第三章、python中的对象、内存地址、变量、赋值、标识符、作用域、引用(调用)及LEGB规则的概念(3.3.3-3.3.4)------作用域分类、名称空间、LEGB规则、变量分类、全局变量

3.3.3作用域分类、名称空间与LEGB规则

       下面的描述中,我们可以不用理解还没有详细介绍的概念(比如,类、嵌套函数等),只需要明白文字描述的内容和代码中的注释即可。另外,下面提到定义的名称,实际继承的名称也可以,但由于我们还没介绍类中的继承性质,为简化描述,这里不提继承,只要我们明白就可以了。

(1)作用域分类及名称空间

       从广义上讲,程序代码中某个缩进位置、标识符(名称)等直接归属于一个主体的范围里面,并受主体直接支配和控制(注意,不是代表这个主体),我们称这个主体为缩进位置或标识符(名称)等的归属主体。

       前面我们已经提到,标识符(名称)归属于某个主体,这个主体从根本上决定了标识符(名称)的作用域,也即名称的归属主体从根本上决定了这个名称的作用域。根据名称的归属主体的辐射范围,python中的作用域可以划分为内置作用域(built in scope,内建作用域)、全局作用域(‌global scope)、附入作用域(enclosing scope,嵌套作用域)、本地作用域(local scope,局部作用域)。作用域(scope)的概念是针对程序代码中的标识符(名称)的,因而,这些作用域都对应有名称空间(命名空间,Namespace)。名称空间(命名空间)是Python用来存放名称的映射。每个名称空间(命名空间)类似于一个字典,它包含了名称和它们对应的值引用。

       

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
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

打赏作者

thefg

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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