- 博客(16)
- 收藏
- 关注
RSS订阅
原创 解决phcharm上的getpass或者pwinput库或类似的不支持问题
一些库只能在python控制台或系统终端实现，但要是想在pycharm上解决也有办法
2024-04-24 23:40:37
471
1
原创 pycharm+anaconda+pytorch安装和环境的配置
其实已经有很多的类似的文章了，但在我不断尝试的过程中发现这些文章没有详细的指出该安装哪些东西使其成功配置该环境，有的成功概率也不高。下面这个流程是我成功配置的一种流程。
2024-04-23 03:30:00
1727
2
原创 约束标准型规划问题怎么解决
计算最小比值 θ=min{biaie∣aie>0}θ=min{aiebi∣aie>0}，确定离基变量 xkxk。选择 x1x1 入基（最大检验数3），计算离基变量（最小比值 4/2=24/2=2，s1s1 离基）。继续迭代直至所有检验数 ≤0，得最优解 x1=2,x2=0x1=2,x2=0，目标值6。用非负变量之差表示，如 x=x+−x−x=x+−x−，其中 x+,x−≥0x+,x−≥0。初始基变量 s1,s2s1,s2，目标函数 3x1+2x23x1+2x2。
2025-04-23 00:18:58
591
原创 素数测试（算法与设计）
算法时间复杂度误判概率适用场景关键特性试除法O(√n)0小规模数（n < 1e6）确定性，实现简单Wilson定理O(n)0极小规模数（n < 20）理论严谨，效率极低费马测试O(k log³n)1/2^k中等规模概率判定无法排除卡迈克尔数O(k log³n)≤4^(-k)大规模高精度概率判定实际应用最广泛。
2025-04-20 23:09:50
712
原创 主元素问题
精确算法：哈希表法、摩尔投票法、分治法。概率算法：蒙特卡洛法，牺牲确定性换取时间和空间效率。工程选择：优先摩尔投票法（确定性 O(1) 空间），蒙特卡洛适合超大规模数据。
2025-04-20 22:18:34
826
原创 【无标题】
new_cost = current.cost + graph[current.city][next_city] # 计算新代价（累加边的代价）new_node = Node(next_city, new_path, new_cost, new_bound, n) # 创建新节点。total_cost = current.cost + graph[current.city][start] # 计算总代价（回到起始城市）best_cost = total_cost # 更新最优代价。
2025-04-14 08:32:56
281
原创 满N叉树——着色问题
满 N 叉树着色问题是指对一棵满 N 叉树的每个节点进行着色，使得相邻节点（即父子节点）的颜色不同，同时要找出满足条件的所有着色方案或者某种最优着色方案（如使用颜色数量最少）。可以将满 N 叉树抽象为一个图结构 G=(V,E)，其中 V 是节点集合，E 是边集合，边表示父子关系。每个节点需要分配一个颜色，同时要满足相邻节点颜色不同的条件。：O(1)，仅需固定大小的颜色集合（N+1种颜色）。：O(M)，其中M为节点数，每个节点只需遍历一次。存在着色方案： 顶点1 -> 颜色1。顶点2 -> 颜色2。
2025-04-08 21:19:30
408
原创 排列树——旅行商问题
旅行商问题（Travelling Salesman Problem，TSP）是一个经典的组合优化问题，目标是找到一条遍历所有城市且每个城市仅访问一次，最后回到起始城市的最短路径。排列树是解决 TSP 问题的一种有效方法排列树的特点：树结构：每个节点代表一个部分路径（如 [A, B]），叶子节点代表完整路径（如 [A, B, C, D]）。剪枝优化：在生成排列时，若当前路径长度已超过已知最优解，则放弃该分支。时间复杂度：理论上仍为 O(n!)，但实际运行时间因剪枝而显著降低。
2025-04-08 20:54:08
377
原创 N皇后问题解法：回溯法与分支限界法
为了更高效地实现N皇后问题，我们可以利用皇后必须位于不同行不同列的特性，通过排列组合来减少搜索空间。N皇后问题要求在一个N×N的棋盘上放置N个皇后，使得它们互不攻击（即任何两个皇后不在同一行、同一列或同一对角线上）直接生成所有可能的排列（保证不同行不同列），然后只检查对角线冲突。分支限界法通常使用优先队列或队列来实现，这里使用队列实现BFS。：所有方法均可接受，位运算优化和对称性剪枝优势不明显。如果需要所有唯一解（不考虑对称），选择对称性剪枝。内存受限环境：选择标准回溯法或位运算优化。
2025-04-07 08:19:43
672
原创 anaconda虚拟环境在pycharm上配置
最近由于学习要求，需要继续使用小编电脑来跑模型很难受，跑模型就需要配置环境那么使用什么来配置环境？该怎么配置环境呢？
2025-02-26 23:45:16
640
原创 初识深度学习
是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
2024-05-10 20:51:12
833
1
原创 我的算法学习（2）素数筛之欧拉筛
没有被前面的数（比它小的数）标记为合数，那i就是素数，加入素数列表。现在用i来筛后面的数，枚举已经筛出来的素数prime[j]（j=1~cnt），标记i * prime[j]为合数，当i是prime[j]的倍数时退出循环。//筛掉i的素数倍，j循环枚举现在已经筛出的素数。欧拉（Euler）筛法是用于找到从1开始，到给定的最大数之间的所有质数的一种筛法，其时间复杂度是O ( n )。//如果i没被前面的数筛掉，则i是素数。//如果i整除了prime[j]退出循环保证时间复杂度。//判断i是否为素数。
2024-05-10 17:50:12
524
原创 python基础：python中异常的try except模块
在宏观上异常有语法错误 程序异常程序异常常见的有KeyError（键错误）：当试图访问字典中不存在的键时引发的异常。ValueError（值错误）：当传递给函数的参数类型正确但值不合法时引发的异常。TypeError（类型错误）：当使用不兼容的类型进行操作或函数调用时引发的异常。IOError（输入输出错误）：当发生与输入输出相关的错误时引发的异常，如读取或写入文件失败IndexError（索引错误）：当使用无效的索引访问序列（如列表、元组或字符串）时引发的异常。
2024-04-26 20:43:22
1549
1
原创 我的算法学习（1）.快速幂
平方求幂）是一种简单而有效的小算法，它可以以o(logn)的时间复杂度计算乘方，能帮我们算出指数非常大的幂，传统的求幂算法之所以时间复杂度非常高（为O(指数n)），就是因为当指数n非常大的时候，需要执行的循环操作次数也非常大。所以我们快速幂算法的核心思想就是每一步都把指数分成两半，而相应的底数做平方运算。这样不仅能把非常大的指数给不断变小，所需要执行的循环次数也变小，而最后表示的结果却一直不会变。
2024-04-23 18:15:00
955
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人