茜,杨荣莹,宁杰琼.基于混沌的正余弦鲸鱼优化算法[J].智能计算机与应用,2020,10(09):43-48+52. |
| 一种基于交叉选择的柯西反向鲸鱼优化算法（QOWOA） | [1]冯文涛,邓兵.一种基于交叉选择的柯西反向鲸鱼优化算法[J].兵器装备工程学报,2020,41(08):131-137. |
| 一种基于自适应策略的混合鲸鱼优化算法（HWBOA） | [1]王廷元,何先波,贺春林.一种基于自适应策略的混合鲸鱼优化算法[J].西华师范大学学报(自然科学版),2021,42(01):92-99. |
| 一种改进的鲸鱼优化算法(IWOA) | [1]武泽权,牟永敏.一种改进的鲸鱼优化算法[J].计算机应用研究,2020,37(12):3618-3621. |
| 基于阈值控制的一种改进鲸鱼算法(TIWOA) | [1]黄飞,吴泽忠.基于阈值控制的一种改进鲸鱼算法[J].系统工程,2020,38(02):133-148. |
| 基于莱维飞行和自适应策略的正弦余弦算法 | [1]黄辉先,张广炎,陈思溢,胡拚.基于混沌权重和精英引导的鲸鱼优化算法[J].传感器与微系统,2020,39(05):113-116. |
| 基于自适应调整权重和搜索策略的鲸鱼优化算法(AWOA) | [1]孔芝,杨青峰,赵杰,熊浚钧.基于自适应调整权重和搜索策略的鲸鱼优化算法[J].东北大学学报(自然科学版),2020,41(01):35-43. |
| 嵌入Circle映射和逐维小孔成像反向学习的鲸鱼优化算法(MWOA) | [1]张达敏,徐航,王依柔,宋婷婷,王栎桥.嵌入Circle映射和逐维小孔成像反向学习的鲸鱼优化算法[J].控制与决策,2021,36(05):1173-1180. |
| 融合动态概率阈值和自适应变异的鲸鱼优化算法（PTMWOA） | [1]毕孝儒,牟琦,龚尚福.融合动态概率阈值和自适应变异的鲸鱼优化算法[J].微电子学与计算机,2019,36(12):78-83+88. |
| 基于改进螺旋更新位置模型的鲸鱼优化算法（IMWOA） | [1]吴泽忠,宋菲.基于改进螺旋更新位置模型的鲸鱼优化算法[J].系统工程理论与实践,2019,39(11):2928-2944. |
| 一种增强型鲸鱼优化算法(EWOA) | [1]冯文涛,宋科康.一种增强型鲸鱼优化算法[J].计算机仿真,2020,37(11):275-279+357. |
| 混沌策略和单纯形法改进的鲸鱼优化算法（CSWOA） | [1]张潮,冯锋.混沌策略和单纯形法改进的鲸鱼优化算法[J].中国科技论文,2020,15(03):293-299. |
| 精英反向黄金正弦鲸鱼算法(EGoldenSWOA) | [1]肖子雅,刘升.精英反向黄金正弦鲸鱼算法及其工程优化研究[J].电子学报,2019,47(10):2177-2186. |
| 基于非线性收敛因子和局部扰动的鲸鱼算法(NPWOA) | [1]于俊洋,高宁杰,李涵.基于非线性收敛因子和局部扰动的鲸鱼算法[J].计算机工程与设计,2019,40(10):2861-2866. |
| 混沌反馈自适应鲸鱼优化算法研究(CFAWOA) | [1]涂春梅,陈国彬,刘超.混沌反馈自适应鲸鱼优化算法研究[J].统计与决策,2019,35(07):17-20. |
| 基于混沌搜索策略的鲸鱼优化算法(CWOA) | [1]王坚浩,张亮,史超,车飞,丁刚,武杰.基于混沌搜索策略的鲸鱼优化算法[J].控制与决策,2019,34(09):1893-1900. |
| 基于反馈机制的鲸鱼优化算法(FWOA) | [1]范家承,何杰光.基于反馈机制的鲸鱼优化算法[J].广东石油化工学院学报,2018,28(04):47-51. |
| 基于随机差分变异的改进鲸鱼优化算法(IWOA) | [1]覃溪,龙文.基于随机差分变异的改进鲸鱼优化算法[J].中国科技论文,2018,13(08):937-942. |
| 收敛因子非线性变化的鲸鱼优化算法(IWOA) | [1]龙文,伍铁斌,唐斌.收敛因子非线性变化的鲸鱼优化算法[J].兰州理工大学学报,2017,43(06):102-107. |
| 基于自适应权重和柯西变异的鲸鱼优化算法(WOAWC) | [1]郭振洲,王平,马云峰,王琦,拱长青.基于自适应权重和柯西变异的鲸鱼优化算法[J].微电子学与计算机,2017,34(09):20-25. |
| 一种随机调整控制参数的鲸鱼优化算法(EWOA) | [1]钟明辉,龙文.一种随机调整控制参数的鲸鱼优化算法[J].科学技术与工程,2017,17(12):68-73. |
智能推荐
874计算机科学基础综合,2018年四川大学874计算机科学专业基础综合之计算机操作系统考研仿真模拟五套题...-程序员宅基地
文章浏览阅读1.1k次。一、选择题1． 串行接口是指( )。A. 接口与系统总线之间串行传送，接口与I/0设备之间串行传送B. 接口与系统总线之间串行传送，接口与1/0设备之间并行传送C. 接口与系统总线之间并行传送，接口与I/0设备之间串行传送D. 接口与系统总线之间并行传送，接口与I/0设备之间并行传送【答案】C2． 最容易造成很多小碎片的可变分区分配算法是( )。A. 首次适应算法B. 最佳适应算法..._874 计算机科学专业基础综合题型
XShell连接失败：Could not connect to '192.168.191.128' (port 22): Connection failed._could not connect to '192.168.17.128' (port 22): c-程序员宅基地
文章浏览阅读9.7k次，点赞5次，收藏15次。连接xshell失败，报错如下图，怎么解决呢。1、通过ps -e|grep ssh命令判断是否安装ssh服务2、如果只有客户端安装了，服务器没有安装，则需要安装ssh服务器，命令：apt-get install openssh-server3、安装成功之后，启动ssh服务，命令：/etc/init.d/ssh start4、通过ps -e|grep ssh命令再次判断是否正确启动..._could not connect to '192.168.17.128' (port 22): connection failed.
杰理之KeyPage【篇】_杰理 空白芯片 烧入key文件-程序员宅基地
文章浏览阅读209次。00000000_杰理 空白芯片 烧入key文件
一文读懂ChatGPT，满足你对chatGPT的好奇心_引发对chatgpt兴趣的表述-程序员宅基地
文章浏览阅读475次。2023年初，“ChatGPT”一词在社交媒体上引起了热议，人们纷纷探讨它的本质和对社会的影响。就连央视新闻也对此进行了报道。作为新传专业的前沿人士，我们当然不能忽视这一热点。本文将全面解析ChatGPT，打开“技术黑箱”，探讨它对新闻与传播领域的影响。_引发对chatgpt兴趣的表述
中文字符频率统计python_用Python数据分析方法进行汉字声调频率统计分析-程序员宅基地
文章浏览阅读259次。用Python数据分析方法进行汉字声调频率统计分析木合塔尔·沙地克;布合力齐姑丽·瓦斯力【期刊名称】《电脑知识与技术》【年(卷),期】2017(013)035【摘要】该文首先用Python程序,自动获取基本汉字字符集中的所有汉字,然后用汉字拼音转换工具pypinyin把所有汉字转换成拼音,最后根据所有汉字的拼音声调,统计并可视化拼音声调的占比.【总页数】2页(13-14)【关键词】数据分析;数据可..._汉字声调频率统计
linux输出信息调试信息重定向-程序员宅基地
文章浏览阅读64次。最近在做一个android系统移植的项目，所使用的开发板com1是调试串口，就是说会有uboot和kernel的调试信息打印在com1上（ttySAC0）。因为后期要使用ttySAC0作为上层应用通信串口，所以要把所有的调试信息都给去掉。参考网上的几篇文章，自己做了如下修改，终于把调试信息重定向到ttySAC1上了，在这做下记录。参考文章有：http://blog.csdn.net/longt..._嵌入式rootfs 输出重定向到/dev/console
随便推点
uniapp 引入iconfont图标库彩色symbol教程_uniapp symbol图标-程序员宅基地
文章浏览阅读1.2k次，点赞4次，收藏12次。1，先去iconfont登录，然后选择图标加入购物车 2，点击又上角车车添加进入项目我的项目中就会出现选择的图标 3，点击下载至本地，然后解压文件夹，然后切换到uniapp打开终端运行注：要保证自己电脑有安装node(没有安装node可以去官网下载Node.js 中文网)npm i -g iconfont-tools（mac用户失败的话在前面加个sudo，password就是自己的开机密码吧）4,终端切换到上面解压的文件夹里面，运行iconfont-tools 这些可以默认也可以自己命名（我是自己命名的_uniapp symbol图标
C、C++ 对于char*和char[]的理解_c++ char*-程序员宅基地
文章浏览阅读1.2w次，点赞25次，收藏192次。char*和char[]都是指针，指向第一个字符所在的地址，但char*是常量的指针，char[]是指针的常量_c++ char*
Sublime Text2 使用教程-程序员宅基地
文章浏览阅读930次。代码编辑器或者文本编辑器，对于程序员来说，就像剑与战士一样，谁都想拥有一把可以随心驾驭且锋利无比的宝剑，而每一位程序员，同样会去追求最适合自己的强大、灵活的编辑器，相信你和我一样，都不会例外。我用过的编辑器不少，真不少～ 但却没有哪款让我特别心仪的，直到我遇到了 Sublime Text 2 ！如果说“神器”是我能给予一款软件最高的评价，那么我很乐意为它封上这么一个称号。它小巧绿色且速度非
对10个整数进行按照从小到大的顺序排序用选择法和冒泡排序_对十个数进行大小排序java-程序员宅基地
文章浏览阅读4.1k次。一、选择法这是每一个数出来跟后面所有的进行比较。2.冒泡排序法，是两个相邻的进行对比。_对十个数进行大小排序java
物联网开发笔记——使用网络调试助手连接阿里云物联网平台（基于MQTT协议）_网络调试助手连接阿里云连不上-程序员宅基地
文章浏览阅读2.9k次。物联网开发笔记——使用网络调试助手连接阿里云物联网平台（基于MQTT协议）其实作者本意是使用4G模块来实现与阿里云物联网平台的连接过程，但是由于自己用的4G模块自身的限制，使得阿里云连接总是无法建立，已经联系客服返厂检修了，于是我在此使用网络调试助手来演示如何与阿里云物联网平台建立连接。一.准备工作1.MQTT协议说明文档（3.1.1版本）2.网络调试助手（可使用域名与服务器建立连接）PS：与阿里云建立连解释，最好使用域名来完成连接过程，而不是使用IP号。这里我跟阿里云的售后工程师咨询过，表示对应_网络调试助手连接阿里云连不上
＜＜＜零基础C++速成＞＞＞_无c语言基础c++期末速成-程序员宅基地
文章浏览阅读544次，点赞5次，收藏6次。运算符与表达式任何高级程序设计语言中，表达式都是最基本的组成部分，可以说C++中的大部分语句都是由表达式构成的。_无c语言基础c++期末速成