[程序员的数学]notes——chapter 7

第7章 指数爆炸——如何解决复杂问题

 

什么是指数爆炸:数字急速增长

思考题:折纸问题

有倍数游戏的地方,就有指数爆炸。

 

二分法查找——利用指数爆炸进行查找:每判断1次就能筛选出近一半的查找对象(多判断1次就能从近2 倍的查找对象中找出目标数据)。

思考题:寻找犯人

二分法查找(binary search):

在有序数据中找出目标数据时“总是判断目标数据所在范围内正中间数据”的方法。

 

对数(logarithm)——掌握指数爆炸的工具

对数:数字中0的个数(底、基数);由约翰·奈皮尔(John Napire, 1550-1617)于1614年发现。

对数和乘方的关系:互逆

对数图表

指数法则和对数:将乘法转化为加法计算。

对数和计算尺

计算尺:使用对数进行乘方计算时的一种辅助工具。

 

密码——利用指数爆炸加密

暴力破解法(brute-force attack)

字长和安全性的关系

 

如何处理指数爆炸

理解问题空间的大小

4种处理方法:极力求解、变相求解、近视求解、概率求解

 

 

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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