m0_73336523的博客

1.算法简介
粒子群算法的思想源于对鸟类捕食行为的研究，模拟鸟集群飞行觅食的行为，鸟之间通过集体的协作使群体达到最优目的。
设想这样的一个场景，一群鸟在随机的搜索食物，在某块区域里有一块食物，所有的鸟都不知道食物在哪里，但是他们可以感受到当前的位置离食物还有多远，此时找到食物的最优策略是什么？答案是：搜寻目前离食物最近的鸟的周围区域，根据自己的飞行经验判断食物的所在。

PSO正是从这种模型中得到了启发：
1.每个寻优问题的解都被想象成一只鸟，称为‘粒子’，所有的粒子都在一个D维空间进行搜索。

nRGBA：4x8位像素，有透明通道的真彩色。加载和保存图像文件时，多少信息需要处理取决于文件格式
二、 基本方法和属性使用
##打开图像，返回PIL.Image对象
from PIL import Image as Image
image = Image.open(‘image.gpeg’)
##显示图像模式,模式概念见第一节基本概念
image.mode
##转换模式
image.convert(‘1’)

##将一个图像对象转为缩略图，图像对象将之间变为缩略图，本地图像不变。

n
例子：

\u003C!\u003Cstyle>标签一般情况下都会添加到\u003Chead>标签中

\u003C!

这里补充下为啥有转义，因为像引号在上边说过是做为包裹字符文本使用的。例如 print("我是"引号"字符串") 就无法正确识别字符串双引号开闭区间了。另一种新的字符串格式化是插值。f-string是以字符串以f开头，然后将数据注入到相应的位置。文本就是字符串数据类型，任何数据类型写成文本形式都是字符串。被单引号(''),双引号("") 或三个引号括起来的也都是字符串。操作符“%”用于格式化包含在“元组”(固定大小的列表)中的一组变量。多行字符串是通过使用三重单引号(''')或双引号(""")创建。

n
下面我来解释一下上面的红色部分的意思，举个例子，看一下下面的代码及运行结果：

#include\u003Cstdio.h>
int main()
{
\tint a = 4;

3.野指针
野指针的概念就是：指针的位置是不可知的

3.1野指针的成因：
野指针的成因有两个：1.指针未被初始化 2.指针的越界访问

给大家解释一下：

指针未被初始化

这个应该很好理解，就是我们在创建指针变量的时候没有让它指向任何对象

例如： int* p;

说明，随机数种子对后面的结果一直有影响。random随机数是这样生成的：我们将这套复杂的算法（是叫随机数生成器吧）看成一个黑盒，把我们准备好的种子扔进去，它会返给你两个东西，一个是你想要的随机数，另一个是保证能生成下一个随机数的新的种子，把新的种子放进黑盒，又得到一个新的随机数和一个新的种子，从此在生成随机数的路上越走越远。np.random.standard_normal(): 返回标准正态分布(均值=0，标准差=1)的概率密度随机数, size默认为None(返回1个随机数），也可以为int或数组。

参赛者可以选择一扇门，在开启它之前，主持人会开启另外一扇门，露出门后的山羊，然后允许参赛者更换自己的选择。a,b=randrange(1,4),randrange(1,4) #a，b分别为随机生成的自己选中的门序号和车所在的门序号。这里分羊1和羊2的原因是：有两只羊分别在两个门后，因而你选择羊的概率为2/3。所以不更换选择时猜中汽车的概率为1/3，更换选择时猜中汽车的概率为2/3。情况二：先选羊1，主持人开启羊2的门，更换选择，则猜中车。情况三：先选羊2，主持人开启羊1的门，更换选择，则猜中车。

随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：这里对文章进行总结：例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。