一、什么是0 1规划问题 0 1规划问题是决策变量仅取值0或1的一类特殊的整数规划。0 1变量可以数量化地描述诸如开与关、取与弃、有与无等现象所反映的离散变量间的逻辑关系、顺序关系以及互斥的约束条件，因此0 1规划问题非常适合描述和解决如线路设计、工厂选址、生产计划安排、旅行购物、背包问题、人员安排 ...
分类：
其他好文 时间：
2019-03-22 23:00:35
阅读次数：
628
机器学习的几大类： 1.推荐 2.分类 3.聚类 4.回归 5.用户画像 6.深度学习 7.人工神经网络 8.关联分析 分类算法： 1.朴素贝叶斯 2.决策树 3.随机森林 4.支持向量机（SVM） 5.隐马尔可夫模型 6.遗传算法 分类属于有监督的学习过程，可以根据经验或者数学推导等辅助的方法给机 ...
分类：
其他好文 时间：
2019-03-10 20:57:00
阅读次数：
226
本文总结了我在研究室内人群疏散时用到或者接触到的一些算法，做了一个简单的总结。 1 DijKstra算法 Dijkstra算法在对疏散组进行分组的时候是非常常用的一个算法，也是一个基础算法。下面的前四个算法可以应用到疏散方案的优化 2遗传算法 3禁忌搜索算法 4模拟退火算法 5蚁群算法 6：元胞自动 ...
分类：
编程语言 时间：
2019-02-27 20:20:45
阅读次数：
184
园子里关于遗传算法的教案不少，但基于geatpy框架的并未多见，故分享此文以作参考，还望广大园友多多指教！ Geatpy出自三所名校联合团队之手，是遗传算法领域的权威框架（python），其效率之高、应用领域之广远胜诸多第三方工具，此处不作赘述，直接上链接： 官网：http://www.geatpy ...
分类：
编程语言 时间：
2019-02-02 11:22:00
阅读次数：
223
1、遗传算法的概念 遗传算法是借鉴生物进化过程而提出的一种算法，这是一种随机化算法，是建立在不确定性基础上的。算法模拟了种群一代一代进化的过程：通过评估函数进行优胜劣汰的选择，通过交叉和变异来模拟生物的进化。优胜劣汰是遗传算法的核心，根据优胜劣汰的策略的不同，算法最终的效果也是不同的。遗传算法将实际 ...
分类：
编程语言 时间：
2019-01-11 20:10:50
阅读次数：
518
像素关系相邻像素 位于坐标(x,y)处的像素P有4个水平和垂直的相邻像素，其坐标为： (x+1,y)，(x-1,y)，(x,y+1)，(x,y-1) 这组相邻元素称为P的4邻域。用N4(P)表示。类似于十字形。 P的4个对角相邻像素坐标如下： (x+1,y+1)，(x+1,y-1)，(x-1,y+1 ...
分类：
编程语言 时间：
2018-12-06 22:23:55
阅读次数：
320
转自博客：https://blog.csdn.net/u010945683/article/details/40987331 遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首 ...
分类：
编程语言 时间：
2018-12-06 21:22:01
阅读次数：
239
机器学习 监督学习 非监督学习 半监督学习 强化学习 遗传算法 神经网络 CNN TensorFlow搭建CNN 展开源码 展开源码 RNN 展开源码 展开源码 LSTM 为了解决梯度弥散和梯度爆炸 展开源码 展开源码 自编码器 autoencoder 展开源码 展开源码 GAN 展开源码 展开源码 ...
分类：
其他好文 时间：
2018-11-24 22:25:22
阅读次数：
219
一. 爬山算法 ( Hill Climbing ) 介绍模拟退火前，先介绍爬山算法。爬山算法是一种简单的贪心搜索算法，该算法每次从当前解的临近解空间中选择一个最优解作为当前解，直到达到一个局部最优解。 爬山算法实现很简单，其主要缺点是会陷入局部最优解，而不一定能搜索到全局最优解。如图1所示：假设C点 ...
分类：
编程语言 时间：
2018-11-16 23:40:00
阅读次数：
309
前言 人类总是在生活中摸索规律，把规律总结为经验，再把经验传给后人，让后人发现更多的规规律，每一次知识的传递都是一次进化的过程，最终会形成了人类的智慧。自然界规律，让人类适者生存地活了下来，聪明的科学家又把生物进化的规律，总结成遗传算法，扩展到了更广的领域中。 本文将带你走进遗传算法的世界。 目录 ...
分类：
编程语言 时间：
2018-11-16 23:35:03
阅读次数：
261
