【编程珠玑】第七章 粗略估算

本文介绍了72法则的应用,通过实例展示了如何使用这一简单法则估算资金翻倍所需时间及细菌增长周期。此外,还涉及了pi秒的概念、Little定律等数学模型,并探讨了人口增长预测。
部署运行你感兴趣的模型镜像

一,概述

1)72法则 :单位时间增长率 * 时间 =72 则该时间完成初始值翻番

题目:假设最初投资金额为100元,复息年利率9%,实现资金翻番需要多久?

利用“72法则”,将72除以9(增长率),得8,即需约8年时间,投资金额滚存至200元(翻番),而准确需时为8.0432年。

题目:盘子中的菌每小时增长3%,那么其数量多久会翻番?

24小时(3 * 24 =72)

2)pi(π)秒 就是一个纳世纪 10E-7 年;

3)little定律:系统中物体的平均数量等于物体离开系统的平均数率和每个物体在系统中停留的平均时间的乘积。

性能分析法则:总开销等于每个单元的开销乘以单元的个数。

例子:如果一个群体的平均寿命为75岁,则这个群体的死亡率为多少?

1/75 =1.3%

二,习题

4)时间变慢,所有都变慢为原来1/10,那么你估计一下打出自己的名字需要多久?

时钟如果变慢,则打出名字的时间不会变。

6)1998年世界人口为59亿,年增长率为1.33%。如果这样下去,到2050年会有多少人口?

利用72法则,72/1.33 = 54 接近52年。所以人口将翻番(计划生育则会控制增长)

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

【EI复现】基于深度强化学习的微能源网能量管理与优化策略研究(Python代码实现)内容概要:本文围绕“基于深度强化学习的微能源网能量管理与优化策略”展开研究,重点利用深度Q网络(DQN)等深度强化学习算法对微能源网中的能量调度进行建模与优化,旨在应对可再生能源出力波动、负荷变化及运行成本等问题。文中结合Python代码实现,构建了包含光伏、储能、负荷等元素的微能源网模型,通过强化学习智能体动态决策能量分配策略,实现经济性、稳定性和能效的多重优化目标,并可能与其他优化算法进行对比分析以验证有效性。研究属于电力系统与人工智能交叉领域,具有较强的工程应用背景和学术参考价值。; 适合人群:具备一定Python编程基础和机器学习基础知识,从事电力系统、能源互联网、智能优化等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习如何将深度强化学习应用于微能源网的能量管理;②掌握DQN等算法在实际能源系统调度中的建模与实现方法;③为相关课题研究或项目开发提供代码参考和技术思路。; 阅读建议:建议读者结合提供的Python代码进行实践操作,理解环境建模、状态空间、动作空间及奖励函数的设计逻辑,同时可扩展学习其他强化学习算法在能源系统中的应用。
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