看看西藏的蓝天美景,给各位程序员解解乏。。。

一直都在讨论技术,来点轻松的。
本人由于工作原因,有时会去西藏。如果出差能空出半天,或者晚上有空的时候,会考虑背着相机出来拍拍照片。下面放上一些本人在拉萨及周边拍到的照片,技术一般,缺乏新意,但均出自自己之手,所以拍砖请轻拍。
西藏的标志性人文景观,布达拉宫:
傍晚的布达拉宫:

日落时的布达拉宫:


日落后的布达拉宫,大家都集中在斜对面的观景台上为了占个好位置拍摄。我还是站在不同角度拍一张吧,也挺有趣。



晚上10点了,布达拉宫前仍然车水马龙。



再来看看纳木措,拉萨往返需要1天时间。这里天很蓝,水很清,典型的西藏风光。





高原地区,晴天和阴天变得都很快,刚才还是刺眼的阳光,几分钟就乌云压顶,远处开始下起雨,气温陡降。不过空气通透度一直还不错。



再看看拉萨半天可往返的羊卓雍错,也叫羊湖。是比较典型的高原湖泊,由于距离拉萨比较近,湖水颜色艳丽,因此成为拉萨附近很受欢迎的另一个景点。



上一张羊湖最典型的角度,没啥新意,就当用自己的相机记录一下。



最后来张50mm节片,仔细看能看到拼接缝,就凑合看吧,别从遥感专业的角度去审视。



呵呵,和以往严肃的主题不一样,希望能喜欢。

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
退火算法是一种启发式优化算法,常用于决组合优化问题。它模拟了金属退火的过程,通过在空间中随机搜索并逐渐减小搜索范围,最终找到全局最优。 要使用退火算法遍历全国省会,可以将省会作为空间中的候选。首先,需要定义一个评估函数来衡量每个候选的优劣。在这个问题中,可以将评估函数定义为遍历所有省会的总距离,即从一个省会到下一个省会的距离之和。 接下来,需要初始化一个当前,可以是一个随机的省会序列。然后,通过不断迭代的方式,对当前进行改变和评估,以寻找更优的。在每次迭代中,可以随机选择两个省会进行交换,然后计算新的评估值。如果新更优,则接受新;否则,根据一定的概率接受新。这个概率与新的优劣程度以及当前温度有关。随着迭代的进行,温度逐渐降低,接受较差的概率也逐渐减小,从而使算法趋向于收敛到全局最优。 下面是一个使用退火算法遍历全国省会的示例代码: ```python import random import math # 省会列表 provinces = ['北京', '天津', '上海', '重庆', '河北', '山西', '辽宁', '吉林', '黑龙江', '江苏', '浙江', '安徽', '福建', '江西', '山东', '河南', '湖北', '湖南', '广东', '海南', '四川', '贵州', '云南', '陕西', '甘肃', '青海', '台湾', '内蒙古', '广西', '西藏', '宁夏', '新疆', '香港', '澳门'] # 计算两个省会之间的距离 def distance(city1, city2): # 这里可以根据实际情况定义距离计算方法 return random.randint(1, 100) # 计算的评估值 def evaluate(solution): total_distance = 0 for i in range(len(solution) - 1): total_distance += distance(solution[i], solution[i+1]) return total_distance # 初始化当前 current_solution = provinces.copy() random.shuffle(current_solution) # 初始化温度和迭代次数 temperature = 100 iterations = 1000 # 退火算法主循环 for i in range(iterations): # 随机选择两个省会进行交换 index1 = random.randint(0, len(provinces) - 1) index2 = random.randint(0, len(provinces) - 1) current_solution[index1], current_solution[index2] = current_solution[index2], current_solution[index1] # 计算新的评估值 new_solution = current_solution.copy() new_distance = evaluate(new_solution) # 判断是否接受新 if new_distance < evaluate(current_solution): current_solution = new_solution else: probability = math.exp((evaluate(current_solution) - new_distance) / temperature) if random.random() < probability: current_solution = new_solution # 降低温度 temperature *= 0.99 # 输出最终的 print("最短路径:", current_solution) print("总距离:", evaluate(current_solution)) ``` 这段代码使用了随机交换省会的方式进行搜索,并通过降低温度的方式控制搜索范围。最终输出的最短路径和总距离即为遍历全国省会的结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值