new job

来公司两天了,跟着erin姐一起做测试,一开始还不会,erin姐给我看了一遍测试用例,只说要看懂测试用例就好,然后就是细心。好,好好干!我自己心里憋着一股劲儿,既然是这样,那么,就好好测,还是体会到了测试跟开发之间的一些不协调。所以我尽量把测试报告写的详细,点标记的细一点。这样开发那边就比较能快的明白改怎么去修改。

测试是个不断重复的事情,所以干起来确实是有点烦,erin姐说,有时候要做的不一定是想做的,确实是这样,我也就老老实实的做吧。

昨天终于比较正常的在家里做了一顿晚饭,自认为还过得去 至少没有烧胡或者不熟的情况存在,饭没煮好,有些生。。哎 饿了 凑合着吃吧。

这两天失眠 晚上睡不着。。。早上又很早醒来,醒来做早饭,带到公司 中午就吃自己带的饭。中午吃的时候发现菜的颜色变的跟个什么似的。本来是绿色的青椒变成了土黄色。。哎 还是没办法 凑合吃吧! 肚子饿我就会脾气不好 说什么 也得填填!

家里网线没有 电视没有 自个儿也不能自言自语。。。哎! 想当初在LJ晚上混到10:30回去的日子。。嘿嘿 起码有几号人在那儿一起干着。

写个FLEX代码 偏僻TOMCAT死命都弄不好了 还没法跑起来。真是破房子偏逢下雨天。

前天摔了一跤,晚上只是手腕疼 第二天整个胳膊都酸。。能怪谁!怪我!

好好工作,虽然工资不多,但起码能养活自己了,这一向经济危机。。。非常难过。死命也得撑着 不到最后一刻绝不求援!
(Kriging_NSGA2)克里金模型结合多目标遗传算法求最优因变量及对应的最佳自变量组合研究(Matlab代码实现)内容概要:本文介绍了克里金模型(Kriging)与多目标遗传算法NSGA-II相结合的方法,用于求解最优因变量及其对应的最佳自变量组合,并提供了完整的Matlab代码实现。该方法首先利用克里金模型构建高精度的代理模型,逼近复杂的非线性系统响应,减少计算成本;随后结合NSGA-II算法进行多目标优化,搜索帕累托前沿解集,从而获得多个最优折衷方案。文中详细阐述了代理模型构建、算法集成流程及参数设置,适用于工程设计、参数反演等复杂优化问题。此外,文档还展示了该方法在SCI一区论文中的复现应用,体现了其科学性与实用性。; 适合人群:具备一定Matlab编程基础,熟悉优化算法和数值建模的研究生、科研人员及工程技术人员,尤其适合从事仿真优化、实验设计、代理模型研究的相关领域工作者。; 使用场景及目标:①解决高计算成本的多目标优化问题,通过代理模型降低仿真次数;②在无法解析求导或函数高度非线性的情况下寻找最优变量组合;③复现SCI高水平论文中的优化方法,提升科研可信度与效率;④应用于工程设计、能源系统调度、智能制造等需参数优化的实际场景。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现过程,重点关注克里金模型的构建步骤与NSGA-II的集成方式,建议自行调整测试函数或实际案例验证算法性能,并配合YALMIP等工具包扩展优化求解能力。
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