知识技能学习表

本文详细介绍了一系列Java高级开发技能,包括但不限于RPC框架、数据库连接池、客户端实现、日志框架、定时任务、消息队列等技术要点,并推荐了大量实用的学习资料。
-1.积累工作经验多总结。
0.强化Java基础。
1.基于netty的RPC框架。
2.基于druid开发的zkdbcp。
3.基于redis的zedis客户端。
4.基于elasticsearch的jaguar框架。
5.日志slf4j和Log4j。
6.Schedule定时任务:当当的elastic-job。
7.RabbitMQ技能。
8.Maven技能。《Maven实战》
9.Git技能。《ProGit中文版》
10.工具apache commons、google guava、tkMybatis、lombok、Jackson、Fastjson、Apache Shiro.
11.canal技术
12.elasticsearch技术和lucene.
13.zookeeper技术
14.nginx技术
15.spring boot技术
其他:
《大型网站系统与 Java 中间件实践》、《大型网站技术架构:核心原理与案例分析》、
《大型分布式网站架构设计与实践》、《分布式服务框架原理与实践》
《亿级流量网站架构核心技术》、《聊聊架构、《MySQL 必知必会》、
《高性能 MySQL》、《分布式Java应用:基础与实践》、《图解 Http》、
《图解tcp/ip》、《深入浅出设计模式》、《鸟哥的Linux私房菜:基础学习篇(第三版)》
《Nginx高性能Web服务器详解》
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