自律性暴涨的小技巧

本文介绍了一种避免恶性反馈循环,提高学习效率的方法。通过手边管理法划分学习区域,减少诱惑,将被动推送转为主动接收,及时处理重要事务,利用音乐营造学习环境,以及应对服务生效应的策略。
避免进入恶性的反馈循环
  1. 什么是恶性反馈循环

    走神–爽--走神–爽,就是走神一时爽,一直走神一直爽。导致效率低下。

    手边管理法: 把学习区域划分为高危区、中危区、低危区。三个区域一次远离你的手边。
    ①高危区只能存放当前任务必要的用品
    ②中危区是你站起来才能触达的区域,存放当前不太需要的用品
    ③低危区是离你最远的区域,需要走很多步才能拿到的(手机 电脑等高诱惑物品要放在这个区域)
    ④“手边管理”的本质:提高屈服诱惑的成本。

  2. 将被动推送转化成主动接收

    消除诱惑源:关闭手机所有推送。

  3. 重要的事情当下做

    造成拖延的原因是 总想着未来的时间还有很多,其实只是未来还没有到来给我们造成了未来时间很多的假象。

  4. 学习时到底要不要听音乐

    安静环境是最佳选择。但是不具备安静环境,可以尝试使用音乐营造出安静的环境。不会调动情绪的、熟悉的纯音乐更好。

  5. 服务生效应

    人会将未完成的事情记得很清楚。比如某件事做了一半被人打断,心里总惦记着这事情。导致无法集中注意力
    可以写一个代办清单,暂时将这件事情放下来,可以极大降低焦虑、恢复专注力。

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
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