python学习记录

1.2019-10-10至10-11在安装django上面浪费不少时间,没搞清楚ubuntu更新源和pip更新源关系,兜了一圈;
2.2019-10-12创建第一个应用,熟悉项目结构;
3.2019-10-14建立数据模型类,建立数据库表报错,NO changes detected,查找原因1、settings.py应用没有注册“INSTALLED_APPS”,2、可能数据模型类代码错误,还未查找出来;
4.2019-10-23从腾讯云搭建环境,神奇的是NO changes detected没有了,为什么??
在编辑数据模型时E45: ‘readonly’ option is set (add ! to override),因为没有权限。今天数据库已搭建好;
5.2019-10-25 腾讯云搭建环境,设置出错,引号忘记打了,正确是这样的ALLOWED_HOSTS = [’*’],用python manage.py runserver 0:8000启用服务,公网可以打开django网页了。
在这里插入图片描述
2019-10-26 ./blog/admin.py 报错1.django.contrib.admin.sites.AlreadyRegistered: The model BlogArticles is alre
2.TypeError: ‘MediaDefiningClass’ object is not iterable
2019-10-27 编写代码注意,代码正确问题。
在这里插入图片描述
vi保存报错:E45: ‘readonly’ option is set (add ! to override),如果是root用户用命令wq!强制保存退出。

2019-11-5 星期二 编码错误问题还是没注意,在群友帮助下解决了。第一简陋的网页在这里插入图片描述

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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