无知

无知者无畏,这既可能是前进的动力,也可能导致无意识的伤害。文中通过小孩盲目盯着太阳看的例子,阐述了片面认知可能带来的后果。成长过程中,需要长辈和有经验者的指导,避免走弯路。面对未知,我们要学会将无知转化为深知,勇于探索,同时保持谨慎,以避免潜在的危害。

无知者无畏。有时候这是种不错的给予你向前一步的气概,但有时这又会让你不知不觉陷入泥淖。

小孩子最是天真、无知,很多东西不清楚,听到了就信以为真,各种妖魔鬼怪,什么鬼怕见日光啊……于是,为了证明自己是个真正正常的人类,张目对日,一直盯着太阳看,终致眩晕,可能日后的深度近视也来源于此吧。

乍看甚觉可笑,但生活中类似的例子自然不少。因为认识的片面,对一些内容及其厉害关系知之甚少,就会导致以错误或者极端的方式来应对、处理,可能就会无意中受到了一些伤害,有些伤害一触即见,而有的可能要几年甚或几十年后才显现,那时你才会蓦然意识到,并为自己先前的无知而深感无奈。

所以,在个人成长的初期,需要有长辈和有经验的人的指导,可以帮助我们避免走那些没有必要走的弯路,那些显而易见百害无益的道路。但并不是时时有这样的人和机遇能够陪伴我们,只能根据既有经验,多加辩识,尽力维持平衡。

哪怕是再遇茫然的境地,也能知道,我应该怎么规划好这个路线,怎么选择最优方式,去获取需要的,避免无谓的耗时竭力,能够抽丝剖茧地一点一点去深究,一点一点去展现。

不俱无知,重在将无知转化为深知,能够好奇无知,坦诚无知,借着无知的劲,摸爬滚打一路。

SubiU
2020.09.28

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