hahahahah123456的博客

智能优化算法学习总结一.概述优化问题是指在满足一定条件下，，在众多或参数中寻找最优化方案或参数值，以是的某个或多个功能指标达到最优，或使系统的某些性能指标达到最大值或最小值。智能优化算法又称为现代启发式算法，是一种具有全局优化性能、通用性强且适合与并行处理的算法。一般具有严密的理论依据，而不是简单的凭借专家经验，理论上可以在一定的时间内找到最优解或近似最优解。二.近二年提出的最新智能优化算法20212020三.代码查找方式太多太多了，包括但不限于以下。（人民币玩家yyds）（1）Git

论文排版3-公式编辑

Latex学习笔记论文投稿时常需要Latex排版，笔者整理个人学习过程重点及问题，希望对大家的学习有所帮助。1.下载https://mirrors.tuna.tsinghua.edu.cn/ctex/legacy/2.9/2.基础知识2.1表格加粗：\bfseries表格tabular:c居中对其、l左对齐、r右对齐（每一列）表格横线：\hline表格竖线：|表格换行：\\表格table：centering居中、caption表格名称合并单元格：mul

论文图片格式转换1.emf有的期刊要求图片格式为emf，matlab可直接生成，也可生成其他格式通过ppt的另存为更改格式，或在网上直接搜索对应格式转换的网站https://www.alltoall.net/svg_emf/2 .eps由于安全问题，office 2017年4月份更新后，不再支持直接插入eps2.1 修改注册列表1、打开注册表，对64位系统而言，找到HKEY_LOCAL_MACHINE\SOFTWARE\Wow6432Node\Microsoft\Office\Comm

VMD确定分解个数K1. VMD基础概念变模态分解（variational mode decomposition，VMD）将一个时间序列f分解成k个具有固定中心频率ω_k的模态分量u_k (t)，并使每个模态量的频率估计带宽之和最小。对各模态分量进行Hilbert变换得到其单边频谱，通过混合一估计中心频率，将各分量的单边频谱调制到基频带，再经过对解调信号梯度的L2正则化进行高斯平滑估计，得到风功率分量的带宽。对应的受约束的变分模型表示为：其中，∂t表示求偏导，δ(t)表示狄拉克分布函数。1.2变

Wilcoxon 符号秩检验威尔科克森符号秩检验亦称威尔科克伦代符号的等级检验，是由威尔科克森（F·Wilcoxon）于1945年提出的。该方法是在成对观测数据的符号检验基础上发展起来的，比传统的单独用正负号的检验更加有效。一般认为p < 5%时差异显著，p≥5%时差异不显著1.Python实现-统计函数库scipy.statsscipy.stats可计算正态分布，Wilcoxon 符号秩检验等统计常用方法import scipy.stats as statsx=[310,350,370,

智能优化算法2-改进方法（未完待续）群智能优化算法是一种模拟自然界生物行为和自然现象的元启发式算法,具有良好的并行性和自主探索性。1.通过初始化种群改进大多数群体智能算法（启发式智能优化算法）初始种群中个体的生成是给定范围内随机生成，导致初始个体具有较大的随机性和不确定性，所以可以通过改进初始化种群的方式改进算法优化和收敛性能，实现局部开发和全局探索能力的提升。1.1 混沌映射1.2 反向学习1.3 莱维飞行2.策略优化个体迭代更新2.1高斯游走策略2.2 随机游走策略2.3正余弦优化策

智能优化算法1-冠状病毒群免疫优化算法（CHIO）1.算法简介2020年Mohammed Azmi Al-Betar等人提出的一种新的基于自然的优化算法——冠状病毒群体免疫优化算法(CHIO)。其灵感来源于世界传播的灾难性的新冠病毒，模仿了群体免疫策略和社会距离概念。三种类型的个体病例用于群体免疫:易感、感染和免疫。本文研究了CHIO对其参数的敏感性。然后，CHIO使用23个著名的基准测试函数进行评估对七种最先进的方法进行了比较评价。比较分析表明，与其他成熟的方法相比，CHIO能够产生非常有竞争力的结

python函数1.axis=1或axis=0简单的来记就是axis=0代表往跨行（down)，而axis=1代表跨列（across)Pandas保持了Numpy对关键字axis的用法，用法在Numpy库的词汇表当中有过解释：轴用来为超过一维的数组定义的属性，二维数据拥有两个轴：第0轴沿着行的垂直往下，第1轴沿着列的方向水平延伸。参考： https://www.cnblogs.com/rrttp/p/8028421.html2.argsort()返回的是数组值从小到大的索引值，排序后会产生一

FineReport可视化大屏设计制作可视化大屏，一般有这么几种方案： 方案一：写代码调用数据和图表库，比如写JS+Echarts 方案二：用现成的数据可视化工具一.决策报表基础FineReport决策报表采用了画布式操作界面，通过简单的拖拽帮助用户构建强大的、全面的可视化大屏。在一个页面整合不同的数据，完美的展示各类业务指标，实现数据的多维度分析。1.1组件介绍参数民安、空白块（tab块、绝对画布块、报表块）、图标块、控件1.2 布局方式自适应布局：后天对所有组建的位置进行调整，所有

大屏数据可视化-疫情监控系统2-web程序开发大屏数据可视化-疫情监控系统3.Web程序开发3.1.Flask快速入门3.1.1Flask的安装与应用3.1.2 使用Ajax局部刷新页面3.1.2可视化大屏模板3.2echarts绘制图标3.2.1echarts快速入门3.2.2 echarts绘制全国疫情地图3.3问题及解决大屏数据可视化-疫情监控系统3.Web程序开发3.1.Flask快速入门3.1.1Flask的安装与应用Flask 是一个使用 Python 编写的轻量级 Web 应用框架