![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
文章平均质量分 54
奶茶收割机.
这个作者很懒,什么都没留下…
展开
-
2021美赛F题解题思路
新队伍,大家都差不多是小白,借鉴的博客:(19条消息) 2021年美赛F题总结_wzu_cza123的博客-CSDN博客_美赛2021f题 文章目录 F题翻译 一、pandas是什么? 二、使用步骤 1.引入库 2.读入数据 总结 前言 提示:这里可以添加本文要记录的大概内容: 例如: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:以下是本篇文章正文内容,下面案例可供参考 一、数据的查找与处理 由原创 2021-11-08 10:55:47 · 3315 阅读 · 1 评论 -
粒子群算法总结
粒子群算法总结 优化问题 PSO的优势:在于简单容易实现并且没有许多参数的调节。目前已被广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法的应用领域。 与遗传算法相似,是由大自然的生物现象归纳得到的。 基本思想: 设想一个场景,一个鸟进行觅食,它们能记住自己之前的信息,并且鸟之间可以相互沟通,怎样才能找到食物最多的地方?(此空间对鸟未知 基本属性:每一个粒子代表一种鸟。只是对位置进行分析,鸟有两种属性:位置、速度。速度代表移动的快慢,位置代表移动的方向。鸟(粒子)会记忆自己的历史位置(食物至今为原创 2021-06-21 23:42:54 · 209 阅读 · 0 评论 -
蚁群算法总结
根据大自然蚂蚁觅食归纳出的算法。 生物背景: 蚂蚁在寻找食物源时,会在其经过的路径上释放一种信息素,并能够感知其它蚂蚁释放的信息素。信息素浓度的大小表征路径的远近,信息素浓度越高,表示对应的路径距离越短。 通常,蚂蚁会以较大的概率优先选择信息素浓度较高的路径,并释放 一定量的信息素,以增强该条路径上的信息素浓度,这样,会形成一个正反馈。最终,蚂蚁能够找到一条从巢穴到食物源的最佳路径,即距离最短。 生物学家同时发现,路径上的信息素浓度会随着时间的推进而逐渐衰减。 将蚁群算法应用于解决优化问题,其基本思路为:用原创 2021-06-21 23:42:29 · 720 阅读 · 0 评论