原创 《文獻管理與信息分析》——學習筆記1

《文獻管理與信息分析》課程是由中國科學技術大學的羅昭鋒老師的慕課,本文主要記錄本人在學習過程中,重點知識的記錄。 第一講 科研工作者的信息修煉 1. 研究生培養的關鍵問題是解決問題的能力; 2. 科研就是一個解決未知問題的過程。 3. 課

原创 流水車間調度問題混合整數規劃模型

流水車間調度問題(FSP)描述爲:有n個獨立的工件按照相同的工藝路線在m臺機器傷加工,每個工件需要經過m道工序,這些工序分別要求不同的機器,並且各工序的加工過程不能中斷。 以最大完工時間爲目標的流水車間的混合整數規劃模型: (1) 符號含

原创 離散型均勻分佈 & 連續型均勻分佈

均勻分佈(Uniform distribution) 是一種簡單的概率分佈,其分爲離散型均勻分佈(discrete uniform distribution)和連續型均勻分佈(continuous uniform distribution

原创 OP_1. 簡述遺傳算法(GA)原理

系列優化算法簡述: OP_1. 簡述遺傳算法(GA)原理 OP_2 簡述灰狼優化算法(GWO)原理 前言 遺傳算法GA(Genetic algorithm)由美國密西根大學 J. Holland 教授於90年代提出來的一種模擬生物進化規律

原创 如何將CAD格式轉成可以編輯的矢量圖

前言: 本文主要介紹如何將CAD文件中需要的部分轉換成矢量圖,並能用在ppt、visio、word等Office的軟件裏。尤其在寫論文的過程中需要圖片採用矢量圖,保證圖片的清晰度。 本文介紹用到的軟件有 Auto CAD 2017、Vis

原创 OP_2 簡述灰狼優化算法(GWO)原理

系列優化算法簡述: OP_1. 簡述遺傳算法(GA)原理 OP_2 簡述灰狼優化算法(GWO)原理 前言: 灰狼優化算法(Grey Wolf Optimizer,GWO)由澳大利亞格里菲斯大學學者 Mirjalili 等人於2014年提出

原创 MOP_1. 多目標優化的相關基本概念

多目標優化系列: MOP_1. 多目標優化的相關基本概念 MOP_2. 非支配排序遺傳算法 —(NSGA、NSGA-II) MOP_3. 基於分解的多目標進化算法 —(MOEAD) 在學習多目標優化的過程中,尤其涉及Pareto相關知識的

原创 MOP_2. 非支配排序遺傳算法 —(NSGA、NSGA-II)

多目標優化系列: MOP_1. 多目標優化的相關基本概念 MOP_2. 非支配排序遺傳算法 —(NSGA、NSGA-II) MOP_3. 基於分解的多目標進化算法 —(MOEAD) 1. 非支配排序遺傳算法(NSGA) 1995年,Sri

原创 MOP_3. 基於分解的多目標進化算法 —(MOEAD)

多目標優化系列: MOP_1. 多目標優化的相關基本概念 MOP_2. 非支配排序遺傳算法 —(NSGA、NSGA-II) MOP_3. 基於分解的多目標進化算法 —(MOEAD) 基於分解的多目標進化算法 (MOEA/D) 一種基於分解

原创 二、數據類型

學習內容: 1. 字符串與二進制轉換 2. 列表的使用 3. 元組 4.字典   1. 字符串與二進制轉換 (1)轉換規則: (2)語法 str="北京工業大學" a=str b=str.encode(encoding="utf-8"

原创 7. Python字典數據

dictionaryName[key] = value 1. 使用大括號創建字典   student = { “203-2012-002”:“Peter”,“203-2016-024”:“John”} 2. 使用中括號添加字典值   st

原创 一、初識python

學習內容:1. python,pycharm 介紹與安裝;2. 輸入輸出;3. 變量/常量python變成規則;4. 註釋多行打印;5. 多行打印以及編碼發展史;6. 格式化拼接;7. 密碼密文;8. if...elif...else 條

原创 6. Python語言對文件的操作

1. 文件的基礎_常用的編碼   1.1 ASCII碼(標準化字符集):用於字符和ASCII之間的轉換    常用函數ord(),chr()   1.2 Unicode        統一且唯一的二進制編碼;        每個字符兩個