她真的走了,昨天下午,走了,空荡荡的....

作者描述了一位优秀的女工程师,她是作者心中的目标与榜样。虽然两人因技术路线不同而难以交流,但作者仍希望有机会能与她深入交谈。当得知她已悄然离职后,作者内心产生了复杂的情绪,并祝福她未来一切顺利。

她是我们这儿最优秀的女工程师,也是最优秀的工程师,一直以来是我的目标和榜样.

将近两个月,她一直都坐在我的旁边,呵..(苦笑),可是我总是不敢正面去看她一眼,或者是敬畏,又或者是以前发生的那些不快让我顾忌.真的,我真的很想和她好好谈谈,可是我真的没有什么话题谈,因为我已经偏离了原来的航线,在技术上已经不是在同一条路上了.

她是默默地走的,我也是今天才知道她昨天走的.她只想安静地离开,尽管大家都知道她会离开.一种不明的郁闷却在我的心底产生,仿佛这一切又会重现...

祝她好运吧,或许她永远比我好运,呵.....

也祝我好运,我和她可能是奔向同一个地方,只是代遇不同,时机不同而已..

在湛江的日子一天一天的过,过得一天少一天....

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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