老沃森与彼得·德鲁克66年前的一段对话

为了准备1940年《财富》杂志10周年特刊,杂志老板请到了德鲁克来帮忙。这期刊物中有一篇关于IBM公司的报道,由于编辑部疏忽,没来得及审核就准备出版,可文章偏偏就出了问题:作者撰文对IBM老沃森大加指责,并进行人身攻击,而当时的IBM经历了大萧条时代的不裁员、提出“Think”口号并在纽约成功参与了世博会(这次世博会上IBM员工乘坐的火车脱轨翻车,这又是另外一个故事了)。

《财富》和德鲁克都知道捅了篓子,为了保护文章作者,德鲁克专门负责处理来自IBM的置疑。果然,老沃森打电话到《财富》,于是有了下面这段老沃森和管理大师的对话:

“我是沃森,想和有关IBM那篇文章的执笔人谈谈。”

“对不起,他不在。您可以跟我讨论,我是德鲁克,负责那篇文章的编辑。”

“我不是要讨论那篇报道,我想和执笔者本人谈一谈。”

“可否先告诉我,我一定代为转告。”

“你跟他说,我希望他加入IBM,做我们公关部的主任。薪水多少由他自己定。” 我想,这大概就是我从前听说的”利诱“吧,借以说服执笔者不刊登有关自己公司的报道。

“沃森先生,您该了解,不管执笔人是不是仍旧在本杂志服务,那篇文章还是会刊登出来的。”

“我当然知道这点,如果你们不登,他也不用来IBM了。”

“对不起,沃森先生,您看过那篇文章了吗?”

听我这么一问,他不禁火冒三丈:“有关我自己和我公司的报道,我怎么会放过?”

“那么,您还想让执笔人做你们的公关主任吗?”

“当然,至少他对我很认真。”

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
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