इस पाठ को फॉर लूप फ़न कहते है।
इस पाठ में, हम एक पासे का गेम खेलने के
लिए एक नंबर लाइन का उपयोग करेंगे।
एक शुरुआती मूल्य, एक रोक मूल्य, और
हमारा इंटेर्वेल असाइन करने के लिये
हर खिलाड़ी तीन बार रोल करेगा।
हर बारी के दौरान,
हम एक शुरुआती मूल्य सर्कल करते हैं
और हर मूल्य जिसमे एक संख्या के स्टेप फॉरवर्ड
किए गए है हमारे इंटेर्वेल मूल्य जितना।
जब हम अपने स्टॉपिंग वैल्यू पर आ जाते हैं
तो हम चक्कर लगाना बंद कर देते हैं।
उच्चतम स्कोर वाला व्यक्ति जीतता है!
फॉर लूप कई जगह काम आता है।
और यदि आप मौसम विज्ञानी बनना चाहते हैं,
आप फॉर लूप हमेशा इस्तेमाल करेंगे।
नमस्ते, मैं बैकी हूं।
मैं एक हवा मौसम विज्ञानी के रूप में
Able Driller Renewables पर काम करती हूं।
मैं कोलंबिया नदी गोर्गे क्षेत्र के
लिए हवा की गति का अनुमान लगाती हूं,
जहां कंपनी का विंड फार्म है।
तो हम समझने की कोसिश कर रहे है
की कितनी हवा रहने वाली है
जिसके की हमे यह जानकारी मिल सके की
कितना पावर हमे मिलने वाला है।
हम उस सूचना को रियल टाइम ऊर्जा
व्यापारियों को देते हैं।
और कितना पावर होने वाला है हम उन्हे बताते है
जिसके आधार पर वह बिजली खरीदते और बेचते हैं
यह सुनिश्चित करने के लिए कि पावर ग्रिड
संतुलित है, आपकी रोशनी चालू रहे,
और हम अपने फार्म से निकलने वाली
ऊर्जा की मात्रा को अधिकतम करते हैं।
हम पोर्टलैंड में Eber Troller Renewables
के लिए राष्ट्रीय नियंत्रण केंद्र में हैं।
यह वह जगह है जहाँ हमें देश भर में
हमारे सभी फार्म की जानकारी मिलती है।
यहां तक कि आज के उच्चतम शक्ति वाले कंप्यूटर भी
हर जगह के वायुमंडल का अनुकरण नहीं कर सकते हैं।
तो कम्प्युटर पूर्वानुमान मोडेल मे, हमारे पास है,
जिस हम कहते ग्रीड।
प्रत्येक ग्रिड बिंदु एक
अक्षांश(latitude), देशांतर(longitude) है।
हमें भौतिकी की गणना
करनी होती है।
और हवा की गति, तापमान,
दबाव जैसे चीज़ों का पता लगाना पड़ता है।
चूंकि ये काफी बड़े ग्रिड हैं और
हम बहुत सारे पॉइंट्स में कर रहे है।
हम इन चीजों को लूप में डाल
रहे हैं, लाखों-करोड़ों बार।
मैं जो भी करता हु,
मैं फॉर लूप का इस्तेमाल करता हूँ।
उदाहरण के लिए यहाँ एक फॉर लूप है।
यहा पे।
जब आप हवा की पूर्वानुमान करते हैं, तो बहुत
सारे पैरामीटर है जो इसमें शामिल होते हैं।
किसी इंसान के लिए
यह हिसाब करना बहुत ही असंभव है।
हवा को क्या प्रभावित करेगा
इसमें बहुत सारे पहलू है
जिसके लिए हमें एक कंप्यूटर मॉडल की
आवश्यकता है जिससे हम पूर्वानुमान कर सके।