2024/12/23

好像应该是看文献，应用方法，做实验，看效果，改实验

而不是全部都看好了，框架也想好了，然后着手开始写代码

可是这些目前为止看的论文没有开源代码啊！

可能复现代码就是学计算机的要有的一个看家本事。

 

2. 如何寻找合适的代码

在 GitHub 上找代码的技巧：

1. 搜索关键词：

   • 使用论文标题的一部分或关键词，如 "NSGA-II implementation"、"multi-objective optimization Python"。
   • 如果没有找到直接相关的代码，可以搜更宽泛的关键词，如 "genetic algorithm Python"。

2. 查看仓库的 README 和 Issues：

   • 仓库主页通常会说明项目的用途和方法。如果代码实现了类似方法，你可以尝试改造成你需要的。

3. 用文献作者的名字搜索：

   • 有些作者会将代码托管在自己的 GitHub 账户上，尝试直接搜索论文作者的名字。

其他寻找代码的途径：

• Google Scholar：有些论文在附加材料中会提供代码链接，你可以在 Google Scholar 上搜索。
• OpenReview 或 arXiv：这些平台上的论文经常带有开源链接。
• 联系作者：如果找不到代码，可以试着给作者发邮件，礼貌询问是否有可用的代码或伪代码实现。

3. “引证文献”和“参考文献”是学术研究中的两个重要概念，它们涉及到论文之间的相互引用关系：

---

1. 引证文献（Citing Documents）

• 定义：引证文献是引用了你的论文的其他文献。也就是说，某篇论文在它的参考文献中列出了你的论文，那么这篇引用你论文的文献就是你的引证文献。
• 谁引用谁：别人引用你。
• 作用：
  • 衡量论文的学术影响力
  • 帮助追踪学术传播

---

2. 参考文献（References）

• 定义：参考文献是你在论文中引用的文献列表。你在写作论文时，为支持论点或介绍背景，需要引用其他学者的研究成果，这些被引用的文献就是你的参考文献。
• 谁引用谁：你引用别人。
• 作用：
  • 说明论文的理论基础
  • 避免学术剽窃

4.回顾NSGA-II课件，来自https://space.bilibili.com/294132471

https://yarpiz.com/category/multiobjective-optimization

NSGA-II（非支配排序遗传算法 II）中的 拥挤距离（Crowding Distance） 是用于评估解的多样性的重要指标。它通过计算目标空间中相邻解的距离，帮助保持种群的分布均匀性。以下是具体计算步骤：

 

---

拥挤距离的作用

1. 多样性维护：

   • 拥挤距离用于评估解在目标空间的稀疏程度，拥挤距离大的解优先被保留。
   • 在种群选择时，若两个解属于同一个非支配层，优先保留拥挤距离大的解，保持种群的分布均匀性。

2. 排序规则：

   • 按非支配排序分层，优先选择低层次的解。
   • 同层解通过拥挤距离排序，拥挤距离大的解优先。

你会