weixin_50922203的博客

本文针对一个类旅行商问题， 并未沿用传统思路， 而是将其视作一个车辆规划模型， 使用搜索的方式列出可能性， 再通过启发式算法来对所有的可能性做出选择， 能够在保 证准确率的同时， 极大的缩短模型运行的时间， 达到更高的效率。 问题一中， 针对一个类旅行商问题， 本文建立了一个基于模拟退火（SA） 和深度优 先搜索（DFS） 的类旅行商问题（TSP） 求解模型， 得出的最优解共计配送里程 582km。 问题二中， 对于多个路径叠加的问题， 本文建立了一个基于粒子群优化（PSO） 的 广度优先搜索（BFS） 模型， 共计配送时间 380 分钟。 问题三中， 针对并非常规的 TSP 问题， 本文将其视作一个车辆路径问题（VRP）， 使 用 K-means 的方法进行划分， 然后建立了一个基于遗传算法的车辆路径规划模型， 最终 的结果有超过 50%的概率能够收敛到全局最优。 问题四中， 对于一个更复杂的路径规划问题， 依然先使用 K-means 的方法对整个图 进行分区， 分区后再将每个区视作一共车辆路径规划问题， 建立了一个基于遗传算法的 车辆路径规划模型。

主成分分析（ PCA），机器学习，随机森林， K 最近邻，支持向量机，逻辑 回归， 词袋法，模糊综合评价模型，信息熵， 优劣解距离法 本文使用了主成分分析（ PCA）的方法来求取故障率和误报率影响选择结果的 权重，得到了第一问的得分权重， 从而选择出了最适合的设备， 线型光束感烟探测 器。 第二问中我们使用了一个复合机器学习模型，同时使用了随机森林， K 最近 邻，支持向量机，逻辑回归 4 种模型，同时使用 CountVectorize 来对文本特征进 行量化，将 4 种模型的结果剔除一个离另外 3 个较远的，再取平均，得到最终结 果，避免了单一模型对结果的准确性造成影响，并验证了特征之间不存在明显相关 性。 第三问中我们使用熵权法+模糊综合评价的方法，得到了最优结果： R 大队， 和最劣结果： J 大队， M 大队， G 大队，在模型的检验中，使用了新的模型优劣解 距离模型求取了一次新的熵权，验证了结果的可靠性。 第四问中我们综合前两问中对于报警器的准确率，故障率及其工作原理给出多 种报警器的使用建议。结合第三问中对于各个大队的优劣结果得出火灾报警可靠性 与管辖面积的关系进而提出管理

该数据集包括200+个类，每类包含水果越300+张，每张水果图片都经过了旋转。 苹果（不同品种：深红色、金色、金红色、史密斯奶奶、粉红女士、红色、红色美味）、杏、鳄梨、熟鳄梨、香蕉（黄色、红色、女士手指）、甜菜根红、蓝莓、仙人掌、哈密瓜（2个品种）、洋芋、花椰菜、樱桃（不同品种，雷尼尔）、樱桃蜡（黄、红、黑）、栗子，克莱门汀、椰子、玉米（带壳）、黄瓜（成熟）、大枣、茄子、无花果、姜根、石榴、葡萄（蓝色、粉色、白色（不同品种））、葡萄柚（粉色、白色）、番石榴、榛子、越橘、猕猴桃、卡其、大头菜、金缕梅、柠檬（普通、梅耶）、青柠、荔枝、柑桔、芒果（绿色、红色）、芒果、芒果，甜瓜馅饼、桑椹、油桃（普通、扁平）、坚果（森林、山核桃）、洋葱（红色、白色）、橘子、木瓜、西番莲、桃子（不同品种）、佩皮诺、梨（不同品种，阿巴特、福莱尔、凯撒、怪兽、红、石、威廉姆斯）、胡椒（红、绿、橙、黄）、酸浆（普通，带壳）、菠萝（普通、迷你），皮塔哈亚红、李子（不同品种）、石榴、石榴甜心、土豆（红、甜、白）、木瓜、红毛丹、覆盆子、红醋栗、萨拉克、草莓（普通、楔形）、柽柳、坦格洛、番茄

高级语言程序设计(SIST000812)第2次实验(大作业)报告-成绩管理 SWJTU C语言/高级语言程序设计期末大作业 本人C语言99分，有任何考试相关问题可以来咨询哦！