搜索学习

基于元学习的元策略搜索 基于元学习的元策略搜索 1. 背景介绍 随着人工智能技术的不断发展,机器学习在各个领域都得到了广泛的应用。其中强化学习作为一种重要的机器学习范式,在决策问题、游戏对抗、机器人控制等方面取得了巨大的成功。然而传统的强化学习算法通常需要大量的样本数据和计算资源来训练出有效的策略。对于很多复杂的环境和任务 阅读详情

dfs

题目: 排列数字

题意:就是让你输出全排列。
思路:可以用dfs去搜索。
代码:数组标记

#include<bits/stdc++.h>
using namespace std;

const int maxn = 10;
int pri[maxn], n, vis[maxn];
void dfs(int step){
    if(step == n){
        for(int i = 0; i < n; i++){
            if(i != 0)cout<<" ";
            cout<<pri[i];
        }
        cout<<endl;
        return;
    }
    for(int i = 1;  i <= n; i++){
        if(!vis[i]){
            vis[i] = 1;//标记
            pri[step] = i;//记录
            dfs(step+1);
            vis[i] = 0;//恢复现场
            pri[step] = 0;
        }
    }
    
}

int main(){
    cin>>n;
    dfs(0);
    
return 0;    
}

通过位运算标记:

#include<bits/stdc++.h>
using namespace std;

const int maxn = 10;
int pri[maxn], n, vis = 0;
void dfs(int step){
    if(step == n){
        for(int i = 0; i < n; i++){
            if(i != 0)cout<<" ";
            cout<<pri[i];
        }
        cout<<endl;
        return;
    }
   // cout<<step<<endl;
    for(int i = 1;  i <= n; i++){
        if((vis & (1<<i)) == 0){
            vis += 1<<i;
            //cout<<vis<<endl;
            pri[step] = i;
            dfs(step+1);
            vis -= 1<<i;
            pri[step] = 0;
            
        }
    }
    
}

int main(){
    cin>>n;
    vis = 0;
    dfs(0);
    
return 0;    
}

题目:n-皇后问题

题意:在同一行或者同一列,不能放置Q,把所有的结果输出来。
思路:以行为参数,去搜索列。
代码:

#include<bits/stdc++.h>
using namespace std;

const int maxn = 10;
int c[maxn*2], r[maxn*2], vis[maxn];
int n;
char mp[maxn][maxn];
void dfs(int u){
    if(u == n){
        for(int i = 0; i < n; i++){
            for(int j = 0; j < n; j++)cout<<mp[i][j];
            cout<<endl;
        }
        cout<<endl;
        return;
    }
    for(int i = 0; i < n; i++){
        if(!vis[i] && !c[n-u+i] && !r[u+i]){  //行c: y = x + b -> b = y-x,由于可能是负的所以加一个n,列r:y = x - b -> b = y+x,
            vis[i] = 1;
            c[n-u+i] = 1;
            r[u+i] = 1;
            mp[u][i] = 'Q';
            dfs(u+1);
            vis[i] = 0;//恢复现场
            c[n-u+i] = 0;
            r[u+i] = 0;
            mp[u][i] = '.';
        }
    }
    
}

int main(){
    cin>>n;
    for(int i = 0; i < n; i++){
        for(int j = 0; j < n; j++)mp[i][j] = '.';
    }
    dfs(0);
    
    return 0;
}

bfs

题目:走迷宫

题意:给你一个图0代表可以走, 1代表不可以走,问你从(1, 1)到(n, m)的最短距离。
代码:

#include<bits/stdc++.h>
using namespace std;

const int maxn = 100;
int n, m;
int dx[4] = {0,0, -1, 1};
int dy[4] = {1, -1, 0, 0};
int mp[maxn][maxn], vis[maxn][maxn];
typedef pair<int, int> PII;
PII tmp;
void bfs(){
    queue<PII>q;
    vis[1][1] = 0;
    q.push({1, 1});
    while(q.size()){
        PII tmp = q.front();
        q.pop();
        //cout<<tmp.first<<" "<<tmp.second<<endl;
        for(int i = 0; i < 4; i++){
            int xx, yy;
            xx = tmp.first + dx[i];
            yy = tmp.second + dy[i];
            if(xx >= 1 && xx  <= n && yy >= 1 & yy <= m && !mp[xx][yy] && vis[xx][yy] == -1){
                q.push({xx, yy});
                vis[xx][yy] = vis[tmp.first][tmp.second] + 1;
                //if(xx == n && yy == m)break;
            }
        }

    }


}

int main(){
    cin>>n>>m;
    for(int i = 1; i <= n; i++){
        for(int j = 1; j <= n; j++){
            cin>>mp[i][j];
        }
    }
    memset(vis, -1, sizeof vis);
    bfs();
    cout<<vis[n][m]<<endl;


  return 0;
}

题目:图中点的层次

代码:

#include<bits/stdc++.h>
using namespace std;

const int maxn = 1e5+10;
int h[maxn], to[maxn], nex[maxn], tot = 0;

void add(int u, int v){
    to[tot] = v;
    nex[tot] = h[u];
    h[u] = tot++;
}

int n, m, vis[maxn];

int bfs(){
    memset(vis, -1, sizeof vis);
    vis[1] = 0;
    
    queue<int>q;
    q.push(1);
    
    while(q.size()){
        int tmp = q.front();
        q.pop();
        
        for(int i = h[tmp]; ~i; i = nex[i]){
            int j = to[i];
            
            if(vis[j] == -1){
                vis[j] = vis[tmp] + 1;
                q.push(j);
                if(j == n)break;
            }
            
        }
    }
    return vis[n];
}
int main(){
    cin>>n>>m;
    int a, b;
    memset(h, -1, sizeof h);
    
    for(int i = 1; i <= m; i++){
       cin>>a>>b;
       add(a, b);
    }
    
    cout<<bfs()<<endl;
    return 0;
}

拓扑排序

题目:有向图的拓扑序列

代码:

#include<bits/stdc++.h>
using namespace std;
const int maxn = 1e5+10;

int h[maxn], to[maxn], nex[maxn], degree[maxn], tot = 0;
int n, m;
vector<int>v;
void add(int u, int v){
    to[tot] = v;
    nex[tot] = h[u];
    h[u] = tot++;
}
int TopSort(){
    queue<int>q;
    for(int i = 1; i <= n; i++){
        if(!degree[i])q.push(i);//入度为0的点
    }
    int cnt = 0;
    while(q.size()){
        int tmp = q.front();
        //cout<<tmp<<endl;
        cnt++;
        q.pop();
        v.push_back(tmp);
        for(int i = h[tmp]; ~i; i = nex[i]){
            int j = to[i];
            degree[j]--;
            if(!degree[j])q.push(j);
        }
        
    }
    if(cnt < n)return -1;//代表产生环
    return 1;
    
}

int main(){
    cin>>n>>m;
    int a, b;
    memset(h, -1, sizeof h);
    for(int i = 1; i <= m; i++){
        cin>>a>>b;
        add(a, b);
        degree[b]++;//统计入度
    }
    if(TopSort() == -1)cout<<-1<<endl;
    else{ for(int i = 0; i < n; i++){
        cout<<v[i]<<" ";
    }
        puts("");
    }
    return 0;
}
深度学习在搜索和推荐领域的应用   /* 版权声明:可以任意转载,转载时请标明文章原始出处和作者信息 .*/                                                        author: 张俊林                             深度学习在搜索和推荐领域的应用                          (想更系统地学习深度学习知识?请... 阅读详情

相关推荐

学习能力篇:如何用搜索获取合适的学习资料?

这次主题我要给你分享的是如何用搜索找到你需要的学习资料,以及如何整理。 本文主要介绍搜索技巧及搜索命令。 不是百度搜索不行,是你没有搜索能力【搜商】。 看完本文,你就可以玩转搜索,搜到任意你想要学习的资料。

看花容易绣花难 2869

分享一些实用工具和学习网站

分享一些实用工具和学习网站

吴名氏的博客 4万+

深度学习图像搜索与识别

深度学习图像搜索与识别

jacke121的专栏 3416

学习搜索技巧

感触比较深的是搜索同一个内容, (⊙v⊙)嗯, 效率不行, 甚至根本找不到想要的答案/(ㄒoㄒ)/~~, 既然搜索这么智能, 那不如先学习怎么搜索, 现在还不知道怎么做, 慢慢更新╮(╯▽╰)╭哎, 简单试了试: 分割线 =。= . =。= . =。= . =。= . =。= . =。= . =。= . =。= . =。= 分割线 =。= . =。= . =。= . =。= ...

zoe__1的博客 561

自我学习AI:搜索引擎的进化

《自我学习AI:搜索引擎的进化》 关键词:自我学习AI、搜索引擎、算法、强化学习、深度学习、大数据分析 摘要:本文将深入探讨自我学习AI在搜索引擎领域的应用,包括其基础理论、核心技术、应用

AI天才研究院 1278

集成学习在神经架构搜索中的应用

感谢您的详细要求。我将以您提供的标题和大纲结构,以专业的技术语言撰写这篇深入探讨"集成学习在神经架构搜索中的应用"的技术博客文章。作为一名世界级的人工智能专家和计算机领域大师,我将竭尽全力为读者呈现一篇内容丰富、见解独到的高质量技术文章。在撰写过程中,我会严格遵守您提出的各项约束条件,确保文章的专业性、实用性和可读性。让我们开始吧!

AI天才研究院 1046

搜索学习体会

最近看了老师要求的所有搜索题目,对搜索的题目类型有一定的了解,概括题意的过程中,我发现好多题目都会与图,树等相结合,最近老师又在讲数据结构,所以挑选了一些与树有关的搜索题来做,但是发现都不会做,到头来,九十多道搜索题会做的只有普及-的一些同一类型题目,搜索的学习已经告一段落了,但是掌握的实际上并不多,可能连入门都算不上,新一轮的学习已经开始了,感觉离搜索的灵活应用却还差得远,但是有没有时间去加深对他的练习。 学习了搜索,相比于之前多明白了一些解决问题的方法,也比之前多会了一类问题,收获还挺大的 数据结构

m0_63945816的博客 746

欧姆龙SYSMAC STUDIO如何与基恩士SR-1000进行EIP通信

简要介绍一下扫码枪和欧姆龙sysmac的配置

weixin_42031602的博客 4777

第二周学习与搜索

学习首先是一个搜索的过程,要找到合适的对象或资源 教育者的三个层次 第一层次:知识的搬运工 第二层次:教授学生正确地做事 第三层次:做正确的事 -洞察力 情怀 智慧 -能够看到别人没注意到的问题和需求 -需要领悟,多观察,多思考,多实践 课堂三问 • [过去]这个工具出现的背景是什么?这个工具是怎么发展的? • [现在]如何使用这个工具?对我有何价值? • [未来]未来这个工具还会怎样发展?有没有更好的解决方案? 工具仅仅是载体,思想才是课程的灵魂。 罗老师的教育情怀:努力让每一个走进我课堂的人变成更好

fencecat的博客 805

初级文章【西门子】字符拼接成字符串

针对S7-400极其以下PLC,1200往上据说有专门的块了呢,首先,我是不用库的,需要什么函数会自己写,OK进入正题。 首先,我们有一个DB块,里面有14个char,一个14位的char数组和一个14位的string。如下图。 我们的目的是将char1-char10拼接成一个string。 第一种方式:第一步,将char放进数组。 ​​​​​​​ 相信大家都能看明白,但是我还是要解释解释 L取值2 T赋值到临时变量DBNO(INT) OPN DB [#DBNO]获取DB块,这一句.

NS_Speak(IVAV) 1万+

VM与欧姆龙PLC通讯设置实战:Fins TCP/UDP协议详解

本文详细解析了VM(VisionMaster)与欧姆龙PLC通过Fins TCP/UDP协议进行通讯的实战设置。内容涵盖网络配置、协议选择(TCP可靠性与UDP实时性)、VM端地址映射与数据点添加、以及数据接收解析流程,并提供了常见错误排查与高级调试技巧,帮助视觉与自动化工程师快速实现稳定可靠的工业通讯集成。

weixin_29172963的博客 327

搜索学——什么可以搜,怎么搜

本稿将于本人的有生之年内迭代修改。ID:蒸发杰作,如得您赏识,不妨点个收藏与关注。 你问一个开了三四年车的的司机,问他,你车开得怎么样?他多半冷哼一声,答,挺好的。你问一个写了三四年代码的人,问他,你的代码写得如何?他八成爽快的答,还不错。你问一个人,你搜索能力如何?对面也大概率回答,没问题。 挺好的,还不错,没问题。而一到车祸发生,代码乱成垃圾堆,搜索结果一直没,这些’挺还没'的发言者就...

蒸发杰作的博客 1317

【深度学习新浪潮】Qwen3.5-397B-A17B 深度解析与工程部署实战:超大MoE模型的推理加速与落地

Qwen3.5-397B-A17B是当前开源社区综合能力最强、部署效率最高的超大模型,其MoE架构彻底解决了“大模型难部署、慢、贵”的痛点。

专注:太空算力、AI infra、异构调度、大模型成本工程 1706

搜索系统 学习

目录参考链接 参考链接 从零开始的搜索系统学习笔记

weixin_37779325的博客 291

海康威视嵌入式最全面试题及参考答案(3万字长文)

主营业务:提供包括前端摄像头、后端存储设备、显示控制设备等在内的全方位视频监控解决方案。市场地位:在全球范围内享有较高的市场份额,在安防领域具有较强的竞争力。技术创新:持续投入研发,拥有多项核心技术和专利,特别是在视频处理算法、人工智能等方面取得了显著成果。社会责任:积极参与公共安全项目,为智慧城市、交通管理等领域提供技术支持和服务。国际业务:除了国内市场外,海康威视的产品和服务也销往全球多个国家和地区。面向对象编程。

大模型大数据攻城狮的专栏 1762

锂电池的充电和放电曲线解读

锂电池充放电曲线是反映其性能的关键指标。充电曲线分为恒流和恒压两阶段:恒流阶段电压快速上升,恒压阶段电流逐渐降低;放电曲线则呈现平台期和快速衰减期特征。这些曲线受温度、充放电倍率及材料体系(如三元锂或磷酸铁锂)显著影响。通过分析曲线特征,可优化电池管理系统,实现精准的SOC估算、快充策略制定及故障诊断,从而在电池性能与安全性间取得平衡。不同应用场景(如新能源汽车或消费电子)对曲线形态有特定要求。

start_up_go的博客 5063

搜索与机器学习

原博文地址:http://blog.sina.com.cn/s/blog_7ad48fee01011w85.html 中国计算机学会《技术动态》人工智能专题。http://www.ccf.org.cn/sites/ccf/rgzn.jsp   今年是图灵诞辰100周年。如果图灵在世的话,他会惊喜地发现互联网搜索引擎已经能在自己当年设计的人工智能测试上取得相当好的成绩,因为在主要的搜索引擎上提

云淡风轻,金石为开。 3829

MinerU 系列教程 | 第二课:快速上手 -- 安装与第一次解析

本篇教程作为的第二课,将带你从零完成 MinerU 的环境搭建、模型下载,并成功运行第一次文档解析。上一课我们从宏观视角认识了 MinerU,本课开始正式动手实践。

weixin_43674738的博客 299

机器学习中常见搜索算法

基于贝叶斯定理,用高斯过程建模目标函数,主动选择最有潜力的参数。:高效,适合昂贵的目标函数(如深度学习调参)。常见的搜索算法分类及典型方法如下。:遍历所有可能的参数组合,选择最优解。:比网格搜索更高效,适合高维参数空间。:模拟自然选择(变异、交叉、选择)。机器学习中的搜索算法主要用于。:从参数空间中随机采样组合。使用模型权重迭代剔除特征。:计算成本高,维数灾难。:适合非凸、多峰问题。

weixin_45556264的博客 1252

【RT-DETR有效改进】计算训练好权重文件对应的FPS、推理每张图片的平均时间(科研必备)

本文给大家带来的改进机制是利用我们训练好的权重文件计算FPS,同时打印每张图片所利用的平均时间,模型大小(以MB为单位),同时支持batch_size功能的选择,对于轻量化模型的读者来说,本文的内容对你一定有帮助,可以清晰帮你展示出模型速度性能的提升以及轻量化的效果(模型大小),对于以提高精度为目的的读者本文也能够帮助大家展示出现阶段的模型速度指标。所以本文的内容是十分有用的机制,对于大家发表论文来说,下面的图片为运行后的效果可以看到,该有的指标均已打印(本文内容为我独家创新,全网无第二份)下面是效果图和文

Snu77的博客 3628

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

学习搜索的网站

学习搜索的网站 加州伯克利分校图书馆的搜索教程首页:http://www.lib.berkeley.edu/TeachingLib/Guides/Internet/FindInfo.html 基本策略:http://www.lib.berkeley.edu/TeachingLib/Guides/Internet/Strategies.html ―――很多著名大学图书馆都有做教搜索的主页,加

程序人生 2788

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

互联网搜索的哪些环节 机器学习_机器学习与互联网搜索

当你打开互联网搜索引擎,输入关键词寻找并得到想要的链接时,“机器学习”已经贯穿整个过程:搜索到的内容是机器根据无数人搜索关键词的统计结果,返回的最可能被需要的目标信息;而同时,你的这一次搜索行为也已经被机器记录,加入到它的庞大无比的数据库中,用来了解人的搜索习惯和需求。随着计算机与网络的飞速发展,机器学习作用越来越大,正在改变着我们的生活和工作。互联网搜索、在线广告、机器翻译、手写识别、垃圾邮件过...

weixin_31110189的博客 1048

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

深度学习之超参数搜索

深度学习的网络训练,超参数的选取至关重要,本文介绍了如何使用搜索策略来确定超参数组合,并且给出了代码的模板

chen_RX的博客 2941

【机器学习】网格搜索、随机搜索和贝叶斯搜索实用教程

在机器学习中,超参数是指无法从数据中学习而需要在训练前提供的参数。机器学习模型的性能在很大程度上依赖于寻找最佳超参数集。超参数调整一般是指调整模型的超参数,这基本上是一个非常耗时的过程。在...

fengdu78的博客 1万+

网络结构搜索之强化学习

算力和需求的增长使得神经架构搜索( Neural Architecture Search,NAS)重回人们的视线。NAS 可迁移性更强,能够以快速且简单粗暴的方式获得高精度模型,成为工程师手中称手的砖块。强化学习(RL)可谓 NAS 中的核武器,谷歌开启并引领该方向的工作。由初期燃烧的显卡到专用硬件,对效率的追求犹如挖矿一般。

yiran103的专栏 4303
上一篇: 次最短路
下一篇: 最短路
Re:fused
博客等级 码龄9年 474粉丝 162原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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