35、资源过滤语法的特性与限制

资源过滤语法的特性与限制

在资源过滤的领域中,一个有效的过滤字符串需要遵循一套规则。但这些规则具体是什么?过滤字符串的正确语法又是怎样的呢?

1. 避免重复造轮子

设计和指定一套完整的资源过滤语言虽然有趣,但可能超出了我们的讨论范围。实际上,已经有不少语言规范可以实现资源过滤的目标,例如通用表达式语言(CEL)、JSONQuery 或 RQL。在某些情况下,依靠底层存储系统的查询能力也是可行的,比如强制查询语法遵循 SQL WHERE 子句的特定子集,并对允许的功能进行诸多限制。

我们不必从头开始重新设计过滤语法,而是应该探讨那些无论具体实现和语法如何,都最有可能带来最佳结果的特性和限制。

2. 执行时间

过滤表达式通常由简单的比较组成,例如 title = "New Chat!" 。然而,这些简单的比较实际上可能变得相当复杂。当我们将比较的右侧从字面量值(如特定字符串)改为另一个变量,或者涉及不同的资源时,问题就会变得更加复杂。那么,我们应该如何界定简单的过滤条件和过于复杂的过滤条件呢?

在决定支持哪些功能时,我们首先要考虑的是评估函数的执行时间。这就要求我们回顾大学计算机科学课程中所学的“大 O 表示法”,并确定函数运行的最坏情况。我们要关注是否存在某些过滤字符串会导致评估函数运行极其缓慢或计算量过大。

为了确保评估函数的运行时间合理,一个简单的策略是限制输入数据。一般来说,过滤器只应在单个资源的上下文中评估过滤条件。这意味着“过滤器评估函数”只需要两个输入参数:过滤字符串本身和可能匹配或不匹配过滤条件的资源。


                
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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