20234115马煜章《python程序设计》实验四报告

20234115马煜章 2024-05-28 21:10:46

20234115马煜章《python程序设计》实验四报告

课程:《Python程序设计》
班级:2341
姓名:马煜章
学号:20234115
实验教师:王志强
实验日期:2024年5月27日
必修/选修: 专选课

1.实验内容

Python综合应用:爬虫、数据处理、可视化、机器学习、神经网络、游戏、网络安全等。
在Windows/Linux系统上使用VIM、PDB、IDLE、Pycharm等工具编程实现。
选择利用PyCharm编写游戏“贪吃蛇”。

 

2.实验过程及结果

(1)设计想法

贪吃蛇是一款十分简单而且经典的小游戏(我小时候非常喜欢玩),基本元素少(只有蛇和食物),方便我这种初学者进行操作。Python这个单词在英语中是蟒蛇的意思,贪食蛇也可以算是其同名游戏了。所以我最终选择做一款贪吃蛇小游戏。

“蛇”如何表示?我选择将整个游戏区域划分成许多小方格,那么,“蛇”就可以用一组连在一起的小方格来表示,并且用不同的颜色,来和背景进行区分。由于每一个小方格都可以用一个坐标来表示,且X轴和Y轴的范围都可进行人为的设定,那么,“蛇”就可以用一个存放坐标的列表来表示。

解决了“蛇”如何存在的问题,接下来就是解决“蛇”如何运动的问题。在现实生活中,蛇的运动是整个蛇身一起向前爬行,抽象成物理模型的话,也就是蛇身上每一个点都以同样的方向和速度移动。如果以同样的思路,放在Python里面就是构成“蛇身”的所有方格同时运动,比较复杂。通过对同类游戏运行画面的逐帧比较,我发现,实际上运动的方格只有“蛇头”和“蛇尾”,“蛇身”的每一个方格只不过是在沿着前一个方格的轨迹运行(或是替代了前一个方格位置)。因此,“蛇”的运动可以抽象为“蛇头出现,蛇尾消失”,即将下一格(“新蛇头”)的坐标添加到列表中,将列表中最后一个坐标(“旧蛇尾”)移除的,就可以实现“蛇”的运动。

最后是游戏输赢的判定。游戏结束有两种情况。一是“蛇”的移动超出了游戏区域的范围,二是“蛇”碰到了自己。前者很容易判定,因为游戏区域的范围是已经设定好的;后者需要用的“化动为静”的思想,将运动的“蛇”想成静态的列表,只需要判断食物的坐标是否包含在“蛇”的列表中就可以了。

(2)程序结构

①安装插件pygame

 

 

②搭建初始环境,绘制游戏场景

这一部分包括游戏初始化界面,游戏窗口大小,主要是设置参数。

 

③确定蛇和食物的位置

使用列表确定蛇的位置,使用random函数确定食物的位置。

 

④死亡函数

使用def定义死亡函数。

 

⑤游戏循环

使用while if语句设置游戏循环。

 ⑥设置游戏结束条件

 

 

3.遇到的问题以及感想体会

 

问题1:写好的程序无法运行,而且程序检测无错。

解决方案:安装pygame插件。

 

问题2:蛇吃不到食物。

解决方案:修改蛇的宽度,使之于食物的大小一致;同时,修改蛇运动的速度,使之能同时被游戏区域的长宽以及食物的长宽整除。

4.结课总结与反思

Python编程世界对于文科生来说,可能是一个全新的领域。开始时可能会感到有些困难,但每当解决一个问题或编写出一个小程序时,那种成就感会让人非常兴奋。学习Python让我有机会将编程技能与自身的专业知识相结合。例如,可以用Python进行文本分析等,这些技能在社会科学、人文科学等领域都非常有用。编程需要严谨的逻辑和系统的思考,这有助于我培养更加理性、科学的思维方式。

总之,对于我来说,学习Python不仅可以拓宽自己的知识和技能领域,还可以提升自己的竞争力、工作效率和创新精神。虽然学习过程中可能会遇到一些困难和挑战,但只要有兴趣和决心,就一定能够掌握这门强大的编程语言。感谢志强老师,给了我接触python的机会,并悉心教导我。期望与您的再次相遇!

 

...全文
321 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文聚焦风电出力的不确定性问题,采用拉丁超立方抽样(Latin Hypercube Sampling, LHS)方法生成具有统计代表性的风电出力初始场景集,有效克服传统蒙特卡洛抽样存在的样本冗余与收敛速度慢的缺陷。为进一步降低场景数量以提升电力系统优化调度的计算效率,研究结合K-means聚类、快速前向选择等场景缩减技术,对生成的高维场景进行聚合与概率修正,保留最具代表性的典型场景及其对应概率分布。整个建模流程在Matlab平台上编程实现,形成一套完整的“抽样—生成—缩减—验证”的不确定性建模框架,为含高比例风电的电力系统提供高质量、低冗余的输入场景集,显著增强随机优化、鲁棒优化等模型的求解效率与工程实用性。; 适合人群:具备电力系统分析、概率统计基础及Matlab编程能力,从事新能源并网、电力系统优化调度、不确定性建模与风险评估等方向的科研人员、工程技术人员及研究生。; 使用场景及目标:①应用于风电主导的电力系统随机优化调度、机会约束规划、鲁棒经济调度等场景,提升模型对不确定性的刻画能力;②帮助研究者深入掌握拉丁超立方抽样与场景缩减的核心原理与实现方法,构建高精度的不确定性输入模型;③为复杂电力系统仿真提供经过科学约简的典型场景集,平衡计算精度与效率,支撑实际工程决策。; 阅读建议:建议读者结合提供的Matlab代码逐模块调试与运行,重点理解LHS在多维空间中的分层抽样机制、场景距离度量方式及聚类缩减过程中的概率守恒原则,关注缩减前后场景集的分布保真性与计算效率提升效果,以全面掌握风电不确定性建模的关键技术路径。
代码下载链接: https://pan.quark.cn/s/a4b39357ea24 全国范围内的飞思卡尔智能车竞赛是一项专注于在校大学生的科技创新项目,其目的在于通过设计并制造一辆能够执行特定任务的智能车辆,以增强学生的创新思维和工程实践技能。在此过程中,参赛团队需要开发相应的控制程序代码,用以确保智能车的平稳运作以及高级功能,例如路径选择、障碍物躲避等。本文将详细分析飞思卡尔智能车竞赛程序代码中常见的几个核心信息技术范畴:PID控制方法、智能控制方法、图像识别方法以及超声波测距技术。 PID控制方法作为智能车控制系统的核心组成部分,通过模仿人类的驾驶行为,并融合传感器提供的实时数据,对车辆的运动进行精确调控。在智能车竞赛中,PID控制通常被应用于处理车速、方向和加速度等多个控制方面。一个标准的PID控制系统主要由三个关键部分构成:比例部分(P)、积分部分(I)和微分部分(D)。比例部分负责减少误差,积分部分旨在消除稳态误差,而微分部分则预测误差的发展趋势,从而实现快速响应变化。通过调整PID参数,可以使智能车在赛道上保持稳定,并能迅速适应赛道条件的变化。 智能控制方法的实现是智能车在复杂环境中有效运行的关键。智能控制往往需要整合机器学习和人工智能技术,例如模糊逻辑、神经网络或遗传算法等。在智能车竞赛场景下,车辆需要依据传感器收集的环境数据,完成对路线的识别、障碍物的规避等任务。路径规划方法能够协助车辆挑选最优的行驶路线,而避障策略则保障车辆能够安全地绕开前方的障碍物。此外,智能车还应具备一定的学习功能,能够适应环境的变化,并作出相应的调整。 图像识别方法对于智能车对赛道的感知能力具有决定性作用。车辆通常配备摄像头或其他视觉传感器来采集图像信息。借助图像处理...

93

社区成员

发帖
与我相关
我的任务
社区描述
Python程序设计作业
软件构建 高校 北京·丰台区
社区管理员
  • blackwall0321
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