架构师应该知道的那些事儿

在新的团队有点忙,刚好这本 《软件架构师应该知道的97件事》 适合断断续续的阅读,然后慢慢”琢磨”。每个人偏重的技术角度不同,所以有些事情读罢可能未必能引发什么进一步的想法,但读到有些以前没关注过的话题则可能触发进一步思考。

印象最深的一句话是”确保简单的问题有简单的解”,这本书里面很多话题都提到了”简单”这个词,我更喜欢用”简朴”,不把简单的事情复杂化,和我一直坚持的理念有点不谋而合。其实,有些资深开发者很难抗拒”炫技”的诱惑,时常想用最新最酷的技术来做他认为”最有挑战最有难度”的事情,殊不知用更小的时间、人力、技术成本解决问题也是真正有技术含量的事情。

究竟什么才是称职的架构师,我想很难界定,很多公司对架构师有不一样的期待,但有一条,作为技术人总要不断的思考,持续学习,不断进步才能迎接更大挑战,才会称为别人眼中称职的架构师。

我的一个疑惑是:不知道有多少架构师现在还在公司之外保持阅读技术书籍的习惯呢?

EOF

Google+
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