- 博客(81)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【调度算法】服务组合优选问题的指标选择与评估
第一次评估的指标确定侧重于量化测量和客观标准，以确保服务或产品能够满足基本的要求或性能标准。第二次评估的指标确定则更侧重于根据决策者的偏好和实际的约束条件，对多个指标进行权衡和折中，以便做出最适合的选择。
2024-04-24 20:45:12
856
原创 【随手记】MySQL快照读和当前读
需要注意的是，当前读和快照读的实际行为还受到事务隔离级别和数据库配置的影响。默认情况下，MySQL的事务隔离级别为可重复读(Repeatable Read)，这意味着默认情况下所有的SELECT语句都是快照读。如果需要使用当前读，可以使用。在MySQL中，当前读和快照读是针对事务隔离级别的概念。事务隔离级别决定了事务在读取数据时的一致性要求和并发控制方式。
2024-04-15 11:10:11
239
原创 【随手记】MySQL窗口函数计算累加和
这样，通过窗口函数的计算，可以得到每个月的工资总和和最近3个月的工资总和。对于每个月份的行，窗口函数会计算当前行及其前两个月份的工资总和。通过调整窗口定义，可以灵活地计算不同范围的工资总和。通过调整窗口定义，可以灵活地计算不同范围的工资总和。，计算每个月份、前一个月份和后一个月份的工资总和。如果想计算当前行、前一行和后一行的和，可以使用。是一个窗口函数，用于计算工资的累计总和。如果想计算当前行及其后两行的和，可以使用。，计算每个月份及其后两个月份的工资总和。
2024-03-23 16:18:50
345
原创 【随手记】python的heapq库的基本用法
Python的heapq库是用于实现堆（优先队列）算法的库。它提供了一些函数来操作堆结构，如push、pop、heapify等。每次用都要问AI，干脆记录一下，多用就熟了。
2024-03-15 10:44:56
220
原创 【随手记】SQL语句中的COALESEC和IFNULL函数
这是一个使用COALESCE函数的SQL语句。在这个例子中，参数s2.student和s1.student都是列名，表示两个不同的学生。这个语句的意思是，如果s2.student的值不为NULL，则返回s2.student的值；如果s2.student的值为NULL，则返回s1.student的值。换句话说，这个语句会先判断s2.student是否为NULL，如果不为NULL，则返回s2.student的值；这样做的目的可能是为了获取两个可能为空的列中的第一个非空值，或者根据不同条件获取不同的学生信息。
2024-03-07 12:47:08
245
原创 【随手记】MySQL中ROW_NUMBER()、RANK()和DENSE_RANK()函数的用法
函数会为相同分数的行分配相同的排名，并连续计数下去。在上面的例子中，Cathy和David的分数相同，它们都被分配了排名2，并且没有排名3。该函数的作用是按照指定的列的值对行进行排序，并为相同值的行分配相同的排名，连续计数下去。函数会为相同分数的行分配相同的排名，然后跳过下一个排名。在上面的例子中，Cathy和David的分数相同，所以它们都被分配了排名2。函数会为每一行分配一个唯一的数字，按照分数降序排名。注意，分数相同的行会有不同的排名。函数对一列数进行排名时，它们的用法和结果会有一些区别。
2024-03-02 11:08:49
264
原创 【随手记】python中的nonlocal关键字
时，我们需要明确告诉 Python 我们要修改的是外层函数的局部变量。是Python中的关键字，用于声明一个嵌套函数中的变量是来自于其外部函数的局部作用域，而不是来自于全局作用域。res同样是在外层函数中定义然后在内层函数中使用，为什么这里没有加上nonlocal也没有报错？是在外层函数中定义的，但是我们只是对其进行修改，没有重新赋值。在 Python 中，列表是可变对象，可以在函数内部通过引用进行修改。用于改变外层函数的局部变量，而不是修改可变对象的值。视为外层函数中定义的变量，而不是新的局部变量。
2024-02-08 13:00:28
386
原创 【随手记】python语法：类属性和实例属性
总的来说，类属性适合用于表示类的特征或共享的状态信息，而实例属性适合用于表示实例的个性化状态或特定实例的信息。python中，在init函数外边跟在init函数里边赋值有什么不同？
2024-01-27 18:02:29
82
原创 【机器学习】DBSCAN算法
DBSCAN(Density-Based Spatial Clustering of Applica tion with Noise)算法是于1996年提出的一种简单的、有效的基于密度的聚类算法，该算法利用类的密度连通性快速发现任意形状的类。该算法的中心思想是：对于一个类中的每一个点P(不包括边界点)，在给定的某个Eps邻域内数据点的个数不少于Minpts。DBSCAN算法不属于图聚类算法。图聚类算法是一种基于图结构的聚类算法，它利用图中的顶点和边的信息来划分聚类。
2024-01-18 22:42:57
1214
2
转载 龙与地下城文字游戏模拟器
在这段代码中，定义了四个变量，用于存储故事或任务的关键信息。这四个变量为我们在进一步编写或生成故事提供了基础信息。protagonist_name = "马小虎"storyteller_name = "神秘老人"quest = "找到传说中的七件神器。protagonist_name = "马小虎"：这一行定义了主角（故事中的主要人物）的名字为"马小虎"。storyteller_name = "神秘老人"：这一行定义了讲故事的人（故事的叙述者）的名字为"神秘老人"。
2023-12-20 12:43:46
108
原创 【调度算法】开放车间调度问题遗传算法
后来参考了GitHub上一个作业车间调度问题的遗传算法代码，发现，哪有我这么写代码的，人家都是把各个对象和方法封装成一个一个的类，所谓的面向对象编程，我这写的是啥玩意。所以决定这个算法就不纠缠了，因为继续按照我这样的逻辑写下去，基本写不通（我菜，你们要是能走通踢我），还不如重新捡起我面向对象的思想，从一开始就做好属性和功能的封装。本以为手搓了一个单机调度和并行机调度的遗传算法，就可以尝试写开放车间的遗传算法了，结果手搓了两天，开始作业时间和结束作业时间的计算还是没整明白。先把代码搁这备个份。
2023-11-25 20:25:00
376
原创 【随手记】python语言的else语句在for、while等循环语句中的运用
因此，可以说在其他编程语言中，循环结构中使用类似Python中else的用法并不是通用的做法。所以，如果你在其他语言中看到类似Python中循环结构中使用else的用法，可能需要格外注意，因为这并不是大多数其他编程语言中的惯用写法。在其他编程语言中，像Python中循环结构中使用else的用法并不常见。在其他语言中，通常会使用if语句来判断循环是否正常结束，而不是使用专门的else语句。循环）一起使用，用于处理循环正常结束时的情况，即循环没有被。语句相对应，它会在内层循环正常结束时执行，即循环没有被。
2023-11-18 11:10:47
355
原创 【随手记】MySQL中的DISTINCT关键字
需要注意的是，使用DISTINCT关键字会对查询结果进行排序和去重操作，可能会对性能产生一定影响。如果可以预期结果集的大小较大，可以考虑其他优化手段来提高查询性能，如使用索引或适当的筛选条件。在MySQL中，DISTINCT关键字用于返回查询结果集中不重复的记录。另外，DISTINCT关键字也可以与聚合函数（如COUNT、SUM等）结合使用，以获取特定列或整个结果集的不重复值并进行聚合计算。这条语句将返回指定表中多个列的不重复组合。该语句将返回指定表中某个列的不重复值。
2023-11-15 12:00:29
390
原创 【随手记】开放车间和密集调度
在一个开放车间中，如果一个调度被称为 “密集”，那就意味着除非没有可以在该机器上处理的操作，否则没有机器处于空闲状态。在理论研究中，已经证明了任何密集开放车间调度的最差性能比率都是2，这意味着即使在最坏的情况下，密集调度的完成时间也不会超过最优调度的两倍。这是一个相当有力的结果，因为在许多其他类型的调度问题中，最差性能比率可能会远大于2。然而，它也有一些潜在的缺点，比如可能会增加作业的等待时间，导致一些紧急的作业无法及时完成。"密集调度"是一种特殊类型的调度策略，其核心思想是尽可能地减少机器的空闲时间。
2023-11-11 20:35:34
75
原创 【那些反爬和反反爬】xpath根据兄弟节点定位元素、根据祖先节点排除标签、数据存储
正常对于一个百科类网站而言，一拿到这个需求，第一反应肯定是先弄一个游戏角色名的list，然后挨个进行search，抓取返回的页面内容。然而当我想进一步索要游戏角色名的list时，得到的回复是：没有现成的游戏角色名，把萌娘上有的游戏角色爬了就行。即便在度娘的帮助下，我能找到的游戏角色也就那么几个，再去除一些萌娘没有收录的词条，就所剩无几了。观察页面源代码发现，表格的第一列（即带有xx角色字样的标题列）跟其右边的内容是一一对应的，同在一个tr标签下，也就是说，他们是兄弟节点。这分类都是啥啊，太乱了吧。
2023-11-10 17:13:11
901
原创 【chatgpt问答记录】双端队列、栈和函数调用栈
和在你的示例中，用于实现中序遍历结果的存储，这是因为在这种情况下线程安全性并不是一个关键问题。如果在多线程环境中需要处理队列，那么通常会选择使用或其他线程安全的队列数据结构。和都可以用于实现队列，但它们的底层数据结构略有不同。是基于双向链表实现的双端队列，允许在队列的两端进行高效的添加和删除操作。这使它非常适合用作普通队列或栈的实现，但它不是线程安全的。通常是基于列表或数组实现的队列，但它提供了线程安全的操作，以便多个线程可以安全地对队列进行入队和出队操作。
2023-11-09 11:35:06
60
原创 【随手记】聚簇索引、二级索引和联合索引
这些索引类型在数据库查询优化和性能方面发挥着重要的作用，根据查询需求和数据模型的不同，选择合适的索引类型非常重要。
2023-11-04 21:07:15
195
原创 【随手记】顺序I/O和随机I/O的定义和区别
顺序I/O 是按照数据的物理存储顺序来操作的。顺序I/O（Sequential I/O）和随机I/O（Random I/O）是计算机领域中用于描述数据存储和访问模式的术语。：随机I/O 是指以随机的顺序访问数据的方式，即不按照存储介质上的物理顺序进行读取或写入。在随机I/O 中，数据块的访问顺序不是连续的，可能是分散的。：顺序I/O适用于大型数据集的连续操作，而随机I/O适用于需要随机或不连续访问的操作，如数据库查询。：顺序I/O 是按顺序访问数据，而随机I/O 是按随机顺序访问数据。
2023-11-03 10:00:14
525
原创 【随手记】np.random.choice()函数
是 NumPy 中的一个随机抽样函数，用于从给定的一维数组中随机抽取指定数量或指定概率的元素。该函数可以用于构建模拟实验、生成随机数据集、数据抽样等应用场景。函数返回的是一个新的数组，不会改变原数组。如果需要对原数组进行修改，可以使用。函数来打乱原数组的元素顺序，然后再按照需要取出一部分元素。的整数集合中随机抽取元素。这是因为在 Python 中，
2023-11-02 23:35:36
776
原创 【调度算法】NSGA III
NSGA-III（Non-dominated Sorting Genetic Algorithm III）算法是NSGA-II的改进版，是多目标优化领域中的重要算法之一。该算法在选择机制上进行了创新，通过引入广泛分布的参考点来维持种群的多样性，其关键优势在于其能够有效地平衡多样性和收敛性，以找到Pareto前沿上的高质量解。NSGA-III的主体框架与NSGA II初始化种群随机生成一个初始种群，其中包含多个个体（解）。每个个体通常由一组决策变量表示。非支配排序对初始种群中的个体进行非支配排序。
2023-10-20 21:11:31
2277
2
原创 【调度算法】DTLZ问题家族
DTLZ（Deb-Thiele-Laumanns-Zitzler）问题家族是多目标优化中的一类标准测试问题集合。这个家族的问题由Kalyanmoy Deb、Lothar Thiele、Marco Laumanns和Eckart Zitzler于2002年提出，它旨在用于评估和比较不同多目标优化算法的性能。DTLZ问题家族包括一系列多目标优化问题，每个问题都有多个目标函数和一组决策变量。：每个DTLZ问题包括多个目标函数，通常大于等于2个。这些目标函数旨在模拟真实世界的多目标优化问题中的多个冲突目标。
2023-10-20 10:34:09
678
原创 【调度算法】NSGA II
NSGA-II（Nondominated Sorting Genetic Algorithm II）是一种经典的多目标优化算法，用于解决多目标优化问题，其中需要同时优化多个冲突的目标。NSGA-II 基于遗传算法的思想，旨在找到一组解，这些解被称为 Pareto 最优解，它们在多个目标之间没有更好的解。：首先，随机生成一个包含多个个体的初始种群。每个个体都代表一个潜在的解。：NSGA-II 使用非支配排序技术，将种群中的个体划分为多个前沿。
2023-10-17 23:55:18
2371
1
原创 【调度算法】关于轮盘赌和锦标赛两种选择算子的选用思考
轮盘赌算法（Roulette Wheel Selection）是一种用于选择个体的优化算法，常用于遗传算法和进化计算领域。其基本思想模拟了轮盘赌游戏中旋转轮盘的过程。轮盘赌算法的核心思想是根据个体的适应度值来确定其被选中的概率，适应度较高的个体具有更大的概率被选中，从而增加了进化算法中优秀个体被选择的机会。锦标赛算法（Tournament Selection）是一种常用的个体选择方法，常用于遗传算法和进化计算中。它模拟了锦标赛的竞争过程，通过不断地选择优胜者来构建新一代的个体群体。
2023-10-16 22:15:54
2750
原创 【调度算法】共享函数vs拥挤距离
在多目标遗传算法（MOGA）和多目标优化中，共享函数方法是一种用于维护种群多样性的技术。这个方法的目标是在遗传算法的演化过程中促进种群中的解决方案分布均匀，以便更好地探索 Pareto 前沿。原始的非支配排序遗传算法（NSGA，Non-dominated Sorting Genetic Algorithm）使用了这种共享函数方法，以帮助维护多样性。
2023-10-14 14:30:54
354
原创 【那些反爬与反反爬】网页中嵌入随机不可见字符的解决方法
标签内部可能包含其他标签，如果编写的正则表达式没有遍历所有情况，可能导致获取到的文本带有为过滤掉的其他标签（如。示例网站：https://www.psychspace.com/psych/category-333。标签下的所有节点，包括标签节点和文本节点。然后，我们通过遍历这些节点，并使用。如果只想获取纯文本内容，可以考虑其他方法代替正则表达式，比如。获取字符串形式的文本后，编写正则表达式进行文本的进一步清洗。标签下的所有内容组成的字符串。，其中包括了标签和文本。（这个我也还没探索过）。
2023-10-13 17:49:58
865
原创 【调度算法】快速非支配排序算法
首先，算法输入两个向量 values1 和 values2，对于其中的每一个解 p，在 values1 和 values2 上进行比较寻找支配解 q，如果 p 被 q 支配，那么就将 p 加入到 q 的被支配集合 S[q] 中。如果一个解 p 的 n[p] 为 0，那么它就是一个非支配解，将其放入 Pareto 前沿的第一层 front[0] 中。快速非支配排序算法是一种用于多目标优化问题的非支配解搜索算法。所谓“非支配解”指的是在多个优化目标下，无法找到一个解集中的解，比这个解更好。
2023-10-10 16:15:10
892
转载 【转载】项目管理的几个概念（WBS、OBS、RBS、BOM、CWS、CA）
1.WBS ( Work Breakdown Structure)：工作分解结构——以可交付成果为导向的工作层级分解。4.RBS (Resource breakdown structure)：资源分解结构——对项目将使用的资源按种类与形式进行划分的层次结构。6.RBS（Risk breakdown structure）：风险分解结构——按照风险类别说明已识别风险的层次结构。2.CWBS(Contractual WBS)：合同工作分解结构——定义卖方提供给买方报告的层次，不如WBS详细。
2023-09-23 19:49:34
593
原创 【那些反爬和反反爬】JA3指纹
而Fiddler则更侧重于Web应用程序的调试和分析，它提供了更高级的功能，可以拦截、修改和监控特定的HTTP/HTTPS请求和响应。通过观察和分析网络流量中的TLS握手消息，可以提取并计算出相应的JA3指纹。需要注意的是，由于JA3指纹是基于客户端发送的握手消息生成的，因此可能会受到一些因素的影响，例如中间人攻击、网络代理等。总结来说，Wireshark和Fiddler是两个功能强大的网络分析工具，Wireshark适用于全面的网络协议分析，而Fiddler更适合于Web应用程序的调试和分析。
2023-09-15 16:24:54
2115
原创 【MySQL】MySQL数据库的delete from table和truncate table之间的区别
在删除数据时有不同的行为和效果。如果只是需要删除数据而保留表的结构，且对性能要求较高，可以考虑使用。操作是逐行删除，每次删除都需要记录事务日志以支持回滚操作，同时还需要触发相关的触发器和外键约束。DROP TABLE语句可以彻底删除数据库中的表，包括表的结构、数据、索引和触发器等。是一种逐行删除的操作，它会逐个删除表中的每一行数据，并且可以带有条件进行过滤。操作只删除表中的数据，不改变表的结构，包括表的元数据、索引、触发器等都会保留。对于用户而言，需要有逐行删除数据的权限和足够的资源（磁盘空间、内存等）。
2023-08-15 14:27:24
866
原创 【自然语言处理NLP】社区发现快速入门
关系型数据，又名“”，指关系数学模型中以的形式来描述的数据，它以表格形式组织，使用行和列来存储和表示数据之间的关系。关系型数据可以用在图模型中，可以使用图的节点和边来建模关系型数据，关系型数据被建模为图（graphs）或超图（hypergraphs）。[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TvrDROrw-1690345122210)(assets/image-20230724201507842.png)]
2023-07-26 12:20:16
312
原创 【GIT】如何在GitHub上向一个开源项目贡献代码？
参考链接：https://www.bilibili.com/video/BV1WC4y1a76G/?p=1&t=175。
2023-07-15 17:47:05
388
转载 【转载】Graph Convolutional Networks (GCN)
原文链接：https://ai.plainenglish.io/graph-convolutional-networks-gcn-baf337d5cb6bIn this post, we’re gonna take a close look at one of the well-known Graph neural networks named GCN. First, we’ll get the intuition to see how it works, then we’ll go deeper into
2023-07-09 15:10:26
164
原创 【GIT】GitHub添加ssh密钥
在想要克隆GitHub项目到本地时，通常开源通过https和ssh两种方式，由于GitHub的服务器步数在海外，https连接受网络波动的影响较大，经常会出现连接中断的情况，相比之下，用ssh方式进行克隆显得更加方便和高效。GitHub 的 SSH 密钥用于对你的 GitHub 账号进行身份验证，以便你能够通过 SSH 安全地连接和进行操作。便利性：一旦将 SSH 密钥添加到你的 GitHub 账号中，你可以通过 SSH 协议与 GitHub 远程仓库进行通信，而无需每次都输入用户名和密码。
2023-07-02 14:15:05
6676
原创 【自然语言处理NLP】DPCNN模型论文精读笔记
较早的层级捕捉到更局部的信息，而随着网络的深化，较深层级可以捕捉到更全局的信息。因此，通过深化网络并使用"pyramid"结构，DPCNN能够利用不同层级的卷积和池化操作，以一种分层的方式有效地发现文本中的长距离关系，并从中获得更全局的信息。这种降采样操作有助于缩小特征图的空间范围，提取更高级别的语义信息，并促使模型在更高层次的卷积块中学习到更全局的特征和上下文关系。因此，在DPCNN中的下采样操作通过池化层和步幅为2的池化操作，降低特征图的尺寸，减少计算复杂度，并帮助模型学习到更全局的语义信息。
2023-06-25 20:56:15
903
北京科技大学研究生英语科技论文写作MOOC参考答案，包含每章视频后面测试题目，quiz，assignment等
2023-04-04
人口预测模型-指数模型、logistic模型、马尔萨斯模型、Leslie模型介绍，python和matlab代码实现
2023-01-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人