Martinezou
Martinezou

多目标优化算法评价指标

多目标进化算法解集的性能评价指标主要分为三个方面：

1）解集的收敛性评价(Convergence Performance, CP), 反映解集与真实Pareto前沿之间的逼近程度

2）解集的均匀性评价(Uniformity Performance, UP), 体现解集中个体分布的均匀程度

3）解集的广泛性评价(Spread Performance, SP), 反映整个解集在目标空间中分布的广泛程度

基于距离的MOEAs解集均匀性评价指标

Schoot 提出的指标（Spacing Metric, SP）:

\bar{d}是d_{1}的平均值

广泛性评价方法

Zitzler提出最大分散度（Maximum Spread）评价方法

参考文献：

李密青, 郑金华. 一种多目标进化算法解集分布广度评价方法[J]. 计算机学报, 2011, 34(4):647-664.

你可能感兴趣的:(多目标优化算法评价指标)

  • 优化选址问题 | 基于和声搜索算法求解基站选址问题含Matlab源码 天天酷科研 优化选址问题（LP）matlab和声搜索算法基站选址问题
    目录问题代码问题和声搜索算法（HarmonySearch,HS）是一种模拟音乐创作过程中乐师们凭借自己的记忆，通过反复调整各乐器的音调，直至达到最美和声状态为启发，通过反复调整解向量的各分量来寻求全局最优解的智能优化算法。下面是一个基于和声搜索算法求解基站选址问题的Matlab伪代码框架。请注意，这个框架是一个基本的实现，你可能需要根据你的具体问题和约束条件进行调整和优化。代码%和声搜索算法求解基
  • 路径优化算法 | 基于蚁群的城市路径优化算法应用及其Matlab实现 算法如诗 路径优化算法（PathOptimization）算法matlab路径优化算法
    蚁群算法（AntColonyOptimization,ACO）是一种模拟自然界中蚂蚁觅食行为的优化算法，用于解决如旅行商问题（TSP）等组合优化问题。在蚁群算法中，每只蚂蚁在搜索路径时都会释放信息素，并根据信息素浓度和其他启发式信息来选择下一个节点。随着时间的推移，较短的路径上累积的信息素会更多，从而吸引更多的蚂蚁，最终找到最优路径。在城市路径优化问题中，蚁群算法可以用于找到连接多个城市的最短路径
  • 动手学习深度学习——2.5 自动微分 X_Imagine 动手学习深度学习深度学习人工智能自动微分
    2.5自动微分  正如【2.4微积分】所说，微分是深度学习中几乎所有最优化算法的关键步骤。虽然求这些导数的计算过程很简单，只需要一些基本的微积分知识。但对于复杂的模型，手工计算参数的更新可能很痛苦(而且经常容易出错)。深度学习框架通过自动计算导数加快了这一工作，即自动微分（AutomaticDifferentiation）。在实践中，基于我们设计的模型，系统构建了一个计算图，跟踪哪些数据结合哪些操
  • 神奇的微积分 科学的N次方 人工智能人工智能ai
    微积分在人工智能（AI）领域扮演着至关重要的角色，以下是其主要作用：优化算法：•梯度下降法：微积分中的导数被用来计算损失函数相对于模型参数的梯度，这是许多机器学习和深度学习优化算法的核心。梯度指出了函数值增加最快的方向，通过沿着负梯度方向更新权重，可以最小化损失函数并优化模型。•反向传播：在神经网络训练中，微积分的链式法则用于计算整个网络中每个参数对于最终损失函数的影响（偏导数），这一过程就是反向
  • 基于冠豪猪优化算法(Crested Porcupine Optimizer，CPO)的无人机三维路径规划（MATLAB） IT猿手 无人机路径规划优化算法MATLAB无人机matlab开发语言人工智能多目标优化算法算法
    一、无人机路径规划模型介绍无人机三维路径规划是指在三维空间中为无人机规划一条合理的飞行路径，使其能够安全、高效地完成任务。路径规划是无人机自主飞行的关键技术之一，它可以通过算法和模型来确定无人机的航迹，以避开障碍物、优化飞行时间和节省能量消耗。二、算法介绍冠豪猪优化算法(CrestedPorcupineOptimizer，CPO)由MohamedAbdel-Basset等人于2024年提出，该算法
  • 显著性目标检测评价指标Smeasure, wFmeasure, MAE, adpEm, meanEm, maxFm 一只懒洋洋 人工智能机器学习
    一、评价指标：Smeasure(StructureMeasure)结构度量是一种综合评估指标，用于评估预测的分割结果与真实分割之间的结构相似性。它考虑了分割结果的边缘连通性、区域完整性和边界偏移等因素，值越接近1表示分割结果与真实分割结构越相似。wFmeasure(WeightedF-measure)加权F-measure是精度和召回率的加权平均值，其中精度衡量了分割结果中正确分类的像素数量，而召
  • 数字化沙龙观后感 心水
    今天发烧好点了，顺利参加了沙龙活动，感觉这次沙龙的质量很高，效果也很好。首先是黎叔请来的清华大学博士，分享了物流行业的各种优化算法，感觉自己的智商不够用了。收获是要把物流的一些具体场景转换成数学模型，然后再选择合适的算法算出最优解。然后就是我做的分享了，把昨天准备的内容基本上说到了，感觉说得还可以，茶歇的时候就有几个潜在客户来交流了，感觉我们花的时间和精力都值得了。接下来是上汽的Victor博士分
  • MATLAB|【免费】概率神经网络的分类预测--基于PNN的变压器故障诊断 电力程序小学童 机器预测matlab神经网络分类预测
    目录主要内容部分代码结果一览下载链接主要内容《MATLAB神经网络43个案例分析》共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。此外，《MATLAB神经网络43个案例分析
  • 2022-05-28 更清新的2023
    为什么自己定很多计划都坚持不下去？你有没有在年初时定过像减肥、读书、学外语等这些计划，是不是到了年底偶然想起年初定过的计划，心理不禁有些愧疚：又没坚持下来，随即又安慰自己：这一年太忙了，根本没时间去做，明年一定会完成计划，每年反复如此，但目标似乎也总是没有完成。我自己也定过很多目标，比如，今年要看多少本书，要减重多少公斤等等，刚开始都热情满满，但往往坚持不了多久就放弃了，除了责怪自己不够自律外，一
  • 【改进算法】【IHAOAVOA】天鹰优化算法和非洲秃鹫混合优化算法 科研工作站 智能算法算法智能算法天鹰优化算法非洲秃鹫算法
    目录1主要内容IHAOAVOA流程图主要创新点2部分代码3程序结果4下载链接1主要内容该程序复现《IHAOAVOA:AnimprovedhybridaquilaoptimizerandAfricanvulturesoptimizationalgorithmforglobaloptimizationproblems》，天鹰优化算法（AO）和非洲秃鹫算法（AVOA）各有优势：AO具有强大的全局勘探能力
  • 【超详细】HIVE 日期函数（当前日期、时间戳转换、前一天日期等） 小猪快跑爱摄影 HIVEhivehadoop数据仓库
    文章目录相关文献常量：当前日期、时间戳前一天日期、后一天日期获取日期中的年、季度、月、周、日、小时、分、秒等时间戳转换时间戳to日期日期to时间戳日期之间月、天数差作者：小猪快跑基础数学&计算数学，从事优化领域5年+，主要研究方向：MIP求解器、整数规划、随机规划、智能优化算法。如有错误，欢迎指正。如有更好的算法，也欢迎交流！！！——@小猪快跑相关文献LanguageManualUDF-Apach
  • 1.深度学习基础-模型评估指标 alstonlou 深度学习指南深度学习人工智能机器学习算法python
    模型评估指标针对不同类型的任务，需要通过不同的模型评价指标进行评价，在实际应用中，可能需要结合具体任务和需求选择合适的评估方法。有监督学习回归任务回归任务模型的评估主要通过误差和拟合优度来进行，常用的指标包括平均绝对误差（MAE）、均方误差（MSE）、均方根误差（RMSE）和决定系数（R²）。在回归任务中，我们主要关注模型预测值与实际值之间的差异大小以及模型对数据整体变化的解释能力。以下是具体介绍
  • 麻雀算法优化BP神经网络回归分析，麻雀算法优化BP神经网络回归预测，麻雀优化算法改进BP神经网络客流量预测 神经网络机器学习智能算法画图绘图 BP神经网络算法神经网络回归麻雀优化算法改进BP神经网络短期客流量预测
    目录背影BP神经网络的原理BP神经网络的定义BP神经网络的基本结构BP神经网络的神经元BP神经网络的激活函数，BP神经网络的传递函数麻雀算法原理麻雀算法主要参数麻雀算法流程图麻雀算法优化测试函数代码麻雀算法优化BP神经网络回归分析，麻雀算法优化BP神经网络回归预测数据matlab编程实现效果图结果分析展望完整代码数据文件下载链接：（代码完整，数据齐全）资源-CSDN文库https://downlo
  • 蛙跳算法例子 依然风yrlf 算法python
    蛙跳算法（JumpingFrogAlgorithm，简称JFA）是一种仿生优化算法，模拟了青蛙在搜索食物时的跳跃行为。该算法通过模拟青蛙的跳跃过程来寻找最优解，适用于连续优化、离散优化和多目标优化等问题。下面是一个详细的蛙跳算法示例，用于解决一维连续优化问题：importnumpyasnp#定义目标函数defobjective_function(x):return(x-2)**2-1#定义蛙跳算法
  • 贪心算法的介绍 依然风yrlf 贪心算法算法
    贪婪算法（GreedyAlgorithm）是一种基于贪心策略的优化算法，通常用于在组合优化问题中找到最优解。贪婪算法的基本思想是在每一步选择中都采取当前状态下最优的选择，希望通过局部最优解的积累来达到全局最优解。尽管贪婪算法不能保证总是找到最优解，但它通常能够在很短的时间内找到一个接近最优解的解决方案。贪婪算法的详细介绍和讲解：基本思想：贪婪算法的基本思想是通过每一步的局部最优选择来构建问题的解决
  • 09基于粒子群优化BP神经网络数据回归预测算法PSO-BP【附Matlab源码】只讲代码不讲原理 机器不会学习CSJ 数据回归专栏算法神经网络回归机器学习matlab
    文章目录一、粒子群优化算法二、BP神经网络核心代码三、完整过程1、读取数据2、划分数据3、数据归一化4、计算优化节点数量5、粒子群优化参数初始化6、提取最优初始权值和阈值通过粒子群优化的最佳权重矩阵7、训练网络和预测数据结合前面BP设置网络参数代码8、绘图和计算评价指标三、实验结果四、获取完整代码和数据一、粒子群优化算法核心计算公式%%参数初始化c1=4.494;%学习因子c2=4.494;%学习
  • 10 中科院1区期刊优化算法|基于开普勒优化-卷积-双向长短期记忆网络-注意力时序预测Matlab程序KOA-CNN-BiLSTM-Attention 机器不会学习CSJ 时间序列预测算法网络matlabcnnlstm深度学习
    文章目录一、开普勒优化算法二、CNN卷积神经网络三、BiLSTM双向长短期记忆网络四、注意力机制五、KOA-CNN-BiLSTM-Attention时间序列数据预测模型六、获取方式一、开普勒优化算法基于物理学定律的启发，开普勒优化算法（KeplerOptimizationAlgorithm，KOA）是一种元启发式算法，灵感来源于开普勒的行星运动规律。该算法模拟行星在不同时间的位置和速度，每个行星代
  • 06基于WOA-CNN-BiLSTM-Attention鲸鱼优化-卷积-双向长短时记忆-注意力机制的数据分类算法 机器不会学习CSJ 数据分类专栏cnn分类深度学习lstmmatlab启发式算法数据分析
    基于WOA-CNN-BiLSTM-Attention鲸鱼优化-卷积-双向长短时记忆-注意力机制的数据分类算法鲸鱼智能优化基本原理鲸鱼智能优化算法（WhaleOptimizationAlgorithm，WOA）是一种基于自然界中的鲸鱼群体行为而提出的全局优化算法。该算法由莫扬（SeyedaliMirjalili）于2016年提出，其灵感来源于鲸鱼群体的捕猎行为和社交行为。在WOA算法中，每个解都被看
  • 08 2024年1月最新优化算法 美洲狮优化算法(PO) 基于美洲狮PO优化CNN-BiLSTM-Attention的时间序列数据预测算法PO-CNN-LSTM-Attention 优先使用就是创新！ 机器不会学习CSJ 算法cnnlstm机器学习人工智能神经网络matlab
    提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录一、美洲狮优化算法二、CNN卷积神经网络三、BiLSTM双向长短期记忆网络四、注意力机制五、PO-CNN-BiLSTM-Attention时间序列数据预测模型六、核心代码七、结果展示八、获取方式一、美洲狮优化算法美洲狮是一种原产于美洲大陆的大型猫科动物，在南美洲的安第斯山脉到加拿大的育空地区都有它们的栖息地。作为美洲第二大的猫
  • 07基于WOA-CNN-BiLSTM-Attention鲸鱼优化-卷积-双向长短时记忆-注意力机制的时间序列预测算法 机器不会学习CSJ 时间序列预测cnn算法人工智能
    文章目录鲸鱼优化算法CNN卷积神经网络BiLSTM双向长短期记忆网络Attention注意力机制WOA-CNN-BiLSTM-Attention鲸鱼优化-卷积-双向长短时记忆-注意力机制数据展示代码程序实验结果获取方式鲸鱼优化算法鲸鱼优化算法（WhaleOptimizationAlgorithm，WOA）是一种启发式优化算法，灵感来源于座头鲸的捕食行为。该算法最早由SeyedaliMirjalil
  • 2024年最新优化算法|冠豪猪优化算法CPO、足球队训练优化算法FTTA、美洲狮优化算法PO 、牛顿-拉夫逊优化算法NRBO利用优化算法进行优化BP神经网络权重参数进行数据回归预测 先用就是创新点！ 机器不会学习CSJ 数据回归专栏算法神经网络回归
    不讲原理，详细原理可以查看原论文，附上论文链接不讲原理，详细原理可以查看原论文，附上论文链接不讲原理，详细原理可以查看原论文，附上论文链接文章目录冠豪猪优化算法足球队训练优化算法美洲狮优化算法牛顿-拉夫逊算法获取方式冠豪猪优化算法论文地址冠豪猪优化算法足球队训练优化算法论文地址足球队训练优化算法论文美洲狮优化算法论文地址美洲狮优化算法牛顿-拉夫逊算法R.Sowmya,M.Premkumar,and
  • 基于熵权法对Topsis模型的修正 钰见梵星 数学建模算法
    基于熵权法对Topsis模型的修正有n个要评价的对象，m个评价指标的标准化矩阵，可以使用层次分析法给这m个评价指标确定权重∑j=1mωj=1\sum_{j=1}^m{\omega_j}=1j=1∑mωj=1层次分析法最大的缺点：判断矩阵的确定依赖于专家，如果专家的判断存在主观性的话，会对结果产生很大的影响。（主观性太强）熵权法是一种客观赋权方法依据的原理：指标的变异程度越小，所反映的信息量也越少，
  • Pytorch-RMSprop算法解析 肆十二 Pytorch语法pytorch算法人工智能
    关注B站可以观看更多实战教学视频：肆十二-的个人空间-肆十二-个人主页-哔哩哔哩视频(bilibili.com)Hi，兄弟们，这里是肆十二，今天我们来讨论一下深度学习中的RMSprop优化算法。RMSprop算法是一种用于深度学习模型优化的自适应学习率算法。它通过调整每个参数的学习率来优化模型的训练过程。下面是一个RMSprop算法的用例和参数解析。用例假设我们正在训练一个深度学习模型，并且我们选
  • 【面经——《广州敏视数码科技有限公司》——图像处理算法工程师-深度学习方向】 有情怀的机械男 面试offer面经
    目录笔试HR面专业面——60多分钟主管面反问：笔试8道题——简答题+1道编程苹果、香蕉、梨、菠萝，彩色图像如何进行分类？一辆带车牌的汽车，图像亮度整体呈现偏亮状态，如何去提高图像的清晰度？并设计一个准确定位车牌位置的方案。训练集和测试集各5000张，进行目标检测，写出选择的模型以及设计方案？样本量不足怎么去提高检测的准确性？数据增强梯度下降法的优化算法有哪些，各有什么优缺点？损失函数有哪些？优缺点
  • 基于WOA优化的Bi-LSTM多输入时序回归预测（Matlab）鲸鱼算法优化双向长短期神经网络时序回归预测 神经网络与数学建模 机器学习与神经网络神经网络matlab回归预测时序鲸鱼优化算法深度学习
    目录一、程序及算法内容介绍：基本内容：亮点与优势：二、实际运行效果：三、算法介绍：鲸鱼优化算法（WOA）：双向长短期神经网络（Bi-LSTM）：四、完整程序下载：一、程序及算法内容介绍：基本内容：本代码基于Matlab平台编译，将WOA(鲸鱼优化算法)与Bi-LSTM（双向长短期记忆神经网络）结合，进行多输入数据时序回归预测输入训练的数据包含8个特征，1个响应值，即通过8个输入值预测1个输出值（多
  • 基于WOA优化的Bi-LSTM多输入回归预测（Matlab）鲸鱼算法优化双向长短期神经网络回归预测 神经网络与数学建模 机器学习与神经网络神经网络matlab回归预测双向长短期记忆网络LSTM经与优化算法深度学习
    目录一、程序及算法内容介绍：基本内容：亮点与优势：二、实际运行效果：三、算法介绍：鲸鱼优化算法（WOA）：双向长短期神经网络（Bi-LSTM）：四、完整程序下载：一、程序及算法内容介绍：基本内容：本代码基于Matlab平台编译，将WOA(鲸鱼优化算法)与Bi-LSTM（双向长短期记忆神经网络）结合，进行多输入数据回归预测输入训练的数据包含7个特征，1个响应值，即通过7个输入值预测1个输出值（多变量
  • 基于WOA优化的Bi-LSTM多输入分类预测（Matlab）鲸鱼算法优化双向长短期神经网络分类预测 神经网络与数学建模 机器学习与神经网络神经网络lstmmatlab分类深度学习鲸鱼优化算法双向长短期神经网络
    目录一、程序及算法内容介绍：基本内容：亮点与优势：二、实际运行效果：三、算法介绍：鲸鱼优化算法（WOA）：双向长短期神经网络（Bi-LSTM）：四、完整代码+数据下载：一、程序及算法内容介绍：基本内容：本代码基于Matlab平台编译，将WOA(鲸鱼优化算法)与Bi-LSTM（双向长短期记忆神经网络）结合，进行多输入数据分类预测输入训练的数据包含12个特征，1个响应值，即通过12个输入值预测1个输出
  • 【附代码】Python Excel合并单元格（OpenPyXL） Pandas.DataFrame groupby样式保存xlsx 小猪快跑爱摄影 Pythonpythonexcelpandas
    文章目录相关文献Excel合并单元格并居中Pandas.DataFramegroupby样式保存Excel作者：小猪快跑基础数学&计算数学，从事优化领域5年+，主要研究方向：MIP求解器、整数规划、随机规划、智能优化算法如有错误，欢迎指正。如有更好的算法，也欢迎交流！！！——@小猪快跑相关文献openpyxl-APythonlibrarytoread/writeExcel2010xlsx/xlsm
  • GWO优化kmeans 2301_78492934 机器学习算法人工智能matlabkmeans聚类
    GWO（灰狼优化器）是一种群体智能优化算法，它模拟了灰狼的社会结构和狩猎行为。GWO算法通过模拟灰狼的等级制度、狩猎策略和搜索机制来寻找问题的最优解。而K-means是一种经典的聚类算法，用于将数据点划分为K个簇。将GWO优化算法应用于K-means聚类中，主要是为了解决K-means算法对初始簇中心敏感和容易陷入局部最优解的问题。以下是GWO优化K-means的原理和过程的详细介绍：1.GWO算
  • 基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度（MATLAB） 2301_78492934 matlab开发语言
    1.微电网微电网多目标优化调度模型是为了实现微电网系统的经济和环境双重优化目标而建立的。该模型以微电网的运行成本和环境保护成本之和最小为目标，参考文献采用改进的粒子群算法（PSO）对优化模型进行求解。该模型主要包括两个核心模块：系统仿真模块和运行优化模块。系统仿真模块使用能量模型对系统调度方案的经济和环境指标进行评估。通过对微电网系统的各个组件（如发电机、储能装置、负荷等）进行建模和仿真，可以得到
  • java数字签名三种方式 知了ing javajdk
    以下3钟数字签名都是基于jdk7的 1，RSA String password="test"; // 1.初始化密钥 KeyPairGenerator keyPairGenerator = KeyPairGenerator.getInstance("RSA"); keyPairGenerator.initialize(51
  • Hibernate学习笔记 caoyong Hibernate
    1>、Hibernate是数据访问层框架，是一个ORM(Object Relation Mapping)框架，作者为:Gavin King 2>、搭建Hibernate的开发环境      a>、添加jar包:      aa>、hibernatte开发包中/lib/required/所
  • 设计模式之装饰器模式Decorator（结构型） 漂泊一剑客 Decorator
    1. 概述        若你从事过面向对象开发，实现给一个类或对象增加行为，使用继承机制，这是所有面向对象语言的一个基本特性。如果已经存在的一个类缺少某些方法，或者须要给方法添加更多的功能（魅力），你也许会仅仅继承这个类来产生一个新类—这建立在额外的代码上。      
  • 读取磁盘文件txt，并输入String 一炮送你回车库 String
    public static void main(String[] args) throws IOException {    String fileContent = readFileContent("d:/aaa.txt");    System.out.println(fileContent);   
  • js三级联动下拉框 3213213333332132 三级联动
    //三级联动 省/直辖市<select id="province"></select> 市/省直辖<select id="city"></select> 县/区 <select id="area"></select>
  • erlang之parse_transform编译选项的应用 616050468 parse_transform游戏服务器属性同步abstract_code
             最近使用erlang重构了游戏服务器的所有代码，之前看过C++/lua写的服务器引擎代码，引擎实现了玩家属性自动同步给前端和增量更新玩家数据到数据库的功能，这也是现在很多游戏服务器的优化方向，在引擎层面去解决数据同步和数据持久化，数据发生变化了业务层不需要关心怎么去同步给前端。由于游戏过程中玩家每个业务中玩家数据更改的量其实是很少
  • JAVA JSON的解析 darkranger java
    // { // “Total”：“条数”， // Code: 1, // // “PaymentItems”:[ // { // “PaymentItemID”:”支款单ID”, // “PaymentCode”:”支款单编号”, // “PaymentTime”:”支款日期”, // ”ContractNo”:”合同号”， //
  • POJ-1273-Drainage Ditches aijuans ACM_POJ
    POJ-1273-Drainage Ditches http://poj.org/problem?id=1273 基本的最大流，按LRJ的白书写的 #include<iostream> #include<cstring> #include<queue> using namespace std; #define INF 0x7fffffff int ma
  • 工作流Activiti5表的命名及含义 atongyeye 工作流Activiti
    activiti5 - http://activiti.org/designer/update在线插件安装 activiti5一共23张表 Activiti的表都以ACT_开头。 第二部分是表示表的用途的两个字母标识。 用途也和服务的API对应。 ACT_RE_*: 'RE'表示repository。 这个前缀的表包含了流程定义和流程静态资源 （图片，规则，等等）。 A
  • android的广播机制和广播的简单使用 百合不是茶 android广播机制广播的注册
          Android广播机制简介 在Android中，有一些操作完成以后，会发送广播，比如说发出一条短信，或打出一个电话，如果某个程序接收了这个广播，就会做相应的处理。这个广播跟我们传统意义中的电台广播有些相似之处。之所以叫做广播，就是因为它只负责“说”而不管你“听不听”，也就是不管你接收方如何处理。另外，广播可以被不只一个应用程序所接收，当然也可能不被任何应
  • Spring事务传播行为详解 bijian1013 javaspring事务传播行为
            在service类前加上@Transactional，声明这个service所有方法需要事务管理。每一个业务方法开始时都会打开一个事务。         Spring默认情况下会对运行期例外(RunTimeException)进行事务回滚。这
  • eidtplus operate 征客丶 eidtplus
    开启列模式: Alt+C 鼠标选择   OR   Alt+鼠标左键拖动 列模式替换或复制内容(多行): 右键-->格式-->填充所选内容-->选择相应操作 OR Ctrl+Shift+V(复制多行数据,必须行数一致) -------------------------------------------------------
  • 【Kafka一】Kafka入门 bit1129 kafka
    这篇文章来自Spark集成Kafka(http://bit1129.iteye.com/blog/2174765)，这里把它单独取出来，作为Kafka的入门吧   下载Kafka http://mirror.bit.edu.cn/apache/kafka/0.8.1.1/kafka_2.10-0.8.1.1.tgz 2.10表示Scala的版本，而0.8.1.1表示Kafka
  • Spring 事务实现机制 BlueSkator spring代理事务
    Spring是以代理的方式实现对事务的管理。我们在Action中所使用的Service对象，其实是代理对象的实例，并不是我们所写的Service对象实例。既然是两个不同的对象，那为什么我们在Action中可以象使用Service对象一样的使用代理对象呢？为了说明问题，假设有个Service类叫AService，它的Spring事务代理类为AProxyService，AService实现了一个接口
  • bootstrap源码学习与示例：bootstrap-dropdown（转帖） BreakingBad bootstrapdropdown
    bootstrap-dropdown组件是个烂东西，我读后的整体感觉。 一个下拉开菜单的设计： <ul class="nav pull-right"> <li id="fat-menu" class="dropdown">
  • 读《研磨设计模式》-代码笔记-中介者模式-Mediator bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ /* * 中介者模式（Mediator）：用一个中介对象来封装一系列的对象交互。 * 中介者使各对象不需要显式地相互引用，从而使其耦合松散，而且可以独立地改变它们之间的交互。 * * 在我看来，Mediator模式是把多个对象（
  • 常用代码记录 chenjunt3 UIExcelJ#
      1、单据设置某行或某字段不能修改 //i是行号,"cash"是字段名称 getBillCardPanelWrapper().getBillCardPanel().getBillModel().setCellEditable(i, "cash", false); //取得单据表体所有项用以上语句做循环就能设置整行了 getBillC
  • 搜索引擎与工作流引擎 comsci 算法工作搜索引擎网络应用
          最近在公司做和搜索有关的工作，(只是简单的应用开源工具集成到自己的产品中)工作流系统的进一步设计暂时放在一边了，偶然看到谷歌的研究员吴军写的数学之美系列中的搜索引擎与图论这篇文章中的介绍，我发现这样一个关系(仅仅是猜想)   -----搜索引擎和流程引擎的基础--都是图论，至少像在我在JWFD中引擎算法中用到的是自定义的广度优先
  • oracle Health Monitor daizj oracleHealth Monitor
    About Health Monitor Beginning with Release 11g, Oracle Database includes a framework called Health Monitor for running diagnostic checks on the database. About Health Monitor Checks Health M
  • JSON字符串转换为对象 dieslrae javajson
        作为前言,首先是要吐槽一下公司的脑残编译部署方式,web和core分开部署本来没什么问题,但是这丫居然不把json的包作为基础包而作为web的包,导致了core端不能使用,而且我们的core是可以当web来用的(不要在意这些细节),所以在core中处理json串就是个问题.没办法,跟编译那帮人也扯不清楚,只有自己写json的解析了.   
  • C语言学习八结构体，综合应用，学生管理系统 dcj3sjt126com C语言
    实现功能的代码： # include <stdio.h> # include <malloc.h> struct Student { int age; float score; char name[100]; }; int main(void) { int len; struct Student * pArr; int i,
  • vagrant学习笔记 dcj3sjt126com vagrant
    想了解多主机是如何定义和使用的, 所以又学习了一遍vagrant   1. vagrant virtualbox 下载安装 https://www.vagrantup.com/downloads.html https://www.virtualbox.org/wiki/Downloads   查看安装在命令行输入vagrant     2.
  • 14.性能优化-优化-软件配置优化 frank1234 软件配置性能优化
    1.Tomcat线程池 修改tomcat的server.xml文件： <Connector port="8080" protocol="HTTP/1.1" connectionTimeout="20000" redirectPort="8443" maxThreads="1200" m
  • 一个不错的shell 脚本教程 入门级 HarborChung linuxshell
    一个不错的shell 脚本教程 入门级 建立一个脚本 　　Linux中有好多中不同的shell，但是通常我们使用bash (bourne again shell) 进行shell编程，因为bash是免费的并且很容易使用。所以在本文中笔者所提供的脚本都是使用bash（但是在大多数情况下，这些脚本同样可以在 bash的大姐，bourne shell中运行）。 　　如同其他语言一样
  • Spring4新特性——核心容器的其他改进 jinnianshilongnian spring动态代理spring4依赖注入
    Spring4新特性——泛型限定式依赖注入 Spring4新特性——核心容器的其他改进 Spring4新特性——Web开发的增强 Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC  Spring4新特性——Groovy Bean定义DSL Spring4新特性——更好的Java泛型操作API  Spring4新
  • Linux设置tomcat开机启动 liuxingguome tomcatlinux开机自启动
    执行命令sudo gedit /etc/init.d/tomcat6 然后把以下英文部分复制过去。（注意第一句#!/bin/sh如果不写，就不是一个shell文件。然后将对应的jdk和tomcat换成你自己的目录就行了。 #!/bin/bash # # /etc/rc.d/init.d/tomcat # init script for tomcat precesses
  • 第13章 Ajax进阶（下） onestopweb Ajax
    index.html <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/
  • Troubleshooting Crystal Reports off BW blueoxygen BO
    http://wiki.sdn.sap.com/wiki/display/BOBJ/Troubleshooting+Crystal+Reports+off+BW#TroubleshootingCrystalReportsoffBW-TracingBOE   Quite useful, especially this part: SAP BW connectivity For t
  • Java开发熟手该当心的11个错误 tomcat_oracle javajvm多线程单元测试
    #1、不在属性文件或XML文件中外化配置属性。比如，没有把批处理使用的线程数设置成可在属性文件中配置。你的批处理程序无论在DEV环境中，还是UAT（用户验收 测试）环境中，都可以顺畅无阻地运行，但是一旦部署在PROD 上，把它作为多线程程序处理更大的数据集时，就会抛出IOException，原因可能是JDBC驱动版本不同，也可能是#2中讨论的问题。如果线程数目 可以在属性文件中配置，那么使它成为
  • 正则表达式大全 yang852220741 html编程正则表达式
    今天向大家分享正则表达式大全，它可以大提高你的工作效率 正则表达式也可以被当作是一门语言，当你学习一门新的编程语言的时候，他们是一个小的子语言。初看时觉得它没有任何的意义，但是很多时候，你不得不阅读一些教程，或文章来理解这些简单的描述模式。 一、校验数字的表达式 数字：^[0-9]*$ n位的数字：^\d{n}$ 至少n位的数字：^\d{n,}$ m-n位的数字：^\d{m,n}$
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他