caoyongsheng的博客

DRO+Benders decompostionlatency+DRO

量子计算机和量子编程的学习步骤汇总https://blog.csdn.net/chenhaiming123/article/details/80155210IBM量子计算机体验平台：IBM Q - QuantumExperienceD-Wave开源量子编程软件，无需掌握量子物理就可编程.–来源Qpanda-本源量子的可以看看基础，但是不一定是行业标准...

https://youngforest.github.io/2018/07/03/recommender-systems-of-popular-apps/https://www.jinse.com/bitcoin/256577.html

Wasserstein距离Wasserstein距离也叫做推土机距离（Earth Mover's distance），这也是由于它的推导过程可以很形象的用挖土填土来解释，这也是因为该距离定义中由一个分布转变为另一个分布所需要的代价和挖土填土的过程十分相似。考虑两个离散的分布P和Q为了让两个分布相同，我们一个个变量地观察，*为了让P1和Q1相同，我们需要P1把手头上的3分2到P2去，这样P1和Q1都等于1，此时P2=4，其他数保持不变，这个过程是不是十分像挖掉P1的土填到P2上~ 为了让P2

鲁棒优化中，不同的不确定集对结果影响十分明显，当不确定集越精细时，模型复杂度越高，求解越困难。当不确定集越宽泛时，所求出的最优解越保守，越不符合实际。为了权衡二者的关系，如何选择一个适合的不确定集来求解鲁棒优化一直是相关学者的研究热点。常见的不确定集主要有如下几类:1）盒式不确定集（Box Uncertainty Set）盒式不确定集是最简单的不确定集，也被称作区间集。由于鲁棒优化是考虑最差情况下的优化求解方法，针对于一些模型可能会出现所有不确定参数都在区间集上下界进行优化的情况，然而实际中该情

常见的有很多衡量概率分布差异的度量方式，比如total variation，还有经常被用到的KL散度。相比于这些度量方式，Wasserstein距离有如下一些好处。能够很自然地度量离散分布和连续分布之间的距离； 不仅给出了距离的度量，而且给出如何把一个分布变换为另一分布的方案； 能够连续地把一个分布变换为另一个分布，在此同时，能够保持分布自身的几何形态特征。 1. 其他距离度量的缺陷 首先注意到KL散度不是距离度量，它不满足对称性。常见的距离度量有，Kullback-Leibler Div

多臂老虎机问题是reward未知的MDP问题中最简单的一种，因为多臂问题不需要规划。也就是只需要估计action （选择哪个手臂）背后的reward的价值，这个action不会影响state的转移（因为任意手臂转一次，一个episode就结束了，我们就可以对选择的手臂背后的估值进行更新）。Q在马尔科夫过程代表广义状态转移矩阵，也就是P在时间上的微分，或者说状态转移强度矩阵。自然离散状态时刻下，就是差分啦。因为如果对所有action的估值你自信以后，你必然会做出bayes决策，所以最终的策略，每一个.

在美国休斯顿给在斯坦福的小导师寄包裹，8月3号送的，关键是从自助机上寄送的（这就是最致命的错误，在美国能人工的不自助，能麻烦人的不麻烦机器，铁律，不然你会更麻烦）然后一个月以及到现在都是这个状态然后我只能打电话给usps：电话18002758777，倒是练了一下听力，长期宅在宿舍听不到美式英语还有带着口音的英语，然后索赔claim，三四天之后给我通过了索赔，说是7-10天compensation赔款，然后到9月底，我想着怎么还不到账，还去邮箱里看了一下，除了美国的饮食和信用卡、保

模型预测控制是以针对受控体模型的迭代式、有限时域滚动（finite-horizon）最佳化为基础。在时间t时针对受控体的状态取样，并且针对未来一段很短的滚动时域[t,t+T]，计算使费用最小化的控制策略（数值最小化演算化）。特别会使用在线或是on the fly的计算来探索由目前状态演进的状态轨迹，并且（透过欧拉-拉格朗日方程）计算在时间t+T之前的费用最小化策略。控制策略只会实现其中的第一步，之后会再取样系统的状态，再由新的状态去计算新的控制策略，并且预测新的状态路径。预测的时间域会渐渐前进，因此模型预测

N皇后问题是一个NP-Hard问题，其算法复杂度是指数复杂度的。①图着色问题②哈密顿回路问题：天文学家哈密顿(William Rowan Hamilton) 提出，在一个有多个城市的地图网络中， 寻找一条从给定的起点到给定的终点沿途恰好经过所有其他城市一次的路径。这个问题和著名的过桥问题的不同之处在于，某些城市之间的旅行不一定是双向的。比如A→B,但B→A是不允许的。③TSP问题...

摘要：定义NP问题及P类问题，并介绍一些常见的NP问题，以及NP问题的一些求解方法，最后最NP问题求解的发展方向做一些展望。关键词：NP难问题 P类问题 算法 最优化问题正文：一.NP难问题及P类问题为了解释NP难问题及P类问题，先介绍确定性算法和非确定性算法这两个概念，设A是求解问题Π的一个算法，如果在算法的整个执行过程中，每一步只有一个确定的选择，则称算法A是确定性（Determinism）算法。设A是求解问题Π的一个算法，如果算法A以如下猜测并验证的方式工作，就称算法A是非确定...

https://medium.com/@montjoile/l0-norm-l1-norm-l2-norm-l-infinity-norm-7a7d18a4f40chttps://www.jianshu.com/p/de05e6745fb6L1范数L1范数是空间中向量的大小之和。这是测量向量之间距离的最自然的方法，即向量分量的绝对差之和。在该规范中，向量的所有分量均被加权。例如，向量X = [3,4]：L1范数由下式计算,||x||1=|3|+|4|=7如图所示，L1范数是您

1、主动配电网概念提出了大约十年，国内尤其喜欢这个叫法（还是很准确的），如今配网的很多研究（如涉及分布式电源、微网、配网自愈、虚拟电厂、需求响应、transactive energy、配网状态估计等）还是可以归入这个方向。很多问题很新很时髦，远远未过时，而配网主动化确实是未来电网的一大方向（不只是玩儿概念搞研究），尤其是我国，还有很长的路要走。2、信息物理系统（Cyber-Physical System）就比较玄乎了，只能说勉强算个“方向”。为了建立概念，你可以去搜中文的文章，也可以去搜美国能源部

(DRO)是随机优化(Stochastic Programming)与鲁棒优化(Robust Optimization)的结合，将RO中的不确定集合(Uncertainty Set)看做是一个以概率出现的集合，在DRO中叫做Ambiguity Set

https://zhidao.baidu.com/question/261536435.html在Word中，每一个文bai档，默认为一节du，在一节中，页面格式必须统一zhi的。可以通过插入分节符，把文档分成两节dao，每一节，可以单独设置页眉。操作步骤：1、在每一章的尾部，单击插入菜单，在下拉菜单中选择分隔符命令，如图所示；2、弹出分隔符对话框，选择一种分节符类型即可，如图所示。3、单击视图菜单，选择页眉和页脚命令，如图所示；4、进行页眉编辑状态，单击页眉和页脚工具栏上的链接到前

是$\mu_{1:3,1}=\{\binom{8.640}{20.344};\binom{9.275}{20.596};\binom{9.572}{22.944}\}$

https://mp.weixin.qq.com/s?__biz=MzIyNjI5NjU5Ng==&mid=2247483725&idx=1&sn=8a235d20e1cb37eca32366361a2f9fef&chksm=e873d736df045e204ad04a6fdfb57475f008bdb360f8b089e2340a030baff2b3341242e167d1&token=1240423209&lang=zh_CN#rd

https://t.me/s/VR3ddyISO

Oculus Quest使用Scrcpy实现无线投屏分享到电脑屏幕参考：https://zhuanlan.zhihu.com/p/68411183单眼投屏参考：https://blog.csdn.net/bmoonll/article/details/103858525当你想给朋友分享Quest，想炫出你在Beat Saber的优秀操作时，一个人对着空气疯狂舞动，另一个人则像看傻子一样看着你，此刻你真的很想能让另一个人也能看见你看到的画面。这时，你会想到无线投屏。而Oculus自带的投屏

https://zhuanlan.zhihu.com/p/58506295如何理解K-L散度（相对熵）https://www.jianshu.com/p/43318a3dc715

VirtualDesktop最终还是支持了离线串流，显卡1050、960玩家满血复活，不会科学也没关系，国内路由器照样玩的嗨~不再需求高端路由器。https://github.com/guygodin/VirtualDesktop/releases参考https://www.bilibili.com/video/BV1Ct4y117s8/?spm_id_from=333.788.videocard.2...

链接：https://www.zhihu.com/question/43830699/answer/110807943注意不管f,g如何，弱对偶定理永远是成立的（即v*<=z*），所谓的能否转化成对偶问题主要是指强对偶定理是否成立（即是否有v*=z*）。对线性规划，满足特定regularity条件（一般来说并不难）的半正定规划或凸优化问题也是成立的。至于一些非凸问题或者整数规划问题，虽然我们不再有强对偶定理，但是通过弱对偶定理我们往往能得到对原问题的一个下界（lower bound），这对于我们

装cvxpy可能会却ecs 和ecos,在这个网址找到对应的安装包就行，https://www.lfd.uci.edu/~gohlke/pythonlibs/#cvxpy

https://beatmapper.app/参考资料：7tin.cn/news/142646.html

内积或点积的数学符号一般用一个点表示，但如果高维空间（大于等于三维），通常用括号<>表示，例如

conda update --allpip install --upgrade tensorflow==2.0.0-beta1（可选）

Wardrop's First Principle(用户最优)The journey time on all the routes actually used are equal, and less than those which would be experienced bya single vehicle on any unused route.Wardrop's Second Principle(系统最优)The average journey travel time is

嘘の嘘、それはくるりと 裏返る意思：谎言的谎言，这便可瞬间颠倒正反。平假名：うそのうそ、それはクルリとうらがえる。

JuMP版本问题，第一行代码，solver=关键字对0.19及以上版本解决办法是using JuMPusing Gurobi把solver更换成model = Model(with_optimizer(Gurobi.Optimizer))

https://www.bilibili.com/video/BV1yt411c7Gm?p=5视频教程，还是比较详细的，不过没有IntelliJ IDEA下Julia的，不过应该差不多https://www.w3cschool.cn/julia/r4sk1jf4.html还可以吧https://docs.julialang.org/en/latest/manual/getting-started/官方文档，有点平台基础后其实官方文档是最好的...

比如我要存储如下链接中的ppt（图片格式的）https://mp.weixin.qq.com/s?__biz=MzAxMzgyMjMwMQ==&mid=2651826199&idx=1&sn=69ef3911d3c9e485e725a4307fa29944&chksm=8067b825b7103133c7d603442fd83fed27b20e5e749983c0c35cd7bf747a3bc30a941011001d&mpshare=1&scene=1&

源代码出自boydhttps://web.stanford.edu/~boyd/papers/admm/basis_pursuit/basis_pursuit.html给出详细备注function [z, history] = basis_pursuit(A, b, rho, alpha) % 解决如下 ADMM问题: % minimize ||x||_1 % subject to Ax = b %其中返回的 history变量包含目...

嘘の嘘 それはクルリと裏返るうそのうそ、それはクルリとうらがえる。

但是调用函数的程序本身必须定义成一个函数。比如：被zhidao调用的函数是fun1，调用它的函数是callfun1。那么你要新建一个callfun1.m，里面输入：function callfun1 %不需要输入和输出内参数，直接点运行即可执行a=0.1;b = fun(a) %点运行后，会直容接在command window里显示b=0.01function y = fun1(x)y=x^2;end...

各电压等级允许的波动范围如下：(1) 220kV电压等级允许在额定值的±2%范围内波动。(2)ll0kV电压等级允许在额定值的±2%范围内波动。(3)35kV电压等级允许在额定值的±5%范围内波动。(4)10kV及以下电压等级允许在额定值的±7%范围内波动。(5)0.4kV电压等级允许在一5%〜+10%范围内波动。...

回溯法其实效率很低，N皇后最高效的解法是位运算算法。N皇后问题是一个经典的回溯法的例子，核心思想就是逐行（或逐列）放置，若某一行没有可供放置的位置了，说明前面的放置有误，故回溯到上一行寻找下一个可能的位置。N皇后问题是一个NP-Hard问题，其算法复杂度是指数复杂度的。...

数据相似性的度量方法总结https://blog.csdn.net/guoziqing506/article/details/51779536混合类型属性相似度度量上面说的这几种情况都是数据库中的数据相对类型比较统一，但是很多时候，实际工作中遇到的情况却并非如此。我们遇到的一组数据可能拥有多种类型的属性，也就是混合类型属性。碰到这种情况，一种一般的处理办法是按照如下公式：我来解...

https://www.gurobi.com/documentation/9.0/refman/constraints.html 参考from gurobipy import *try: # Create a new model m = Model("mip1") # Create variables x = m.addVar(vtype=GRB.BINA...

from gurobipy import *try: # Create a new model m = Model("mip1") # Create variables x = m.addVar(vtype=GRB.BINARY, name="x") y = m.addVar(vtype=GRB.BINARY, name="y") z = m.a...

python下安装gurobipy库很容易 pip install gurobipyExample mip1.py求解的问题是from gurobipy import *#导入gurobi库try: # Create a new model 模此型只包含一个优化问题。它由一组变量、一组约束和相关的属性(变量边界、目标系数、变量完整性类型、约束意义、约束右侧值等)组成。此函...