博伊德迭代法则

本文探讨了约翰·博伊德的迭代法则在技术发展中的应用,特别以安卓为例,展示快速迭代如何帮助技术产品从落后状态逆袭,最终与行业领导者平起平坐甚至超越。文章强调了持续改进、乐于接受新事物和保持创新的重要性。

摘自百度百科:

      约翰·博伊德(John Boyd)是20世纪晚期美国空军的一名战斗机飞行员,后来还担任了美国国防部顾问。他的理论在军事、体育以及商业上都有深远的影响。

      博伊德认为,空战中取胜的主要决定因素不是观察、定向、计划以及更好地执行,而是观察、定向、计划以及更快地执行。换句话说,能不能取胜就        看人们能够多快地执行迭代。这就是所谓的“博伊德迭代法则”:迭代的速度胜过迭代的质量。英文原句为:Speed of iteration beats quality of        iteration.
      知名博主Jeff Atwood曾经专门写过一篇文章讨论过这个法则,文章的标题是“Boyd's Law of Iteration”

       只有快速的迭代才是制胜的法宝,安卓就是个很好的例子,在刚出来的时候跟ios没有任何可比性。经过这几年的快速迭代,现在的安卓已经变得非常强大,已经做到同ios平起平坐,而且很多方面完全超越了ios!

        起点比别人低,没有问题,做到勤奋地快速迭代,不断改进自己,优化自己,乐于接受新鲜事物,保持创新,这才是最重要的。
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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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