zhangyue_lala的博客

对一个对象进行评价是现实社会中一种常见问题，当然，就像“一千个人眼中有一千个哈姆雷特”，主观评价往往十分不可靠，呵呵。所以，要怎样做到客观可行，由此就设计了一些评价模型，通过数值计算得出的评价指数来评价一个对象好坏。       这次介绍的综合指数法实际上是基于加权平均的推广。主要包括两个过程，评价指标的无纲量化处理和权术确定。（一）指标的无量纲化处理       评价指标一般都是量化

好几个星期没有更新博客了，最近也是考试多，抽不出多少时间，今天在看书的时候看到了详细的求解极值的算法，都是最基本的，就准备写下来当做学习记录。（一）最速下降法（梯度下降法）           描述：先给出 f（X）极小值点的X*的一个估计值Xo（称作初始点），然后依次计算出 Xk+1=g（Xk）并且希望点列{ Xk}的极限就是要找的极值点X*。其中g（）为迭代格式Xk+1=Xk+aDk，

最近在课上听了一些关于图论的简介，虽然对于我现在的知识来说这个有点早了，但是不影响我明白Konigsberg七桥问题。这个问题困扰了18世纪的人们很长时间，但是一直没能得到解决，最后，大数学家男神欧拉出马，建立了一个简单的数学模型，将七桥问题否定了。下面，看看这个七桥问题究竟是什么？普鲁士的Konigsberg城里有一个花园，中间有一条河穿过，河中间有两个小岛。架了七座桥把两个

遗传算法是现代启发式算法的一种。现代启发式算法共同的特点是：从任意解出发，按照某种机制，以一定该概率在整个求解空间中探寻最优解，具有探寻全局最优的功能。所有的现代启发式算法最终目的就是寻找全局最优。遗传算法简介：改编自生物进化规律。在离散的情况下寻找求解空间内全局最优。它不存在求导和函数连续性的限定，具有并行求解的优势。过程包括：编码，解码，交叉，变异，选择遗传算法的特

作者：zhangyue_lala课题：元胞自动机“Give me space and motion and I will give you the world”这是爱因斯坦说的，大致意思就是，给我空间和规则我可以给你创造出一个世界。联系今天的课题，这正是元胞自动机的基本原理：空间和规则，它的基本思想就是：用简单的单位通过简单的规则模拟复杂的系统。先具体提几个名词吧：1、元胞

今天决定写一下灰色关联分析法，这种方法是进行关联分析的，并不一定非要作为评价分析，所以这种方法的推广性更好一些。当你想用来评价对象的时候，也很容易，关联一个虚拟最优对象（上一篇理想解法中有介绍），然后找出和虚拟最优对象关联度最大的对象，然后你就得到了最优解。      （一）首先介绍一下什么是灰色系统和白色系统。                 1.白色系统：系统内各个因素之间的关系已知。

这次并不算十分深入地学习了三种现代启发式算法，具体内容有待补充。先做一个简单的记录。模拟退火 遗传算法 蚁群算法先说一下什么是现代启发式算法       启发式算法（heuristic algorithm)是相对于最优化算法提出的。一个问题的最优算法就是求得该问题每个实例的最优解。启发式算法可以这样定义：一个基于直观或经验构造的算法，在可接受的花费（指计算时间和空间）下给出待解决组合优

插值法就是一个从已知点近似计算未知点的近似计算方法，即构造一个多项式函数，使其通过所有已知点，然后用求得的函数预测位置点。下面记录几种最近学到的插值法以及它们的试用条件及优缺点，简单说一下自己对于插值多项式构造的理解。1.Lagrange插值法2.Newton插值法3.Neville插值法4.分段线性插值法5.条样插值法

这次的评价是在无量纲化数据之后进行的，具体无量纲的方法在上一篇综合评价里有详细介绍，下面直接开始介绍理想评价法        所谓理想评价法，就是找到各评价标准里边（就是评价矩阵里边的每一列）的最优解，然后将没一列最优解抽象出来，构建一个虚拟的评价对象，它是在每个评价指标里边都是最好的，简单的说，就是全能的一个对象，就像一个所有科目100分的学生，然后找差距呗，和理想对象差距小的肯定是好的呗。

最近，学校模电课上学习了数字电路，接触了一些位运算有关的东西，觉得挺好的，就想记下来做个笔录。Title：基础位运算Author：zhuangyue_lalaKey words:位运算，C++        在学校开设的C++课上老师并没有讲位运算，当初觉得挺复杂的，也没有关注这一点。最近在学习了模电课之后，从计算机组成及操作方面对位运算有了一定了解之后，深刻觉得位操作是个好东西，