关于图的结构的概述,有举例等,可以用于以后的文献综述

https://mp.weixin.qq.com/s?__biz=MzI2MDE5MTQxNg==&mid=2649696506&idx=1&sn=5ddfd0002404554558303ae0d812899c&chksm=f276ed2dc501643b1e2b0e6c4193c52ca5268eeb2b6742a62bc2ef508bdda0e1e38bc58d9c29&mpshare=1&scene=1&srcid=&sharer_sharetime=1564451856549&sharer_shareid=84a899bd61e6f69b47ed80c87f999df3&key=5f0f50182f377fceaf22be86ab11718655e4cf1289832a359fe15b63ab9c18b56a0d578c5fc9b3930cffd3e55e11a99d92c729b1e21dfa2140c07c063b4b60f6556a2c13e09c1af262a702c11947362b&ascene=1&uin=NjY5NTUyOTE0&devicetype=Windows+10&version=62060739&lang=zh_CN&pass_ticket=0Tqolwc7Bu4C%2FumiICKyunXo1hNm93X8STxusVxccSlFXCnaJAe%2FD2WBrJcT%2Ftl9
分享了静态图和动态图之间的区别,并且通过具体的例子阐述了这些区别

在这里插入图片
可以作为以后写论文的依据

20190918
图挖掘方面的介绍(以后写文献综述)
https://blog.youkuaiyun.com/qq_41653753/article/details/79112436
近年来,图挖掘作为,数据挖掘的重要组成部分引起了社会各界的极大关注。图挖掘(Graph Mining)是指利用图模型从海量数据中发现和提起有用知识和信息的过程。通过图挖掘所获取的知识和信息已广泛应用于各种领域,如商务管理、市场分析、生产控制、科学探索和工程设计。…(详细见链接)

子图包含的文章:
PREFINDEX
里面的定义可以为以后写文章的定义作为参考

20191002:
1 链接:
https://www.leiphone.com/news/201606/oBmEVdWoFbc7GUW5.html?uniqueCode=aewwFhhu9SCeIqUG

上面的链接中,提到了运用WL子图同构的方法。涉及到的理论再好好读读。
2 link:
https://graphdot.readthedocs.io/en/latest/?utm_source=wechat_session&utm_medium=social&utm_oi=612275465965146112
https://gitlab.com/yhtang/graphdot/issues
上面是知乎找到的关于图相似度指标的代码,类似于github

基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了一种结合遗传算法的新颖优化方法,并通过Matlab代码实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在生产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系与实际应用场景,强调“借力”工具与创新思维在科研中的重要性。; 适合人群:具备一定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究的研究生及科研人员,尤其适合正在开展调度优化、路径规划或算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计与实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现与创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理与代码实现的对应关系,结合提供的网盘资源下载完整代码进行调试与复现,同时注重从已有案例中提炼可迁移的科研方法与创新路径。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值