文章
3111
标签
111
分类
73
首页
时间轴
标签
分类
关于
友链
Estom的博客
01 简介
返回首页
搜索
首页
时间轴
标签
分类
关于
友链
01 简介
发表于
2021-03-12
|
更新于
2022-10-26
|
JBoss
|
总字数:
0
|
阅读时长:
1分钟
|
浏览量:
文章作者:
Estom
文章链接:
https://estom.github.com/2021/03/12/JBoss/01%20%E7%AE%80%E4%BB%8B/
版权声明:
本博客所有文章除特别声明外，均采用
CC BY-NC-SA 4.0
许可协议。转载请注明来源
Estom的博客
！
上一篇
11 CICD
下一篇
遗传算法详解
遗传算法定义 遗传算法（Genetic Algorithm,GA）起源于对生物系统所进行的计算机模拟研究。它是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法，借鉴了达尔文的进化论和孟德尔的遗传学说。其本质是一种高效、并行、全局搜索的方法，能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程以求得最佳解。 袋鼠跳问题（纯粹是觉得有意思） “袋鼠跳”问题 既然我们把函数曲线理解成一个一个山峰和山谷组成的山脉。那么我们可以设想所得到的每一个解就是一只袋鼠，我们希望它们不断的向着更高处跳去，直到跳到最高的山峰（尽管袋鼠本身不见得愿意那么做）。所以求最大值的过程就转化成一个“袋鼠跳”的过程。 作为对比下面简单介绍“袋鼠跳”的几种方式。 1. 爬山法（最速上升爬山法）： 从搜索空间中随机产生邻近的点，从中选择对应解最优的个体，替换原来的个体，不断重复上述过程。因为爬山法只对“邻近”的点作比较，所以目光比较“短浅”，常常只能收敛到离开初始位置比较近的局部最优解上面。对于存在很多局部最优点的问题，通过一个简单的迭代找出全局最优解的机会非常渺茫。（在爬山法中，袋鼠最有希望...
Estom
也许那年在绿色的麦浪中奔跑的时候，就注定了我此生的繁华与悲叹
文章
3111
标签
111
分类
73
关注
公告
欢迎参观Estom的小屋
最新文章
自引用泛型概述
2025-12-21
06 JUC并发容器
2025-12-18
02 集合底层结构
2025-12-18
30 问题排查和性能优化指南
2025-09-14
面试说明
2025-09-03
搜索
数据加载中
