20150117学习总结

哈喽各位,今天我又来总结了

妈蛋昨天学了条毛啊!!!算法导论实在是太晦涩难懂了!!!昨天html也忘记学了!!!

看了两天才看了17页算法导论,我要报警了!!

这是一本好书,但是需要精雕细琢,我现在是要快速充电,所以不适合把时间都耗在这个地方,所以我要适当的调整我的学习方法。这本书一共有35章,我有大概45天左右的学习时间,所以我觉得我应该放慢我的脚步,每天一章,不要求快了。

腾出更多的时间去学习其他的知识。


比如说,每天学习一点前端的知识(1小时),每天仍然深入理解一种设计模式,并用java实现。

我现在要开始从头学习java了,一会就要列出一个JAVA学习清单。

对了我要标记一下,我现在是每天起床第一件事情记录昨天的学习情况,所以17号的总结是18号写的


昨天我用代码实现了插入排序和分治排序的实现,链表做了一半(太晚了就睡了),算法导论把第二章的习题做了一部分,一会贴上来

昨天学习了工厂模式,工厂模式有工厂方法和抽象工厂模式,抽象工厂模式中,有一个工厂接口,实现工厂接口的类是生产某一系列产品的工厂,同一种产品有分不同系列,可以用虚类表示。

工厂模式的代码 : https://github.com/gitby15/Design-pattern/tree/master/factoryton

另外学到了static 方法是不可以被继承也不能被重写的,接口中也不能定义static方法,你看,我的基础还是很不扎实的


相关代码我都放在github中了,在practice中

现在来把昨天算法导论的题目做一做吧


2.1-1  执行过程:从第二个开始,指针向右,将每一个值插入到左边有序序列的正确位置


2.1-2 略

2.1-3 https://github.com/gitby15/practice/blob/master/2.1-3.cpp 

2.1-4  略,记得考虑C中最高位的问题,进位不要单纯的将值改成1,应该有一个递进运算,否则高位相加会出错



2.2-1  θ(n^3)

2.2-2  https://github.com/gitby15/practice/blob/master/select_sort.cpp

2.2-3  都是O(n)

 

其中,2.2-4的问题我其实并不是很懂,需要慢慢领悟吧



算法导论中,2-3的内容是使用分治法来设计算法,也就是通过将三个步骤递归,来解决相应的问题


分解:将一个问题分解成一系列的子问题

解决:递归地解决每一个子问题,当问题递归得足够小了,直接解决问题

合并:将子问题的结果合并成原问题的解

这就是分治法(divide-and-conquer)的基本思想,昨天的合并排序只是分治法的一个示例而已



好了今晚就到这里了,这两天好像大概稍微会弄一点这个博客了,希望以后博客可以越做越漂亮~














MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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