![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
算法与数据结构
文章平均质量分 64
数据结构与算法分析学习
小小谢先生
拿过大厂、银行、国企、事业单位、研究所等公司offer。
致力于信创产业,人工智能布道者
展开
-
红黑树自平衡总结
红黑树性质:根节点为黑色 节点不是红色就是黑色 每个叶子节点NIL为黑色 红色节点的两个子节点一定都是黑色 任意一个节点到叶子节点的路径都包含相同数量的黑色节点,俗称:黑高 (如果一个节点的存在黑子节点,那么该节点肯定有两个子节点)当前节点为I,父节点为P,P节点的兄弟节点为U,P的父节点为PP(祖父节点)1、当前节点为空,直接插入即可2、插入的节点已经存在,直接替换即可3、插入节点的父节点为【黑色节点】,找到父节点,直接插入即可。不会...转载 2021-02-04 11:49:09 · 733 阅读 · 0 评论 -
深度学习经典算法 | 蚁群算法解析
蚁群算法基本思想蚁群算法的基本原理来源于自然界中蚂蚁觅食的最短路径问题。根据昆虫学家的观察,发现自然界的蚂蚁虽然视觉不发达,但它可以在没有任何提示的情况下找到从食物源到巢穴的最短路径,并且能在环境发生变化(如原有路径上有了障碍物)后,自适应地搜索新的最佳路径。蚂蚁是如何做到这一点的呢?原来,蚂蚁在寻找食物源时,能在其走过的路径上释放一种蚂蚁特有的分泌物一信息激素一也可称之为信息素,使得一定范围内的其他蚂蚁能够察觉到并由此影响它们以后的行为。当一些路径上通过的蚂蚁越来越多时,其留下的信息素也越来越多,以致原创 2020-06-28 23:48:44 · 6331 阅读 · 0 评论 -
用matlab实现假设性检验T检验(葡萄酒评价)
2012建模的题目是要求对葡萄酒品质进行评价,第一问是两组葡萄酒的评价有没有显著性差异,用的是统计学中的假设T检验。matlab代码如下:% 清空环境变量clear allclc%导入数据X1=xlsread('2012A_T1_processed.xls', 'T1_red_grape', 'D3:M272'); X2=xlsread('2012A_T1_processed.xls', 'T2_red_grape', 'D3:M272');X3=xlsread('2012A_T1_p原创 2020-06-14 16:09:27 · 7884 阅读 · 3 评论 -
深度学习经典算法 | 粒子群算法详解
粒子群算法(PSO)基本思想粒子群(PSO)算法最早是由美国电气工程师Eberhart和社会心理学家Kennedy在1995年基于群鸟觅食提出来的。群鸟觅食其实是一个最佳决策的过程, 与人类决策的过程相似。Boyd和Re chars on探索了人类的决策过程,并提出了个体学习和文化传递的概念。根据他们的研究成果,人们在决策过程中常常会综合两种重要的信息:第一种是他们自己的经验,即他们根据以前自己的尝试和经历,已经积累了一定的经验,知道怎样的状态会比较好;第二种是其他人的经验,即从周围人的行为获取知识,从原创 2020-06-12 23:47:47 · 18038 阅读 · 1 评论 -
深度学习经典算法 | 模拟退火算法详解
模拟退火算法基本思想现代的模拟退火算法形成于20世纪80年代初,其思想源于固体的退火过程,即将固体加热至足够高的温度,再缓慢冷却。升温时,固体内部粒子随温度升高变为无序状,内能增大,而缓慢冷却时粒子又逐渐趋于有序,从理论上讲,如果冷却过程足够缓慢,那么冷却中任一温度时固体都能达到热平衡,而冷却到低温时将达到这一低温下的内能最小状态。在这一过程中, 任一恒定温度都能达到热平衡是个重要步骤, 这一点可以用MonteCarlo算法模拟,不过其需要大量采样,工作量很大。但因为物理系统总是趋向于能量最低,而分原创 2020-06-10 22:33:02 · 6186 阅读 · 2 评论 -
深度学习经典算法 | 遗传算法详解
遗传算法生物学基础在一定的时间内,有一群兔子,其中一些比另外一些兔子跑得快,而且更聪明,这些兔子被狐狸吃掉的可能性比较小,因此它们中的多数就存活下来并繁殖更多的兔子。当然,一些跑得慢而愚蠢的兔子也会存活下来,只是因为它们比较侥幸,这些存活的兔子群开始生育。生育的结果是兔子遗传材质的充分融合:一些跑得慢的兔子生出了跑得快的兔子,一些跑得快的兔子生出跑得更快的,一些聪明的兔子生出了愚蠢的兔子,等等。在最顶层,自然界不时地变异一些兔子的基因材质。所产生的小兔子平均来说要比原始的群体更快更聪明,因为从狐狸口中生原创 2020-06-07 23:08:30 · 4291 阅读 · 16 评论