chenlnehc的博客

蒙特卡洛方法解非线性规划问题蒙特卡洛算法定义: 当所求解问题是某种随机事件出现的概率，或者是某个随机变量的期望值时，通过某种“实验”的方法，以这种事件出现的频率估计这一随机事件的概率，或者得到这个随机变量的某些数字特征，并将其作为问题的解。详情蒙特卡洛算法-百度百科。这里我们将用蒙特卡洛方法求解一个非线性规划问题（以下简称NLP），NLP问题没有通用的解法，用Lingo解决这类问题是可行的

tsp问题（全称：TravellingSalesmanProblem），又称为旅行商问题、货郎担问题、TSP问题，是一个多局部最优的最优化问题：有n个城市，一个推销员要从其中某一个城市出发，唯一走遍所有的城市，再回到他出发的城市，求最短的路线。也即求一个最短的哈密顿回路。

由于域名过期，关于此文章更推荐上博客 nosrc.cn 上查看，下面文章的图片地址已变不能显示，见谅！康托集代码：# 康托集import pygamepygame.init()screen = pygame.display.set_caption('康托集')screen = pygame.display.set_mode([1000, 250])screen.fill(...

简单的D0L-系统描述考虑由a、b组成的字符串，每一个字母代表一个改写规则，例如，规定a->ab，b->a，分别表示a可被改写为ab，b被改写为a。改写过程从一个被称为 公理 的字符串开始。例如：公理omega：b改写规则：a->ab; b->a第1次改写：a第2次改写：ab第3次改写：aba第4次改写：abaab..

边改写看库源码请上GitHub fractal，以下仅显示使用方式。代码本质上，不同迭代字符改写方式不同代码：# 皮亚洛曲线from fractal import Penp = Pen([500, 500])p.setPoint([85, 85])p.setWidth(1)p.doD0L(omega="R", P={"L": "L-R--R+L++LL+R-",

迭代函数系统（IFS）IFS库源码已经上传GitHub fractal，需查看源码的请挪步。自定义概率迭代函数代码：# Sier三角变换from fractal import IFSfrom random import randintdef ifsp(x, y): p = randint(1, 3) if p == 1: r

Julia 集Julia集与Mandelbrot集是由一个简单的复函数 z = z^2+c 迭代生成的图形，但是函数简单并不代表含义简单，这是分形的一大块。库源码已上传GitHubfractal，需要请自行查看，下面只介绍使用。代码：from fractal import Juliaju = Julia([500, 500]) # 设置画布尺寸ju.setC(-0