BUCT_Yanglp-优快云博客

原创 3 基于python的动态规划实例

3 动态规划本着交流与学习的目的，写下本文，相当于学习笔记与思考，禁止商业用途等侵权行为。本文内容均参考：王秋芬. 算法设计与分析（python）版[M]. 北京：清华大学出版社，2021.该书中有更为详细的实例描述和代码过程，配套有单元试题和答案、课件，对入门算法设计与分析的同学大有裨益。更多内容可购买该书进行学习。3.1 基本思想20世纪50年代初，美国数学家R. E. Bellman等人在研究多阶段决策过程的优化问题时提出了著名的最优化原理，将多阶段过程转化为一系列单阶段问题，利用各阶段之间

2021-11-15 16:44:25 711

原创贪心算法与Dijkstra算法python实现

二、贪心算法2.1 概述本质：从眼前某一初始解出发，在每一个阶段都做出当前最优的决策，即贪心策略，逐步逼近给定的目标，尽可能快地求出更好地解。也即以逐步的局部最优达到全局最优。推论：贪心算法在每阶段面临选择时，都做出对眼前来说最有利的选择，并不考虑该选择对将来是否有不良影响。算法不允许回溯，决策一旦做出不可改变。贪心策略决定了算法的性能与表现。算法具有不稳定性，不一定得到全局最优解，但也能得到最优解很好的近似解。因此，在贪心策略确定后应当提供严谨的数学证明，以证明其一定能得到问题的最优解。

2021-11-13 21:05:38 2424 1

原创算法分析基础

一算法分析基础1.1 概念算法复杂度是指算法在运行中所需要的计算机资源的量，算法分析是对该量的多少进行分析。所需资源越多，表明该算法复杂度越高；反之，算法复杂度越低。而计算机资源最重要的是时间和空间资源。因而，算法分析是对时间复杂度和空间复杂度进行分析。时间复杂度：对算法运行时间的度量。空间复杂度：对算法在运行过程中所占用存储空间大小的度量。渐近复杂性态：简化算法复杂度分析的一种方法。设算法的运行时间为T(n)T(n)T(n)，如果存在T∗(n)T^{*}(n)T∗(n)，使得：lim⁡n→

2021-11-13 21:04:14 439

翻译论文精读：复杂城市背后的简单空间标度定律

论文精读：Simple spatial scaling rules behind complex cities目录论文精读：Simple spatial scaling rules behind complex cities摘要IntroductionResultA unified model based on a spatial attraction and matching growth mechanism.2.读入数据总结[1] Li, R., Dong, L., Zhang, J., Wang

2021-08-19 10:32:59 731 1

原创 XGBoost：理论基础与模型应用(二) 集成模型

XGBoost：理论基础与模型应用XGBoost：理论基础与模型应用(一) 决策树模型文章目录XGBoost：理论基础与模型应用集成学习集成学习介绍BoostingBaggingStacking集成学习集成学习是当前机器学习领域热点研究问题之一，近年来研究成果层出不穷，在诸如Kaggle等知名机器学习、数据竞赛中也屡屡崭露头角。XGBoost与谷歌所开发的LightGBM(轻量级梯度提升机)则并称为集成学习的倚天屠龙。集成学习介绍集成学习的基本思想是把多个学习器通过一定方法进行组合，以达到最

2021-08-18 18:19:37 238

原创 XGBoost：理论基础与模型应用

XGBoost：理论基础与模型应用(一) 决策树模型目录XGBoost：理论基础与模型应用(一) 决策树模型前言ID3算法信息增益ID3算法过程C4.5CARTCART生成分类树的生成回归树的生成总结主要参考[Ref.1-2]，加以自己的实践、经验以及他人研究整理而成。如有事宜、讨论，请联系私信我或在下方评论。[1] 何龙.深入理解XGBoost[M].北京：机械工业出版社，2020.[2] Chen T, Guestrin C. Xgboost: A scalable tree boosting

2021-08-17 13:43:17 859