本周言论 之 “大”论坛

它的注册用户有80万之巨,每天有数十万人群聚集于此探讨技术问题。
–IT168 收购了 www.itpub.net 之后对 ITpub 论坛的介绍
说实话,我们的组织结构也是中国所有网络公司里最像Google
–陈一舟说自己的猫扑
PConline的老板说自己最大的IT门户网站…PConline充其量一个IT硬件门户,说自己是IT门户,Cnet、Yesky等等估计都要笑掉牙齿
–评论家论各大网站造势


什么样的机构能够设计出什么样的系统 – 系统的设计结果往往是设计机构内部交流结构的反映
–Don Norman博士
Google,我们爱你,但我们不爱‘谷歌’……
–网友反对”谷歌”这个名字居然还做了个网站 http://www.noguge.com/
这一系列 Blog 记录我看到的一些有趣、有意义或者是比较幽默的言论。尽量减少自己的评论。当然,这些言论只是我本周看到的,不一定是发生在本周。
如果您也看到什么妙论, 请发送给我: dbanotes@gmail.com. 共同打造一个有趣的栏目 :)

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