追风赶月莫停留，平芜尽处是春山

基于禁忌搜索算法（TS）的TSP（Traveling Salesman Problem，旅行商问题），涉及一种用于解决TSP的优化方法。TSP是一个经典的组合优化问题，目标是寻找一条最短路径，使得旅行商可以访问每个城市恰好一次并返回起点城市。TS算法作为一种启发式优化算法，在TSP求解中具有广泛的应用。相较于传统的穷举或贪婪算法，TS算法通过引入禁忌列表和邻域结构来更全面地探索解空间，从而更有可能找到较为优秀的近似最优解。

​PGD、BIM对抗攻击算法实现可以直接导入这个torchattacks这个库，这个库中有很多常用的对抗攻击的算法。pip install torchattacks然后添加相关代码，即可直接调用

本篇文章主要分享使用 LetNet、AlexNet、ResNet网络模型实现手写数字识别，项目的代码在下面的链接中。

黑白棋 (Reversi)，也叫苹果棋，翻转棋，是一个经典的策略性游戏。使用『蒙特卡洛树搜索算法』实现 miniAlphaGo for Reversi。 Python 语言。

在我们进入代码之前，让我们看一下著名的 FGSM熊猫示例和摘录一些符号。上图展示了Fast adversarial examples应用在深度网络上。通过加上一个人类感知不到的小向量，向量的值为ϵ乘输入像素点关于误差的梯度值的符号值。这里 ϵ=0.007,符合经过深度网络转换为实数后8bit图像编码的最小数量级。图中加上噪声后，熊猫被识别为长臂猿，并且置信度为99.3%，所以此方法叫做fast gradient sign method，简称FGSM，我们称之为快速梯度下降法。

掌握利用卷积神经网络CNN实现对MNIST手写数字的识别。一个简单的神经网络实验

使用pytorch实现手写数字识别，十分简单的小项目，环境搭建好，一跑就通。