Logo

菜单

框框のblog
算法分析与设计

递归与分治

递归 是什么：函数（或过程）直接或间接地调用自己。 三件套： 基例（最小规模的直接答案）； 缩小规模（每次更接近基例）； 组合返回（把子结果做成父结果）。 作用：一种实现技巧/控制流，很多思路都能用递归写（DFS、树遍历、回溯、分治、带记忆化的 DP 等）。 优缺点：代码简洁、贴合问题结构；但有函数

kyrie 发布于 2025-11-03
算法分析与设计

绪论

什么是算法 算法：简单来说，算法就是通过一系列的计算步骤，用来将输入数据转换成输出结果。 算法的性质 有穷性‌：算法必须在有限步骤内结束，且每个步骤在合理时间内完成，避免无限循环。‌

kyrie 发布于 2025-11-02
最优化理论 #最优化理论

云端资源分配问题

范式判断 云资源优化问题，具体来说，它是一个约束优化问题（Constrained Optimization Problem），其目标是优化资源分配，以最小化响应时间和成本，同时满足服务质量（SLA）要求。 类型分析： 云资源分配：我们要决定如何在云端资源（如服务器、计算能力等）之间进行分配。 加权响

kyrie 发布于 2025-10-29
最优化理论 #最优化理论

黑箱模型优化问题

范式判断 黑箱优化问题。我们没有模型的明确结构和参数，所以我们只能基于实际结果（黑箱反馈）进行评估和优化。通过反馈信息来推断最佳决策。 类型分析： 黑箱模型（Black-box model）：我们只能通过实验数据和反馈来优化决策，而不能直接对模型的内部参数进行访问或修改。 贝叶斯优化（Bayesia

kyrie 发布于 2025-10-29
最优化理论 #最优化理论

VRP-TW问题

范式判断 “带时间窗的车辆路径规划（Vehicle Routing Problem with Time Windows, VRP-TW）”，属于组合优化问题，通常用整数规划/启发式算法来求近似最优解，而不是黑盒深度学习。 问题特征 多辆车（班车）同时服务。 每辆车容量有限，不能无限装学生（容量约束）

kyrie 发布于 2025-10-29
机器学习 #强化学习

Boosting（AdaBoost）

基本思想 一轮轮训练弱分类器、把被前一轮分错的样本权重调高让后续分类器更重视这些难样本，最后再按各分类器的准确度加权投票把它们组合成一个强分类器。 算法步骤 输入：训练数据集 T={(x_1,y_1),(x_2,y_2),\cdot\cdot\cdot(x_n,y_n)}，其中x_i \in \ch

kyrie 发布于 2025-10-28
机器学习 #机器学习

机器学习——集成学习

集成学习简介 基本思想 集成学习指的是把多个“弱学习器”（weak learners，单个表现一般但比瞎猜好一点的模型）组合起来，形成一个“强学习器”（整体表现明显更好、泛化能力更强的模型）。 这些弱学习器又是又被成为“个体学习器”，不同的个体学习器和这些个体学习器的不同的集成方式决定了不同的集成学

kyrie 发布于 2025-10-28
机器学习 #支持向量机#机器学习

机器学习-支持向量机

一、什么是支持向量机 支持向量机（SVM） 主要用于解决模式识别领域中的数据分类问题；找到一个最优超平面（Hyperplane），不仅能正确分类样本，还能让两类样本到超平面的间隔最大化（Margin）。 图中黑色实线称为决策超

kyrie 发布于 2025-10-21
机器学习 #机器学习#决策树

机器学习-决策树

一、什么是决策树 我们看下面这个生活中的例子： 一个女生正在面临择偶的判断，最终的决策是：进一步了解（Yes/No），她往往从如下方面进行考虑（年龄、颜值、收入、价值观匹配度） 这很像一棵树对不对，根据属性对数据一步一步进行筛选（划分），从而达到符合条件的值。

kyrie 发布于 2025-10-15
上一页 下一页