木人舟的博客

前言我在写这篇文章前，也搜索过很多相关git clone速度很慢的解决方法，但是很多很麻烦，或者是非常的不稳定，我在自己无意间尝试中发现了一个可以很稳定给git clone提速的方法，那就是通过使用代理的方法来进行提速，因此如果你没有一个可靠且稳定的梯子，接下来的就不用看了 尝试过的方法(未成功)既然有成功，那么在探索过程中也必定会有失败的方法，下面也介绍一下我试过的没啥用的方法，给各位避雷，不用花时间去刻意尝试了😊😊 更改github的hosts/使用steam++（用处不大）这两个方法本质上都是一样的，就是改hosts，网上说(不是我说的哈，与本人没有任何的关系)是github的dns会被不定时污染，所以访问起来特别的慢 典中典🤣，然后通过给定github的hosts，让dns能够解析到ping值低的服务器上。但是这种方法对git clone 的下载速度没啥用（亲测），不过有时候访问github网页还是行的，具体的可以参照这个https://github.com/521xueweihan/GitHub520.git 将github的项目导入到gitee中(有用，但 ...

运行环境推荐 anaconda3，集成了常用的用于科学计算的包，以及python解释器(本例使用的解释器版本为3.11.5) 编辑器或者IDE：Vscode或者pycharm 程序实现摘要本文将SGA遗传算法按照ppt的编写分为八个模块(python文件)进行阐述 分别是： geneEncoding.py ga.py(主功能模块，运行此模块即可运行遗传算法) best.py calfitValue.py calobjValue.py crossover.py mutation.py selection.py 具体的流程图解释如下： 种群初始化：对参数进行编码，适应度函数的设计，以及初始群体的设定 适应度计算：为每次群体中的个体赋予适应度，方便后面遗传操作的进行 选择操作：对群体进行选择，选择出适应度值较大的一部分优势群体； 交叉操作：对优势种群进行 “交配”，更容易产生优秀的个体； 变异操作：对染色体中的基因用一定的变异方法进行变异 下面以计算函数最大值为例，阐述SGA的具体步骤 基因编码在本例中，染色体的编码方式采用二进制编码，即用若干二进制数表示一个个体，将 ...

题目要求介绍 本文算法测试用的数据集为空手道俱乐部，其中空手道俱乐部的数据集可通过这个链接进行下载•http://vlado.fmf.uni-lj.si/pub/networks/data/Ucinet/UciData.htm#zachary 摘要本文旨在解决复杂网络中任意子节点之间的网络最短距离问题。首先介绍了复杂网络的概念和特点，包括小世界特性、无标度特性等。然后以空手道俱乐部网络为例，展示了如何将邻接矩阵转换为邻接表，并绘制网络图。接着设计了模块化的程序框架，采用状态压缩动态规划 + Dijkstra算法来计算任意m个节点之间的最短距离。最后给出了m=2,3,4,5,>5时的计算结果，并以直方图形式可视化。结果表明，在空手道俱乐部网络中，大多数节点之间的最短距离分布在一个中等范围内，说明大多数成员之间的社交关系维持在一个不亲不疏的状态。总体来说，本文提出了一种有效的方法来分析复杂网络中节点之间的最短距离分布，为研究复杂网络的拓扑结构提供了参考。 背景介绍复杂网络（Complex Networks）是一种描述系统中元素间复杂连接关系的网络结构，其特点在于节点数量 ...

运行环境推荐 anaconda3，集成了常用的用于科学计算的包，以及对应的Python解释器(本例使用的解释器版本为3.9.12) 编辑器：VScode 摘要本文将以迷宫探索最优路径为例，讲解A *搜索算法原理及其程序实现。 在原理讲解部分，首先从为什么要使用A *搜索算法和A *搜索算法的全局最优逻辑出发，讲解A *算法的原理。其次对A *的行动函数g(n)和启发函数h(n)的细节进行了讲解说明，并补充了启发函数的选择对于A *算法的影响。 在程序实现部分，首先从程序流程框图出发，解释A *算法的流程。其次按函数的类划分并讲解主要代码，接着展示程序的运行结果，最后对A *算法进行总结分析。 原理讲解为什么要使用A*搜索算法？搜索算法的核心是从起点出发，找到一条到达目标的最优（路径最短/成本最低/两者兼具）的路径。 根据不同需求，我们通常会选择：广度优先搜索（BFS）、Dijkstra算法（统一成本搜索）和贪婪优先搜索之一，下面我们逐个分析其优劣。 广度优先算法：不考虑每一步的移动成本，不断拓展边界，直到边界到达目标点，通常耗费大量时间。 Dijkstra算法 ...