2019年第36周DApp影响力排行榜 | TokenInsight

本周,EOS、TRON、Ethereum和IOST四大平台DApp生态数据出炉。EOSDApp数量、交易额及活跃用户均有所增长,TRON交易额微增但活跃用户下降,Ethereum交易额及活跃用户双双下滑,IOST交易额小涨但活跃用户减少。各平台DApp排名变动明显,新增与下榜DApp主要涉及竞猜、游戏和社交类别。

640?wx_fmt=gif

○ ●

为客观展示和反映 DApp 生态的真实状况,TokenInsight 特发布 DApp 影响力排行榜。榜单通过对9月2日-9月9日期间,各 DApp 7 日活跃用户、7 日交易额、活跃天数、合约安全得分、代码开源比例等客观数据进行分析,由 TokenInsight 的 DApp 影响力模型综合评分生成。

因为热爱,所以不凡。
欢迎点击下图查看TokenInsight 招聘职位!
640?wx_fmt=png

640?wx_fmt=png

EOS DApp排行榜

图表1-1:EOS DApp排行榜前20名
640?wx_fmt=png

来源:TokenInsight官网,Spiderstore

上 周 E O S DApp数量 新增5个,交易额环比增加5.7%,DApp用户环比增加37.9%。

从影响力排行榜上看,上榜DApp变动较大,主要集中在竞猜和游戏类。下榜DApp为竞猜类“WinPlay”;社交类“KARMA”;其他类“PRA糖果盒”。新增上榜DApp为竞猜类"EOSBet"、“EOSPlay Lottery & Dice";其他类“Everipedia”。

值得注意的是,本周EOS 平台DApp数量和交易额环比皆小幅上升,DApp平均活跃人数较上周显著增加

640?wx_fmt=png
TRON DApp排行榜
图表2-1:TRON DApp排行榜前20名
640?wx_fmt=png

来源:TokenInsight官网

上周TRON DApp数量 新增5个,交易额环比增加1%,活跃用户数环比减少18.2%。 

从影响力排行榜上看,上榜DApp排名变动较小。下榜DApp为竞猜类“ Void Token”。新增上榜DApp为“CryptoFriends”。

值得注意的是,本周TRON平台交易额环比略有增加,活跃用户数量环比显著减少。

640?wx_fmt=png

ETH DApp排行榜

图表3-1:ETH DApp排行榜前20名

640?wx_fmt=png

来源:TokenInsight官网

上周Ethereum DApp数量 增加15个,交易额环比减少17.4%,活跃用户数环比减少6.7%。

从影响力排行榜上看,上榜DApp变化较大,主要集中在竞猜类。下榜DApp为游戏类“超级玩家”、“Nagemon”;其他类“MillionMoney”、“Edgeware Lockdrop”。新上榜的DApp分别为竞猜类“X2BET.WIN” 、“Gandhiji”、“dice2.win”;交易市场类“代币商店”。

值得注意的是, 本周Ethereum平台交易额较上周明显减少,活跃用户人数也显著减少。

640?wx_fmt=png

IOST DApp排行榜

图表4-1:IOST DApp排行榜前10名

640?wx_fmt=png

来源:TokenInsight官网

上周IOST DApp数量 增加2个,交易额环比增加2.7%,活跃用户数环比减少11%。

从影响力排行榜上看,本周排名前20的DApp变化程度较小,且变化主要集中在游戏类和竞猜类。下榜DApp为游戏类“Herorats”;竞猜类“LiarGame”。新上榜的DApp为游戏类“加密三国志”;竞猜类“Tron Chip” 。

值得注意的是, 本周IOST平台交易额较上周小幅增加,活跃用户数显著减少。


 END 



公众平台及联系方式
⊙   官           https://tokenin.cn
⊙  微           @TokenInsight
⊙  电报中文    https://t.me/TokenInsightChinese
⊙  电报英文    https://t.meTokenInsightOfficial
⊙  推           https://twitter.com/TokenInsight
⊙  商务合作    bd@tokeninsight.com

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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