精华内容
下载资源
问答
  • PB下的加密解密的简单算法函数

    热门讨论 2011-12-12 03:02:09
    PB下的加密解密的简单算法 原理上对原字符串的每个字符做了数值转换,在加上加密因子,经过颠倒错位后再形成加密后数值,解密时再颠倒转换回来。 比较简单,现在用于对安全性要求不高的应用里。 原来发了一份,资源...
  • 均值谱的简易算法(无需存储每一帧数据,思路简单
  • 华容道算法简洁版

    2019-03-21 10:24:42
    华容道算法简洁版,
  • 一个简单的字符串加密解密算法,使用C#语言实现。。。
  • 一些简单算法

    千次阅读 2016-03-29 11:41:23
    入门算法冒泡排序时间复杂度o(n²),空间复杂度o(1),最差的排序。 快速排序,快速排序(Quicksort)是对冒泡排序的一种改进,排序效率在同为O(N*logN)的几种排序方法中效率较高,因此经常被采用,再加上快速排序...

    **1. 入门算法冒泡排序时间复杂度o(n²),空间复杂度o(1),最差的排序。
    2. 快速排序,快速排序(Quicksort)是对冒泡排序的一种改进,排序效率在同为O(N*logN)的几种排序方法中效率较高,因此经常被采用,再加上快速排序思想—-分治法也确实实用,方法的基本思想是:**
    1.先从数列中取出一个数作为基准数。
    2.分区过程,将比这个数大的数全放到它的右边,小于或等于它的数全放到它的左边。
    3.再对左右区间重复第二步,直到各区间只有一个数。

    public class QuikSort {
    
        /**
         * @param args
         */
        public static void main(String[] args) {
            int s[]={2,1,4,61,7,5,1};
            quick_sort(s, 0, s.length-1);
            for(int i :s){
                System.out.print(i+",");
            }
        }
    
        /**
         * 快速排序  
         * @param 待排序数组
         * @param l 左边界索引
         * @param r 右边界索引
         */
        public static void quick_sort(int s[], int l, int r)  
        {  
            if (l < r)  //由此判断停止递归调用,递归后最终r会小于l
            { 
                int i=l,j=r,pos=s[l];
                while(i<j){
                    while(i<j&&s[j]>=pos){
                        j--;
                    }
                    if(i<j){
                        s[i++]=s[j];//将右边比pos大的数赋给左边
                    }
                    while(i<j&&s[i]<=pos){
                        i++;
                    }
                    if(i<j){
                        s[j--]=s[i];//将左边比pos小的数赋给上面得出的右边比pos大的数
                    }
                }//直到i==j,得出pos最终的位置,左边的数都比pos小,右边的都大
                s[i]=pos;//将pos放回位置上。
                quick_sort(s,l,i-1);//递归当前pos位置的左边
                quick_sort(s,i+1,r);//递归当前pos位置的右边
               }
        }  
    }
    

    **3. 100万个数中找最大或最小,设临时变量赋值为数组中第一个元素值,遍历数组遇到大于变量的值,就替换变量的值,然后继续比较。循环一次搞定,时间复杂度为o(n-1)。
    4. 100个人羽毛球比赛,挑出水平最高的人,最少比赛n-1场,两两比赛,决出水平高的,再两两比,最后决出胜负。这样他的时间复杂度就是o(n-1),但是在两两比赛的时候,只要有足够的场地,比赛可以同时进行,总体时间就节省下来了,在计算机中就是“多线程技术”,对“问题3”的更优解。
    5. 100万个数中 找最大的10个?最小堆的思维,取10个数,迭代数组,只与10个数中最小的数比较,当比最小数大时替换,维护10个数的排序,继续比较,最差的情况就是运算10*100万次。
    6. 关于排序,实际场景很重要,杂乱无章的大数据,如果是一定范围类均匀分布,则可用堆排序,如200万个数据,分2000份甚至更多,【1-1000】,【1001-2000】。。。每个区间的数据范围是一小堆,小堆之间是有序的,,因此只要堆的内部有序,就是全局有序了,这个过程需要扫描200万数据一次,因为堆是有序的,采用二分法,可以快速定位自己的堆(每次匹配范围缩小一倍),每个堆自己排序,用多线程来降低计算时间。扩展出来,这就是分布式计算的原理了。
    7. hash算法,hash算法有很多种,基本原理是先分班,hashcode定位班级,在班级里找人。**

    展开全文
  • 对于十进制转化为任意进制数的简单算法分析 基本思路: 对于十进制转任意进制,通常都是通过取余逆序排列法获得结果,举个简单例子10进制数1024 转2进制: 1024/2=512 余-&gt;0 512/2=256 余-&gt;0 256/2=...

    对于十进制转化为任意进制数的简单算法分析

    基本思路:
    对于十进制转任意进制,通常都是通过取余逆序排列法获得结果,举个简单例子10进制数1024
    转2进制:
    1024/2=512 余->0
    512/2=256 余->0
    256/2=128 余->0
    128/2=64 余->0
    64/2=32 余->0
    32/2=16 余->0
    16/2=8 余->0
    8/2=4 余->0
    4/2=2 余->0
    2/2=1 余->0
    1/2=0 余->1
    然后逆序排列得10000000000则为1024二进制结果。不难发现,对于任意进制的转换来说,只是
    除数变化成需转换进制数而已,基本思路相同,而且对于求解过程流程清晰即:相除然后取余
    ,除法结果继续取余,直到被除数为1(或是说被除数>0)为止,然后逆向获取余数结果即为所求。
    

    综上所述,我们可以得到一个很简单的算法,完成这个需求

    
        public static String  conversion(int n,int c)
        {
            String s="";
            for(int i=n;i>0;i/=c)
            {
                s=(i%c)+s;
            }
            return s;
    
        }
    展开全文
  • 主要为大家详细介绍了python实现可逆简单的加密算法,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
  • 简易推荐算法

    万次阅读 2020-05-19 19:12:12
    ​ 推荐算法是计算机专业中的一种算法,通过一些数学算法,推测出用户可能喜欢的东西,目前应用推荐算法比较好的地方主要是网络,其中淘宝做的比较好。 发展背景: ​ 推荐算法的研究起源于20世纪90年代,由美国...

    推荐算法:

    ​ 推荐算法是计算机专业中的一种算法,通过一些数学算法,推测出用户可能喜欢的东西,目前应用推荐算法比较好的地方主要是网络,其中淘宝做的比较好。

    发展背景:

    ​ 推荐算法的研究起源于20世纪90年代,由美国明尼苏达大学 GroupLens研究小组最先开始研究,他们想要制作一个名为 Movielens的电影推荐系统,从而实现对用户进行电影的个性化推荐。首先研究小组让用户对自己看过的电影进行评分,然后小组对用户评价的结果进行分析,并预测出用户对并未看过的电影的兴趣度,从而向他们推荐从未看过并可能感兴趣的电影。此后, Amazon开始在网站上使用推荐系统,在实际中对用户的浏览购买行为进行分析,尝试对曾经浏览或购买商品的用户进行个性化推荐。根据 enture Beat的统计,这一举措将该网站的销售额提高了35%自此之后,个性化推荐的应用越来越广泛。

    推荐算法分类:

    基于内容:项目或对象是通过相关特征的属性来定义的,系统基于用户评价对象的特征、学习用户的兴趣,考察用户资料与待预测项目的匹配程度。用户的资料模型取决于所用的学习方法,常用的有决策树、神经网络和基于向量的表示方法等。基于内容的用户资料需要有用户的历史数据,用户资料模型可能随着用户的偏好改变而发生变化。

    基于协同:基于协同过滤的推荐算法( Collaborative Filtering Recommendation)技术是推荐系统中应用最早和最为成功的技术之一。它一般采用最近邻技术,利用用户的历史喜好信息计算用户之间的距离,然后利用目标用户的最近邻居用户对商品评价的加权评价值来预测目标用户对特定商品的喜好程度,从而根据这一喜好程度来对目标用户进行推荐。

    基于关联规则:以关联规则为基础,把已购商品作为规则头,规则体为推荐对象。关联规则就是在一个交易数据库中统计购买了商品集X的交易中有多大比例的交易同时购买了商品集y,其直观的意义就是用户在购买某些商品的时候有多大倾向去购买另外一些商品。比如购买牛奶的同时很多人会购买面包。

    基于效用:基于效用的推荐(Utility-based Recommendation)是建立在对用户使用项目的效用情况上计算的,其核心问题是怎样为每一个用户去创建一个效用函数,因此,用户资料模型很大程度上是由系统所采用的效用函数决定的。

    基于知识:基于知识的方法因它们所用的功能知识不同而有明显区别。效用知识( FunctionalKnowledge)是一种关于一个项目如何满足某一特定用户的知识,因此能解释需要和推荐的关系,所以用户资料可以是任何能支持推理的知识结构,它可以是用户已经规范化的查询,也可以是一个更详细的用户需要的表示。

    组合推荐:由于各种推荐方法都有优缺点,所以在实际中,组合推荐( Hybrid Recommendation)经常被采用。研究和应用最多的是内容推荐和协同过滤推荐的组合。

    推荐方法优点缺点
    基于内容推荐推荐结果直观,容易解释;不需要领域知识新用户问题;复杂属性不好处理;要有足够数据构造分类器
    协同过滤推荐新异兴趣发现、不需要领域知识;随着时间推移性能提高;推荐个性化、自动化程度高;能处理复杂的非结构化对象稀疏问题;可扩展性问题;新用户问题;质量取决于历史数据集;系统开始时推荐质量差;
    基于规则推荐能发现新兴趣点;不要领域知识规则抽取难、耗时;产品名同义性问题;个性化程度低;
    基于效用推荐无冷开始和稀疏问题;对用户偏好变化敏感;能考虑非产品特性用户必须输入效用函数;推荐是静态的,灵活性差;属性重叠问题;
    基于知识推荐能把用户需求映射到产品上;能考虑非产品属性知识难获得;推荐是静态的

    协同过滤推荐:

    1.启发式推荐算法(Memory-based algorithms)

    启发式推荐算法易于实现,并且推荐结果的可解释性强。启发式推荐算法又可以分为两类:

    基于用户的协同过滤(User-based collaborative filtering):主要考虑的是用户和用户之间的相似度,只要找出相似用户喜欢的物品,并预测目标用户对对应物品的评分,就可以找到评分最高的若干个物品推荐给用户。举个例子,李老师和闫老师拥有相似的电影喜好,当新电影上映后,李老师对其表示喜欢,那么就能将这部电影推荐给闫老师。

    基于物品的协同过滤(Item-based collaborative filtering):主要考虑的是物品和物品之间的相似度,只有找到了目标用户对某些物品的评分,那么就可以对相似度高的类似物品进行预测,将评分最高的若干个相似物品推荐给用户。举个例子,如果用户A、B、C给书籍X,Y的评分都是5分,当用户D想要买Y书籍的时候,系统会为他推荐X书籍,因为基于用户A、B、C的评分,系统会认为喜欢Y书籍的人在很大程度上会喜欢X书籍。

    2.基于模型的推荐算法(Model-based algorithms)

    基于模型的推荐算法利用矩阵分解,有效的缓解了数据稀疏性的问题。矩阵分解是一种降低维度的方法,对特征进行提取,提高推荐准确度。基于模型的方法包括决策树、基于规则的模型、贝叶斯方法和潜在因素模型。

    推荐框架:tensorflow,pytorch

    推荐系统的目的:

    1.帮助用户快速找到想要的商品,提高用户对网站的忠诚度;

    2.提高网站交叉销售能力、成交转化率;

    流程

    首先,找到User1 喜欢的商品;

    找出与User1具有相同的商品兴趣爱好的人群;

    找出该人群喜欢的其他商品;

    将这些商品推送给User1。

    例子

    两名用户都在某电商网站购买了A、B两种产品。当他们产生购买这个动作的时候,两名用户之间的相似度便被计算了出来。其中一名用户除了购买了产品A和B,还购买了C产品,此时推荐系统会根据两名用户之间的相似度会为另一名用户推荐项目C。

    难点1:如何获取兴趣相似的用户

    思路:通过购买过相同商品为介质,关联用户的关系

    难点2:计算相似度

    欧氏距离计算(计算两个点之间的直线距离)
    ∣ x ∣ = ( x 1 2 + x 2 2 + … + x n 2 ) |x| = \sqrt{ (x_1^2 + x_2^2 + … + x_n^2)} x=(x12+x22++xn2)

    import math
    # 计算两点之间的距离
    def eucliDist(A,B):
        return math.sqrt(sum([(a - b)**2 for (a,b) in zip(A,B)]))
    X = [1,2,3,4]
    Y = [0,1,2,3]
    print(eucliDist(X,Y))
    

    难点3:如何将算法落地,实现推荐功能

    根据用户的购买/收藏关系推荐商品

    data = {
        "1":{"诺基亚":4.8,'iphone':5.0,"联想":0.1},
        "2":{"诺基亚":3.0,"vivo":5.0,"htc":0.2},
        "3":{"锤子":0.1,"魅族":0.3,"一加":5.0},
        "4":{"联想":0.1,"魅族":0.3,"一加":5.0},
        "5":{"诺基亚":2.0,'oppe':5.0,"htc":0.2},
    
    }
    
    #| x | = √(x[1]2 + x[2]2 + … + x[n]2)
    
    
    from math import *
    
    #pow返回 xy(x的y次方) 的值
    #sqrt返回数字x的平方根
    
    #计算用户之间的相似度
    def Euclid(user1,user2):
        #根据key获取value
        user1_data = data[user1]
        user2_data = data[user2]
        distance = 0
    
    
        for key in user1_data.keys():
            if key in user2_data.keys():
                distance += pow(float(user1_data[key]) - float(user2_data[key]),2)
    
    
        #变成小数便于比较,值越小相似度越高
        return 1/(1+sqrt(distance))
    
    print(Euclid("1","2"))
    
    
    #构建最相似的用户top_people
    def top_user(user):
        res = []
        for uid in data.keys():
            if not uid == user:
                simliar = Euclid(user,uid)
                res.append((uid,simliar))
    
        res.sort(key=lambda val:val[1])
    
        return res
    
    print(top_user('1'))
    
    
    #构建推荐商品
    def recommend(user):
        top_people = top_user(user)[0][0]
    
        #获取当前相似度最高的用户的商品列表
        items = data[top_people]
    
        recommed_list = []
    
    
        for item in items.keys():
            #当这个商品不存在于目标用户的商品列表中,添加到推荐列表中
            if item not  in data[user].keys():
                recommed_list.append((item,items[item]))
    
        #根据推荐列表里的打分请款从小到大排序,然后反转
        recommed_list.sort(key=lambda val:val[1],reverse=True)
    
        #取出top10推荐
        return recommed_list[:10]
    
    print(recommend("1"))
    
    
    展开全文
  • 递归算法分析-最简单的例子

    万次阅读 2021-08-20 14:40:38
    本文通过对递归算法的一个例子,从最简单的例子中,逐步撕开其神秘面纱。 最简单的题目 给你一个整数数组,要求返回这个数组中的最大值 要求使用递归算法。 如:数组{1,-9,10,18,6,22} 最大值为22 分析 相信拿...

    概述

    递归算法在算法设计中,是一种比较难以理解的算法存在,感觉递归算法无限套娃,最终居然也能返回正确结果,对于初入坑的童靴是一个神一般的存在。本文通过对递归算法的一个例子,从最简单的例子中,逐步撕开其神秘面纱。

    最简单的题目

    给你一个整数数组,要求返回这个数组中的最大值

    要求使用递归算法

    如:数组{1,44,-9,10,18,6,22}最大值为44

    分析

    相信拿到这个简单题目的同学一定很开心,这不是最简单的一道题吗?遍历数组,保存最大值即可完成。但如果是要求使用递归算法呢?那该如何做解?

    递归一般套路都是,将大问题分解成小一点的问题,再继续分解成更小的问题,直到这个最小的问题我们是知道答案的,也就是递归的边界

    那在这道题中,我们该如何去分解这个场景呢?

    我们可以这么想,要想知道n个整数数组的最大值,我们是不是可以分解成n-1个整数数组的最大值和第n个数值比较,取出最大值。要想知道n-1个整数数组的最大值,就可以分解成n-2个整数数组的最大值和第n-1个数值比较,依此套娃下去,直到n=1的时候,我们是可以直到n=1的最大值就是他本身,然后再顺着回去,原来怎么套,回去就怎么解

    代码(golang)

    通过以上的分析,我们可以得出以下的代码内容,详细思路看代码注解

    func main() {
    	s:= []int{1,44,-9,10,18,6,22}
    	fmt.Println(findMaxInt(s))
    }
    func findMaxInt(s []int) int{
    	//递归的边界,当整个数组只有一个元素时
    	if len(s)==1{
    		return s[0]
    	}
    	//求解数组长度为n-1时的情况
    		return max(findMaxInt(s[0:len(s)-1]),s[len(s)-1])
    
    }
    //返回两个整数的最大值
    func max(i,j int)int{
    	if i>j{
    		return i
    	}else{
    		return j
    	}
    }
    

    强烈不理解的童鞋打开调试,跟着调试一起走,非常清晰可以看到一个栈,这是一个先入后出的队列。

    复杂度分析

    时间复杂度

    递归的时间复杂度跟递归调用次数相关,分析代码可知,我们一共调用了n次,第一次是求有n个数组,第二次是求含有n-1个数组…直到边界条件n=1,所以一共调用了n次,时间复杂度为O(n)。

    空间复杂度

    递归的空间复杂度跟递归堆栈有关,这里最大需要用到n个堆栈,每一次调用,都需要压一次栈,所以空间复杂度为O(n)

    使用迭代算法

    这道题如果使用迭代算法,时间复杂度一样,空间复杂度可以优化为O(1)

    具体代码如下

    func main() {
       s:= []int{1,44,-9,10,18,6,22}
       //初始化答案为0
       ans :=0
       for _,v:=range s{
          if v>ans{
             ans=v
          }
       }
       fmt.Println(ans)
    }
    

    其实迭代算法也是将问题缩小的过程,只不过求解方向跟递归正好相反。迭代时先计算只有1个整数的数组情况,然后计算2个,3个。。。到n个,这其中就不需要使用栈,我们可以使用一个临时变量来保存当前的最大值,最后返回最大值即可,空间复杂度为O(1),大大低于递归算法。

    总结

    这道题使用的递归算法求解显然没有迭代的方式来得更加优秀,主要是用来展示下递归是如何使用和工作的,递归主要开销是来源于栈空间的,如果栈空间满了,则程序就溢出了,建议最好使用迭代方式,可以自主控制队列容量大小。这类的求最值,我们可以用DP(动态规划)的方式来进行分析,原理基本是一致的。

    展开全文
  • 三种简单的加密算法

    千次阅读 2019-03-12 12:33:30
    凯撒密码(Caesar)是一种简单的代换密码,即将一个字符按一定的规则简单的代换为另一个字符实现加密。 int yymsaesar(char *strI,int numB,int model) { if(model==1){} elseif(model==2) {numB=26-numB;} else {...
  • 遗传算法

    万次阅读 多人点赞 2019-04-06 21:41:47
    使用遗传算法求解多峰函数的最大值,是我的一项课程作业,做完之后,顺便把文档整理出来做个记录。全部内容如下: 1、问题描述 编程实现遗传算法,并求解多峰函数的最大值。多峰函数的表达式如下所示: 用MATLAB...
  • 华为笔试题 之 简易压缩算法

    千次阅读 2018-08-16 12:54:23
    有一种简易压缩算法:针对由全部小写字母组成的字符串,将其中连续超过两个相同字目的部分压缩成连续个数加该字母,其他部分保持原样不变。 例如,字符串:aaabccccd 经过压缩成为字符串:3ab4cd。请您编写一个...
  • 2020年最全最简单KMP算法讲解

    万次阅读 多人点赞 2020-06-09 13:25:01
    1.KMP算法的来源 2.最大公共前后缀 3.KMP算法原理 4.next数组 5.next数组值的确定 6.KMP算法的缺陷 7.KMP算法的改进 8.一道KMP算法题 1.KMP算法的来源 其实博主刚看KMP算法的时候的反应是这样的: 我们引用...
  • 商品唯一订单系列号生成简易算法

    千次阅读 2017-10-28 19:34:15
    算法目标:支持中小型支付系统,单机房生成订单QPS 序列号生成算法: {2字节,机房序列号}{14字节,年月日时分秒}{3字节,毫秒}{3字节,微妙}{4字节,自增序列号} 机房A: "{01}{20171028195147}{655}{851}{0001...
  • 简单五子棋算法——初级篇

    千次阅读 多人点赞 2018-12-26 17:20:17
    五子棋博弈算法探究(1)前言 前言 最近对五子棋产生了一点兴趣,想来研究研究,我原本觉得简简单单的五子棋,其实还是有很多学问的。 五子是中国古老的棋类之一,是老少咸宜的娱乐项目, ...
  • 编译原理简单优先分析算法

    千次阅读 2017-06-02 18:36:48
     编译原理简单优先分析算法是一种自下而上的分析算法,本例是编译原理第三版何炎祥中一个简单优先分析算法的例子,未给出分析过程分析代码,读者可以参考我的语法分析器中输出代码,写出此算法的输出部分。...
  • VRP(车辆路径问题)的两种简单算法

    万次阅读 多人点赞 2016-11-27 21:14:38
    VRP(车辆路径问题)的两种简单算法VRP问题描述:假设在一个供求关系系统中,车辆从货源取货,配送到对应的若干配送点。车辆存在最大载货量,且配送可能有时间限制。需要合理安排取货时间,组织适当的行车路线,使...
  • BP神经网络简单算法实例

    千次阅读 2018-03-24 20:09:26
    转载链接地址 点击打开链接
  • 单目标&多目标 灰狼算法算法讲解

    千次阅读 2019-10-05 11:38:03
    1. 灰狼算法思想 2. 单目标灰狼算法 3. 多目标灰狼算法
  • 遗传算法原理及算法实例

    万次阅读 多人点赞 2017-11-26 09:42:19
    遗传算法原理解析 遗传算法(GA)是一种元启发式自然选择的过程,属于进化算法(EA)大类。遗传算法通常是利用生物启发算子,如变异、交叉和选择来生成高质量的优化和搜索问题的解决方案。 借鉴生物进化理论,遗传...
  • OCR身份证识别简单算法流程

    万次阅读 2017-05-26 13:22:25
    OCR身份证识别的调研。典型身份证识别算法流程简介。
  • criminisi算法

    2019-03-10 20:22:43
    在matlab上可以直接运行的criminisi算法,带有简易的说明,请使用一阶曲线进行拟合,二阶以上不建议使用。
  • 简易的迷宫算法

    2015-07-28 11:31:24
    简易的迷宫算法 js实现简单的迷宫模版生成
  • 遗传算法:遗传算法包含遗传、变异和选择三个流程。个体编码常用无符号的二进制整数来表示。具体步骤包括:构造一定规模的初始种群,计算适应度决定遗传的概率,遗传运算(常用轮盘赌法),交叉运算(按概率发生片段...
  • 一般的字符串模式匹配算法是类似下面的逐次匹配,举例说明如下 主串s=ababcabcacbab 从串t=abcac 一般匹配方法如下图所示 代码如下 int index(string s,string t) {  int i=0,j=0;  int l1=s.length();  ...
  • 数据结构与算法中的经典算法

    万次阅读 多人点赞 2018-07-19 21:47:12
    数据结构与算法之经典算法 常见数据结构与算法整理总结(上) 常见数据结构与算法整理总结(下) 二、针对性参考 1) 排序 数据结构与算法之经典排序 2)二叉树 数据结构与算法之二叉树+遍历+哈夫曼树 ...
  • 详解遗传算法(含MATLAB代码)

    万次阅读 多人点赞 2019-05-29 11:30:47
    一、遗传算法概述 二、遗传算法的特点和应用 三、遗传算法的基本流程及实现技术 3.1 遗传算法的基本流程 3.2 遗传算法的实现技术 1.编码 2.适应度函数 3.选择算子 4.交叉算子 5.变异算子 6.运行参数 四、...
  • codewars上面6kyu的算法题,下面是算法题的英文简介 Your goal in this kata is to implement an difference function, which subtracts one list from another. It should remove all values from list a, which ...
  • 算法算法实现

    千次阅读 多人点赞 2017-02-14 17:59:55
    算法是一切程序设计的灵魂和基础。 很多开发者都知道“程序=数据结构+算法”这个著名的公式,简单点来说,我更喜欢表单成为“后台程序=数据+逻辑”。1 什么是算法? 字面含义: 算法是用于计算的方法,通过这种...
  • 遗传算法python实现(适合初学者)

    万次阅读 多人点赞 2019-05-31 14:10:19
    在某网页上碰巧看到了 遗传算法 ,就决定学习整理一下这个熟悉又陌生的经典算法。 遗传算法有趣的应用有:寻路问题,8数码问题,囚犯困境,动作控制,找圆心问题,TSP问题,生产调度问题,人工生命模拟等。 遗传...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,687,335
精华内容 674,934
关键字:

简单算法