a question: about SIGCHLD, thanks

dreamer_shax 2011-06-02 06:32:42
#include<stdio.h>
#include <sys/types.h>
#include <sys/stat.h>
#include <fcntl.h>
#include <unistd.h>/*fork()函数所在的头文件*/
#include <errno.h>
#include <dirent.h>
#include <setjmp.h>
#include<sys/resource.h>
#include<signal.h>

int i;

static void pri(int signo)
{
pid_t pid;
int status;

while( (pid = wait(&status))>0 )
printf("recevied sigchld,i = %d,pid = %d,status=%d\n",i,pid,status);
}

int main(int argc,char *argv[])
{
char c = 0;
pid_t pid;


signal(SIGCHLD,pri);

for(i=0;i<10;i++)
{
pid = fork();

if(pid==0)//child
{

exit(0);
}
else
{
printf("parent running,i=%d\n",i);

}
}



}


结果不可预见 ,一个例子 : 为什么后面几个信号会丢失

parent running,i=0
parent running,i=1
recevied sigchld,i = 2,pid = 13772,status=0
recevied sigchld,i = 2,pid = 13773,status=0
parent running,i=2
parent running,i=3
parent running,i=4
parent running,i=5
recevied sigchld,i = 6,pid = 13775,status=0
recevied sigchld,i = 6,pid = 13776,status=0
recevied sigchld,i = 6,pid = 13777,status=0
recevied sigchld,i = 6,pid = 13778,status=0
parent running,i=6
parent running,i=7
parent running,i=8
parent running,i=9
...全文
98 1 打赏 收藏 举报
写回复
用AI写文章
1 条回复
切换为时间正序
请发表友善的回复…
发表回复
justkk 2011-06-03
  • 打赏
  • 举报
回复
父进程结束的太快了吧
加一条sleep(1)看看
内容概要:本文聚焦于氢燃料电池极化曲线参数的辨识与性能评估,采用人工蜂群算法(ABC)结合Matlab编程实现。研究基于Amphlett半经验模型构建质子交换膜燃料电池(PEMFC)的极化特性模型,通过优化算法对模型中的高维非线性参数进行全局辨识,旨在精确还原燃料电池的实际输出电压-电流关系。文中系统分析了人工蜂群算法在参数反演过程中的收敛性、敏感性与可辨识性,验证了其在多参数耦合、强非线性系统建模中的优越性能。同时,通过对辨识后的模型进行多维度性能评估,如残差分析、拟合优度检验与工况适应性测试,全面衡量模型精度与实用性,为燃料电池系统的设计、控制与优化提供可靠的理论依据与数据支撑。; 适合人群:具备一定Matlab编程基础,从事新能源、燃料电池、系统建模或智能优化算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:① 掌握基于智能优化算法的复杂电化学系统参数辨识方法;② 学习利用Amphlett等半经验模型进行PEMFC建模与仿真;③ 理解人工蜂群算法在解决高维非线性优化问题中的应用技巧与性能分析方法;④ 实现燃料电池性能的精确评估与预测。; 阅读建议:本资源以Matlab代码实现为核心,强调算法应用与实践操作。学习者应在掌握基本电化学原理和优化算法概念的基础上,结合提供的代码进行调试与仿真,重点关注目标函数的构建、参数初始化范围的设定以及算法收敛过程的可视化分析,以深入理解参数辨识的内在机理。
内容概要:本文围绕大规模新能源并网背景下的电力系统经济调度问题,重点研究火电机组深度调峰的优化建模与求解方法。针对新能源出力具有的强波动性和高随机性特点,构建了考虑火电机组深度调峰能力的经济调度模型,通过优化机组在低负荷运行区间的调度策略,提升系统对风电、光伏等间歇性电源的消纳能力,同时降低系统整体运行成本。研究采用Matlab平台进行编程实现,结合粒子群、遗传算法等智能优化算法对模型进行高效求解,充分验证了所提方法在增强系统灵活性、保障运行安全性及提升经济性方面的有效性。文中提供了完整的代码实现流程与详细的仿真结果分析,便于读者复现和进一步拓展研究。; 适合人群:具备电力系统分析、运筹优化基础知识及Matlab编程能力的高校硕士、博士研究生,从事新能源并网、电力系统调度、能源互联网等方向的科研人员,以及电力企业中从事运行规划与调度管理的工程技术人员。; 使用场景及目标:①深入理解高比例新能源接入下电力系统灵活调节的需求与挑战;②掌握火电机组深度调峰的建模方法及其在经济调度中的实现路径;③学习基于Matlab的优化模型构建、智能算法求解与仿真分析技术;④为开展源网荷储协同优化、新型电力系统调度决策等前沿课题提供方法论支持和技术参考。; 阅读建议:建议读者结合文中的数学模型推导与Matlab代码实现,逐步理解目标函数构建、约束条件处理(如机组爬坡、最小启停时间、深度调峰能力限制)及算法参数设置等关键环节。在学习过程中,可尝试调整新能源渗透率、负荷需求模式或引入更复杂的约束条件,进行对比实验,以深化对调度模型鲁棒性与适应性的理解。

23,224

社区成员

发帖
与我相关
我的任务
社区描述
Linux/Unix社区 应用程序开发区
社区管理员
  • 应用程序开发区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧