摘要： Python 搭建 ftp 服务器 实验未成功，先记下代码，后面看看如何修改 from pyftpdlib.authorizers import DummyAuthorizer from pyftpdlib.handlers import FTPHandler from pyftpdlib.serv 阅读全文

摘要： 基本概念 最优化问题可分为两类，一类是求最大值，一类是求最小值，这里的最大最小指的是目标函数，当然通常也把目标函数叫适应度； 而遗传算法本身是求最大值的，因为优胜劣汰，得到的是适应度最大的个体； 如果想求最小值，就需要做适应度函数变换； 如果目标函数之间差别很小，个体被选择的概率也就相差不大，这样算 阅读全文

摘要： 编码是建立 基因型 与 表现型 的映射关系 编码原则 完备性（completeness）：问题空间的所有解都能表示为所设计的基因型； 健全性（soundness）：任何一个基因型都对应于一个可能解； 非冗余性（non-redundancy）：问题空间和表达空间一一对应 二进制编码 解决常规问题最常用 阅读全文

摘要： 甘特图（Gantt chart）又称为横道图、条状图(Bar chart)。 其通过条状图来显示项目、进度和其他时间相关的系统进展的内在关系随着时间进展的情况。 以提出者亨利·劳伦斯·甘特（Henry Laurence Gantt）先生的名字命名 python 绘制甘特图有多种方法，本文做个总结 b 阅读全文

摘要： 一种随机搜索算法，跟遗传算法差不多，简单看看吧 通俗解释 假设有下面这样一个函数，现在想求函数的（全局）最优解（最小值）。 如果采用Greedy策略，那么从A点开始试探，如果函数值继续减少，那么试探过程就会继续。而当到达点B时，显然我们的探求过程就结束了（因为无论朝哪个方向努力，结果只会越来越大）。 阅读全文

摘要： 选择算子很多，本文先做个简单汇总，等应用时再自行研究 轮盘赌选择（roulette wheel selection） 锦标赛选择（tournament selection） 随机遍历抽样（stochastic universal selection） 局部选择（local selection） 截断 阅读全文

摘要： 首先了解一下达尔文进化论：人类在繁衍过程中，通过交配产生基因重组和变异，从而产生更好的个体，也可能是更差的个体， 每一代人接受大自然的考验，优胜略汰，适应能力强的被保存下来，差的被淘汰，使得人类对环境的适应能力越来越强； 遗传算法就是借鉴了人类的进化过程，更好地适应环境就是我们的目标（y），每一代人 阅读全文

摘要： python 绘制动态图有几种方法，本文做个汇总 plt.pause(time)：动态图必须有这句，否则图像会一闪而过 直接更新数据 每次画图时，更新数据，实际上还是平常的画图，但数据变了，看起来像图变了； 注意这种方法要事先指定 figure，每次画图时清空 import matplotlib.p 阅读全文

摘要： 在学习 A* 之前，建议先学习下 Dijkstra 算法 A* 原理 详见参考资料 算法原理没有什么难度，静下心来，你肯定能看懂，时间关系，我就简写了 A* 进阶 A* 算法大概包含两个基础算法： 基础1-启发式搜索 在 已知 起点 s 到 所有当前点（openlist）的距离 g 时，如何选择哪个 阅读全文

摘要： 本文记住这句话就够了： 把线性回归 y=wx 加上一个连接函数 f(wx) 就可以转化成各种回归 线性回归 我们知道，线性回归需要满足几个非常重要的假设 1. 正态性：残差符合正态分布 2. 方差齐性：Y的方差相等，确切地说是 残差 的方差变化不大 为什么呢？ Y=β0+β1x1+β2x2+…+βp 阅读全文