程序设计与鸡和蛋的关系 (转)

本文通过程序设计中的子程序调用原理,探讨了鸡和蛋这一经典难题,并将其与现代克隆技术和生命科学联系起来,提出了‘第三力量’的概念。
程序设计与鸡和蛋的关系 (转)[@more@]


先有鸡还是先有蛋呢?这是一个全世界的都没有人能够证明的经典难题,我在这里也不是证明到底哪个先有,只是一个猜想,以此来说明客观世界事物之间的联系。
先来进行鸡和蛋的伪论证:
学习过编程的人都知道子程序的概念,就是你可以定义一个子程序,这个子程序可以给主程序或其他子程序调用
例如:
编写一个主程序MAIN
PROGRAM MAIN()
语句1
..
.
.
语句n
END


定义一个名为“A”的子程序
SUB A()
END SUB
定义一个名为“B”的子程序
SUB B()
END SUB
然后可以在MAIN中调用A和B
PROGRAM MAIN()
语句1
.
.
CALL A
CALL B


.


语句n
END


现在就用这个程序来说明鸡和蛋的关系:
假定A为鸡,B为蛋
1、鸡生蛋可以表示为
SUB A()
CALL B
END SUB
即在子程序A中调用了子程序B
2、蛋孵化成鸡可以表示为
SUB B()
CALL B
END SUB


我们可以发现子程序A和B两者本来是没有任何关系的,通过上面的调用发生了联系,既
鸡-蛋鸡蛋鸡……………反复延续成为了永不终止的循环。
那么现在大家要问,到底是先有了鸡也就是A呢?还是先有了B呢?
从这篇文章的段落顺序来看自然是先有的A,后有的B,但是请注意,如果我先打几个回车定义B,然后返回前面再定义A呢?是不是效果一样?
所以,如果我也就是写这篇文章的人不告诉各位我是先写A还是先写B的话,全世界除了我之外没有一个知道这个答案。同样,先有鸡还是先有蛋也是有答案的,但是这个答案也只有“创造”了鸡或蛋的“第三力量”才知道。
为什么说创造了鸡和蛋呢?从上面的程序可以看出,是我写了子程序A和子程序B,A和B之间本身是没有联系的,是我在A中加如了CALL A,在B中加如了CALL A,使二者发生了联系,从此这样的关系永恒不停止。从这里可以看出鸡和蛋本来是没有任何联系,而是通过“第三力量”在鸡A和蛋B中加入了生蛋CALL A和孵化CALL B,才使二者产生了联系,从此这种联系也就得以永恒。
如果这样我把CALL A,和CALL B语句去调呢?A还是A,B还是B,当然就是说鸡也可以不生蛋,蛋也可以不孵化成鸡!那么鸡和蛋又怎么繁殖呢?请看下面的例子。
CALL A和CALL B也可以理解为“创造鸡”和“创造蛋”,在主程序中我可以这样:
PRGRAM MAIN()
CALL A
CALL A
CALL A


CALL B
CALL B
CALL B
END SUB
可以看出,独立调用A就相当于“创造鸡”,并没有用到B也就是“蛋”,鸡是可以不通过蛋来“创造”的。同样,独立调用B就相当于“创造蛋”,也没有用到A也就是“鸡”,蛋也是可以不通过鸡来“创造”的。这不就是当今世界科学领域最时髦的“客窿”技术吗?在电脑中也就相当于“复制”+“粘贴”这个大家一定不会陌生吧?
至此,已经说明了鸡和蛋的关系,二者本身是没有联系的,是“第三力量”使他们发生了联系,要问哪个先出现就只有问“第三力量”,而这个“第三力量”也可以理解为我们传统意义上的“神”,这个“神”是我们现在的科学所不及的物质。
像鸡一样的卵生动物有很多,例如蛇,乌龟和鳄鱼,他们是爬行动物,但和鸡一样有着同样的繁殖方式,同样也可以用这个例子来说明。
当“客窿”技术还没有问世的时候恐怕没有人认为鸡和蛋之间是本身是可以没有任何联系的吧?现在呢?我们不是可以通过“客窿“使他们不再具有任何联系,而独立繁殖了吗?
最后要总结成为一句话,世界上任何生命,如果“创造者“不告诉别“人”的话,被“创造者“和其他“人”是决不会知道,是谁创造了“被创造者的“。
现在的DNA技术可以确定父子之间的关系,这个不假,但是请注意,如果关于父的信息比方说姓名没人知道(这里所说的没人知道是指无法通过任何方法查到父的姓名),DNA分析的结果也无法“分析”出父的姓名是什么,因为DNA信息和姓名之间没有任何联系!


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/10752043/viewspace-992421/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/10752043/viewspace-992421/

内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位地图构建)的性能展开多项对比实验研究,重点分析在稀疏稠密landmark环境下、预测更新步骤同时进行非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试分析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②分析预测更新机制同步否对滤波器稳定性精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
内容概要:本文围绕“基于主从博弈的售电商多元零售套餐设计多级市场购电策略”展开,结合Matlab代码实现,提出了一种适用于电力市场化环境下的售电商优化决策模型。该模型采用主从博弈(Stackelberg Game)理论构建售电商用户之间的互动关系,售电商作为领导者制定电价套餐策略,用户作为跟随者响应电价并调整用电行为。同时,模型综合考虑售电商在多级电力市场(如日前市场、实时市场)中的【顶级EI复现】基于主从博弈的售电商多元零售套餐设计多级市场购电策略(Matlab代码实现)购电组合优化,兼顾成本最小化收益最大化,并引入不确定性因素(如负荷波动、可再生能源出力变化)进行鲁棒或随机优化处理。文中提供了完整的Matlab仿真代码,涵盖博弈建模、优化求解(可能结合YALMIP+CPLEX/Gurobi等工具)、结果可视化等环节,具有较强的可复现性工程应用价值。; 适合人群:具备一定电力系统基础知识、博弈论初步认知Matlab编程能力的研究生、科研人员及电力市场从业人员,尤其适合从事电力市场运营、需求响应、售电策略研究的相关人员。; 使用场景及目标:① 掌握主从博弈在电力市场中的建模方法;② 学习售电商如何设计差异化零售套餐以引导用户用电行为;③ 实现多级市场购电成本风险的协同优化;④ 借助Matlab代码快速复现顶级EI期刊论文成果,支撑科研项目或实际系统开发。; 阅读建议:建议读者结合提供的网盘资源下载完整代码案例数据,按照文档目录顺序逐步学习,重点关注博弈模型的数学表达Matlab实现逻辑,同时尝试对目标函数或约束条件进行扩展改进,以深化理解并提升科研创新能力。
内容概要:本文介绍了基于粒子群优化算法(PSO)的p-Hub选址优化问基于粒子群优化算法的p-Hub选址优化(Matlab代码实现)题的Matlab代码实现,旨在解决物流交通网络中枢纽节点的最优选址问题。通过构建数学模型,结合粒子群算法的全局寻优能力,优化枢纽位置及分配策略,提升网络传输效率并降低运营成本。文中详细阐述了算法的设计思路、实现步骤以及关键参数设置,并提供了完整的Matlab仿真代码,便于读者复现进一步改进。该方法适用于复杂的组合优化问题,尤其在大规模网络选址中展现出良好的收敛性实用性。; 适合人群:具备一定Matlab编程基础,从事物流优化、智能算法研究或交通运输系统设计的研究生、科研人员及工程技术人员;熟悉优化算法基本原理并对实际应用场景感兴趣的从业者。; 使用场景及目标:①应用于物流中心、航空枢纽、快递分拣中心等p-Hub选址问题;②帮助理解粒子群算法在离散优化问题中的编码迭代机制;③为复杂网络优化提供可扩展的算法框架,支持进一步融合约束条件或改进算法性能。; 阅读建议:建议读者结合文中提供的Matlab代码逐段调试运行,理解算法流程模型构建逻辑,重点关注粒子编码方式、适应度函数设计及约束处理策略。可尝试替换数据集或引入其他智能算法进行对比实验,以深化对优化效果算法差异的理解。
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  | 博主筛选后可见
 
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