T20151470的博客

无约束优化带约束优化（罚函数法）和多目标优化（NSGA-II简化版）。每个案例均提供完整代码，可直接运行。不依赖梯度，可处理非凸、不连续、高维问题。全局搜索能力强，通过交叉、变异避免陷入局部最优。易于并行，种群中个体可独立计算适应度。改进方向自适应参数：让交叉概率pcp_cpc​和变异概率pmp_mpm​随迭代自适应变化。多种编码方式：实数编码、格雷编码等。混合策略：结合局部搜索（如梯度下降）提高精度。分布式遗传算法：将种群分成多个子群，定期迁移优秀个体。

【代码】python之pyQt5实例：SAM交互式分割。

对于深度优先搜索，我看了很久还是无法理解，近日终于独立解决了一道题。我用的是递归形式，代码如下：#include#includeusing namespace std;#define M 10struct point{int x; int y;};point ds[8] = {-2,1,-1,2,1,2,2,1,2,-1,1,-2,-1,-2,-2,-1