Logo

菜单

框框のblog

所有标签

#数据结构 1 #注意力 1 #transformer 1 #贪心 1 #图论 1 #动态规划 2 #最优化理论 12 #强化学习 1 #树状数组 1 #决策树 1 #机器学习 3 #支持向量机 1 #单调栈 1 #倍增 1 #Halo 0
最优化理论 #最优化理论

PSO 调参实验

调整 w ， c_1 ， c_2 ，比较收敛速度与稳定性 e 。 结果展示：收敛曲线、粒子分布轨迹动画。 代码 import numpy as np import matplotlib.pyplot as plt from matplotlib.animation import FuncAnimat

kyrie 发布于 2025-11-20
最优化理论 #最优化理论

GA 解决 小规模 Job-Shop 排程

数据： 3 台机器、 5 个作业，工序顺序给定。 目标：最小化 Makespan。 编码：操作级排列(每个作业的工序按出现次数判定)。 算子：PHX/0X + 插入/逆序变异，修复器保证设备占用不神突。 可视化： 甘特图对比“第 0、20、40、60 代最优排程” 代数-Makespan 折线。 讨

kyrie 发布于 2025-11-20
最优化理论 #最优化理论

GA 优化 无人机任务分配 + 航线

数据： 10 个目标点， 1 个基站，最大续航 20 分钟，风场为方向惩罚。 目标：最小化 \frac{总飞行时间}{风险惩罚} ；越界罚 \times10。 编码：[序列 |分隔符】(分隔符切分多段表示补给返回)，或“指派向量 + 局部 2-opt "。 算子：OX交叉<

kyrie 发布于 2025-11-20
最优化理论 #最优化理论

课表排考

1. 用 5–8 句话描述成“目标 + 约束” 学校需要在两周内安排所有课程的期末考试时间和教室。 目标 1： 尽量减少同一学生在同一时段有两门以上考试的冲突。 目标 2： 尽量让学生每天的考试数量不要太多，避免某天考太“爆”。 约束 1： 每门课必须被安排在一个合法的时间段和一间可用教室中。 约束

kyrie 发布于 2025-11-16
最优化理论 #最优化理论

随机重启和微型GA

问题： min_{x \in [0,5]^2} f(x)=(x_1-2)^2+(x_2-3)^2+sin(3x_1)sin(2x_2) 方法A：网格/随机重启

kyrie 发布于 2025-11-16
最优化理论 #最优化理论

方法互补案例分析

解释为什么单一方法可能不足，并设计一个“混合策略"解决方案。 场景:外卖派单问题(大量骑手、订单动态到来)。 外卖派单是在线、带时间窗、容量受限的动态匹配问题：骑手位置在变、餐品出餐时间有噪声、订单持续到达、路况突变、还要兼顾公平与成本。典型单一方法的短板： 就近贪心：局部最优，容易把近处骑手“吃光

kyrie 发布于 2025-11-12
最优化理论 #最优化理论

共享单车调度问题建模实践

针对“共享单车调度问题”，完成五步建模。 明确目标函数(例如减少车辆空驶、提高用户满意度)。 定义决策变量(如每辆车的移动路线、调度时刻)。 写出关键约束(如车辆容量、时间窗、需求覆盖)。 指出潜在的不确定性(如天气、需求波动)。 提出一种求解方法(如 MIP +启发式混合)。 目标 服务好：少缺车

kyrie 发布于 2025-11-12
最优化理论 #最优化理论

多目标优化中的选择

假设你是一个城市交通管理者，要在以下两个目标中做决策: 目标 A：最小化出行时间 目标 B：最小化建设成本 什么是 Pareto 前沿 我们同时想把时间和成本都压低。 在坐标图里，越靠左下越好（左=更快，下=更省钱）。 Pareto 前

kyrie 发布于 2025-11-05
最优化理论 #最优化理论

凸性与可解释性

题目:请比较下列两个优化问题，说明为什么“凸性"决定了它们的可解性差异: 1.最小化 f(x)=x^2+2x+1 (凸函数)。 2.最小化 g(x)=sin(x)+0.1x (非凸函数)。 图像就是一个单口大碗。只有一个谷底， x=−1

kyrie 发布于 2025-11-05
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
上一页 下一页