material_project的博客

B = np.array([[1,0,0,0],[1,1,0,0], [1,1,1,0],[1,1,1,1]]) 输出结果： array([[1, 0, 0, 0], [1, 1, 0, 0], [1, 1, 1, 0], [1, 1, 1, 1]]) r = np.tril_indices_from(B) 输出结果： (array([0, 1, 1, 2, 2, 2, 3, 3, 3, 3], ...

简化遗传算法： 模拟物竞天择的生物进化过程，通过维护一个潜在解的群体执行了多方向的搜索，并支持这些方向上的信息构成和交换。以面为单位的搜索，比以点为单位的搜索，更能发现全局最优解。 **1.***这里我们的思想是不考虑基因变异。 **2.***只考虑遗传问题，并且用浮点型遗传 代码如下： from random import uniform import matplotlib.pyplot as...

直接调用bin函数只能转换整数，小数的模块添加到了里面。 def dec_bin(population,len_str): flo_po=population-int(population) n=0 bins_i=bin(int(population)) bins_d = str() while n<(len_str-len(bins_i)): ...