2024-2025-1 20241301 《计算机基础与程序设计》第十四周学习总结

一、教材学习内容
（一）第十四章模拟、图形学、游戏以及其他应用
《计算机科学概论》第十四章主要探讨了模拟、图形学、游戏以及其他应用。以下是该章节的总结：

模拟：
- 模拟是计算的一个重要领域，它涉及为复杂系统构建计算机模型，并用模型进行实验以观察结果。模型是对真实系统的抽象，系统在模型中被表示为一组对象或特征以及管理它们行为的规则。
- 有两种主要的模拟类型：连续模拟和离散事件模拟。连续模拟中的变化由偏微分方程表示，而在离散事件模拟中，行为被表示为实体、属性和事件。
- 排队系统是一种离散事件模拟，其中等待时间是要分析的因素。气象模型和地震模型是连续模拟的例子。
计算机图形学：
- 计算机图形学是结合计算机、科学和绘画艺术的领域，依赖数学方程来模拟图像中要呈现的自然现象。它涉及光的交互、对象的属性（如透明度和表面纹理）、对象的形状和物理属性，生成接近真实照片的图像。
游戏：
- 计算机游戏是一个玩家可以与系统以及玩家之间交互的虚拟世界。游戏开发者、软件设计师和程序员使用游戏引擎来创建游戏虚拟世界。
其他应用：
- 章节还可能探讨了计算机科学在其他领域的应用，如计算生物学、必要的计算能力等。

这一章节的内容涵盖了计算机科学的多个重要领域，展示了计算机技术在模拟现实世界现象、创造视觉艺术作品以及开发互动娱乐产品方面的广泛应用。
（二）AI
《计算机科学概论》第十三章关于人工智能（AI）的内容可以总结如下：

人工智能的定义：
- 人工智能是计算机科学的一个分支，它涉及研究、设计和应用智能机器和智能系统。智能机器能够执行通常需要人类智能的任务，如视觉感知、语音识别、决策和语言翻译。
人工智能的起源与发展：
- 人工智能的概念于1956年在美国达特茅斯学院的会议上被首次提出，标志着人工智能学科的诞生。
人工智能的关键技术：
- 包括AI芯片、芯片使能技术、AI开发框架、大模型、云智一体等。这些技术共同推动AI向更高效、更智能和更广领域应用发展。
人工智能的应用领域：
- 人工智能的应用非常广泛，包括智能制造、智能家居、智慧金融、智能医疗、自然语言生成（NLG）、自然语言处理（NLP）、计算机视觉、机器学习、专家系统和机器人技术等。
人工智能的工作原理：
- 人工智能通过机器学习、自然语言处理等技术，使计算机系统能够执行视觉识别、语言交流、决策支持等任务。
人工智能的道德和社会问题：
- 随着AI技术的发展，也带来了一系列道德和社会问题，如隐私保护、就业影响、责任归属等，这些问题需要社会各界共同关注和解决。

这一章节为读者提供了人工智能领域的全面概览，从基础概念到技术应用，再到社会影响，为进一步深入学习人工智能奠定了基础。

二、教材学习中遇到的问题
（一）排队系统
排队系统是运筹学和工业工程中的一个经典模型，用于研究和分析等待服务的对象（如人、物品或数据包）在队列中的行为和性能。排队系统广泛应用于银行、医院、机场、电话服务中心等多种服务场景，以及生产线、物流和计算机网络等领域。以下是排队系统的一些基本概念和组成部分：

到达过程：
- 描述客户或任务到达服务点的模式。常见的到达过程包括泊松过程（随机且独立的时间间隔）和确定性过程（固定的时间间隔）。
服务过程：
- 描述服务的提供方式，包括服务时间的分布和服务台的数量。服务时间可以是确定性的或随机的，服务台可以是单个或多个。
排队规则：
- 定义客户到达后如何进入队列和接受服务的顺序。常见的排队规则包括先来先服务（FCFS）、最短处理时间优先（SPT）和优先级排队等。
队列容量：
- 队列中可以容纳的最大客户数。如果队列容量有限，超过容量的客户可能会被拒之门外或进入另一个队列。
服务台：
- 提供服务的设施或人员。服务台的数量和服务效率直接影响排队系统的性能。
性能指标：
- 用于评估排队系统性能的指标，包括队列长度、等待时间、吞吐量和客户满意度等。常见的性能指标包括系统中平均客户数（L）、队列中平均等待时间（W）和服务器利用率（ρ）。
排队模型：
- 用以描述排队系统特征的数学模型，通常用 Kendall-Notation 表示，如 M/M/1（到达过程为马尔可夫过程，服务时间为马尔可夫过程，一个服务台）。

排队理论提供了一套分析工具和方法，可以帮助设计和优化排队系统，减少等待时间，提高服务效率。通过模拟和数学分析，可以预测不同排队策略下系统的性能，从而为实际问题提供解决方案。

三、基于AI的学习

posted @ 2024-12-29 22:19 HonJo 阅读(11) 评论(0) 编辑收藏举报

刷新页面返回顶部

HonJo