<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[ACA_JSP的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/ACA_JSP</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ACA_JSP]]></copyright><item><title><![CDATA[交叉熵的简单理解]]></title><link>https://blog.youkuaiyun.com/ACA_JSP/article/details/120454589</link><guid>https://blog.youkuaiyun.com/ACA_JSP/article/details/120454589</guid><author>ACA_JSP</author><pubDate>Fri, 24 Sep 2021 19:25:02 +0800</pubDate><description><![CDATA[交叉熵损失计算示例交叉熵损失公式
交叉熵损失公式

其中y为label，p^为预测的正类别概率，即在二分类中通过sigmoid函数得出的正类别概率大小。


举例：
criterion = nn.CrossEntropyLoss()
input = torch.randn(3, 5, requires_grad=True)
target = torch.empty(3, dtype=torch.long).random_(5)
loss = criterion(input, target)

上述代码即为求]]></description><category></category></item><item><title><![CDATA[遗传算法的原理及其在各类型问题求解中的应用]]></title><link>https://blog.youkuaiyun.com/ACA_JSP/article/details/116030414</link><guid>https://blog.youkuaiyun.com/ACA_JSP/article/details/116030414</guid><author>ACA_JSP</author><pubDate>Thu, 22 Apr 2021 20:51:40 +0800</pubDate><description><![CDATA[文章目录前言一、遗传算法的形成和发展二、遗传算法应用实例1.车间布局优化2.车间布局问题求解代码2. 装箱问题2.1 模型2.2 实例验证2.3 代码主函数2.4运行结果

前言
之前只对遗传算法进行了简单的介绍，本文主要针对遗传算法原理，应用案例求解过程进行介绍。

一、遗传算法的形成和发展
示例：遗传算法起源于对生物系统所进行的计算机模拟研究。20世纪60年代初，美国Michigan大学的J. Holland教授受到生物模拟技术的启发开始对其研究，在1966年关于自适应下棋程序的论文中，他应用遗传算法搜]]></description><category></category></item><item><title><![CDATA[使用遗传算法求解FT06问题，FT10问题，FT20问题]]></title><link>https://blog.youkuaiyun.com/ACA_JSP/article/details/116027001</link><guid>https://blog.youkuaiyun.com/ACA_JSP/article/details/116027001</guid><author>ACA_JSP</author><pubDate>Thu, 22 Apr 2021 19:53:50 +0800</pubDate><description><![CDATA[遗传算法的使用遗传算法介绍新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入
遗传算法介绍
前篇文章已经简要介绍了遗传算法，这里不再赘述，只对FT06、FT10、FT20问题简要介绍，并给出其遗传算法求解方法，之后的文章中会
]]></description><category></category></item><item><title><![CDATA[遗传算法及其在作业车间调度问题中的实现]]></title><link>https://blog.youkuaiyun.com/ACA_JSP/article/details/115839545</link><guid>https://blog.youkuaiyun.com/ACA_JSP/article/details/115839545</guid><author>ACA_JSP</author><pubDate>Sun, 18 Apr 2021 21:26:17 +0800</pubDate><description><![CDATA[遗传算法
提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
例如：第一章 Python 机器学习入门之pandas的使用

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档
文章目录遗传算法前言一、遗传算法是什么？二、使用步骤1.流程示意2. 编码方案3. 案例实现4. 代码实现总结


前言
简介：
遗传算法被发明几十年来，应用已经较为成熟，广泛应用于各类复杂优化问题，但其中一个缺点是实现较为困难，本文以作业车间调度问题为研究对象，在matlab中实现了遗传算法。


一、]]></description><category></category></item><item><title><![CDATA[调度——特殊生产线介绍]]></title><link>https://blog.youkuaiyun.com/ACA_JSP/article/details/115839158</link><guid>https://blog.youkuaiyun.com/ACA_JSP/article/details/115839158</guid><author>ACA_JSP</author><pubDate>Sun, 18 Apr 2021 20:26:06 +0800</pubDate><description><![CDATA[串行并行工序混合的生产线数学模型生产线简介示意图目标函数求解结果
生产线简介
很多生产线工序并不是简单的串行或并行关系，而实两种同时存在的混合并发关系，本文主要对此种生产线简介，然后以最小完工时间为目标，介绍此类生产线。
示意图

目标函数

其中,各符号代表的意义如下：
O(i,j):任务i中的第j道工序;
O_(i,j-1): 任务i中的第j道工序的前序工序
E^k:第k台设备；
BT(i,j):任务i中第j道工序的开始时间；
DT(i,j):任务i中第j道工序完工后进入到下一道工序失效前最多可等待时间]]></description><category></category></item><item><title><![CDATA[蚁群算法原理以及应用]]></title><link>https://blog.youkuaiyun.com/ACA_JSP/article/details/88362006</link><guid>https://blog.youkuaiyun.com/ACA_JSP/article/details/88362006</guid><author>ACA_JSP</author><pubDate>Sat, 09 Mar 2019 09:05:12 +0800</pubDate><description><![CDATA[蚁群算法是一种群体智能仿生启发式算法,从提出至今已在不同领域的优化问题中已经得到广泛的应用。本文首先对启发式算法和蚁群算法的由来以及含义做简要介绍，然后讲述蚁群算法的求解原理，再分别用两个案例解释蚁群算法，观察蚁群算法的求解结果；通过对蚁群算法的使用方法做简要介绍，可以了解近似解的含义以及正反馈的作用，最后针对目前蚁群算法的发展现状和应用领域对未来的发展提出展望和目标。]]></description><category></category></item></channel></rss>