- 三种优化算法
旅者时光
算法算法python开发语言
本文将总结遗传算法、粒子群算法、模拟退火三种优化算法的核心思路,并使用python完整实现。实际上,越来越多的优秀算法已经被封装为一个易用的接口。很多时候,一行代码就能实现我们的需求。但了解这些算法的基本逻辑,能够使用最基本的代码实现它。无论对于提升我们的编程能力还是解决问题的能力,都会大有裨益。甚至,改变我们思考问题的方式。1、遗传算法遗传算法,顾名思义,就是借鉴了生物通过遗传变异来逐渐适应环境
- 遗传算法基础讲解
HH予
深度学习
一、遗传算法基础1.什么是遗传算法?一种模拟生物进化过程的优化算法,基于达尔文的“自然选择”和“遗传学理论”。核心思想:通过选择(优胜劣汰)、交叉(基因重组)、变异(基因突变)操作,逐步逼近问题的最优解。2.为什么用遗传算法?适用性强:解决复杂的非线性、多峰、离散或连续优化问题。无需梯度信息:对目标函数的数学性质要求低,适合黑箱优化。全局搜索能力:通过种群并行搜索,避免陷入局部最优,适合多维优化。
- 《基于改进遗传算法的生鲜农产品冷链物流配送路径优化》开题报告
大数据蟒行探索者
毕业论文/研究报告大数据算法数据挖掘数据分析人工智能
目录一、研究背景与意义1.研究背景2.研究意义二、国内外研究现状1.国外研究2.国内研究二、研究内容1.主要研究内容2.研究方法(1)文献研究法(2)调查法(3)定量分析法3.技术路线4.实施方案5.可行性分析三、参考文献一、研究背景与意义1.研究背景冷链物流是一个专业的物流领域,它确保冷链产品在整个供应链过程中始终处于规定的温度环境中。这一过程涵盖了初加工、储存、运输、流通加工、销售和配送等各个
- 神经进化算法(Neuroevolution) 原理与代码实例讲解
AI大模型应用之禅
DeepSeekR1&AI大模型与大数据javapythonjavascriptkotlingolang架构人工智能
神经进化算法,Neuroevolution,进化算法,深度学习,机器学习,遗传算法,神经网络,代码实例1.背景介绍在机器学习领域,神经网络凭借其强大的学习能力和泛化能力,在图像识别、自然语言处理、语音识别等领域取得了显著的成就。然而,传统的神经网络训练方法通常依赖于人工设计的网络结构和参数初始化,这往往需要大量的经验和试错,并且难以找到最优的网络结构和参数。神经进化算法(Neuroevolutio
- python路线规划_利用Python实现A*算法路径规划
weixin_39664962
python路线规划
一、A*算法介绍A*算法实际上是一种启发式算法,也是路径规划中应用最为普遍的算法之一。A*算法并不是只用于路径规划,同时,路径规划中也不只有A*一种启发式方法。A*算法相比其他路径规划算法,如遗传算法、蚁群算法等,其算法过程较为简单、易于理解,运行速度快。而且,应用A*的路径规划结果也还不错。因此,总体来说,A*算法应该是性价比较高的一种路径规划算法。A*算法的基本思想是,对于当前的搜索点CNod
- 【配送路径规划】遗传算法GA求解冷链配送路径规划问题(带说明文档)【含Matlab源码 MKY001期】
Matlab领域
Matlab路径规划(高阶版)matlab
Matlab领域博客之家博主简介:985研究生,Matlab领域科研开发者;个人主页:Matlab领域代码获取方式:CSDNMatlab领域—代码获取方式座右铭:路漫漫其修远兮,吾将上下而求索。更多Matlab路径规划仿真内容点击①Matlab路径规划(高阶版)②付费专栏Matlab路径规划(进阶版)③付费专栏Matlab路径规划(初级版)⛳️关注CSDNMatlab领域,更多资源等你来!!⛄一、
- 非支配性排序遗传算法 III---NSGA-III-可用于(多目标模型融合/特征选择与降维/图像多目标优化处理)
ww18000
r语言开发语言数据挖掘机器学习
非支配性排序遗传算法III(NSGA-III)是用于求解多目标优化问题的一种进化算法1。以下是对它的具体介绍1:具体完整算法请跳转:非支配性排序遗传算法III---NSGA-III-可用于(多目标模型融合/特征选择与降维/图像多目标优化处理)发展背景NSGA-III由KalyanmoyDeb和HarshitJain提出,是在NSGA-II的基础上进行改进和扩展,以更好地处理多目标优化问题,尤其是在
- 机器学习库
Welosthesightof
笔记
机器学习一個很棒的機器學習框架、庫和軟件的精選列表(按語言)。靈感來自於awesome-php。计算机视觉Scikit-Image-Python中图像处理算法的集合。Scikit-Opt-Python中的群智能(Python中的遗传算法、粒子群优化、模拟退火、蚁群算法、免疫算法、人工鱼群算法)SimpleCV-一个开源计算机视觉框架,可以访问多个高性能计算机视觉库,例如OpenCV。用Python
- 遗传算法 定义+特性+原理+公式+Python示例代码(带详细注释)
快乐的向某
python机器学习人工智能算法
文章目录引言定义特性基本原理和公式推导基本原理公式推导实现步骤和代码实现实现步骤Python代码实现(带详细注释)应用案例优化和挑战结论引言遗传算法(GeneticAlgorithm,GA)是进化计算技术的一种,广泛应用于解决优化和搜索问题,其灵感来源于自然界的进化过程。这种算法通过模拟自然选择、遗传、交叉和突变等生物学机制来优化问题解决方案。遗传算法的通用性和高效性使其在工程、科研、经济和艺术等
- 【卡车无人机】遗传算法GA求解卡车联合无人机配送路径规划【含Matlab源码 XYDG001期】
Matlab领域
Matlab路径规划(高阶版)matlab
Matlab领域博客之家博主简介:985研究生,Matlab领域科研开发者;个人主页:Matlab领域代码获取方式:CSDNMatlab领域—代码获取方式座右铭:路漫漫其修远兮,吾将上下而求索。更多Matlab路径规划仿真内容点击①Matlab路径规划(高阶版)②付费专栏Matlab路径规划(进阶版)③付费专栏Matlab路径规划(初级版)⛳️关注CSDNMatlab领域,更多资源等你来!!⛄一、
- 基于遗传算法求解带有时间窗、车载容量限制、多车辆、单配送中心路径优化VRPTW(多约束)matlab代码
天天Matlab科研工作室
智能优化算法matlab仿真无人机matlab仿真电子资源matlab算法自动驾驶
1数学模型(1)有关模型的说明和假设1)模型中的已知量有:各需求点的位置坐标、各需求点的物料需求数量,各需求点的物料的到达时间要求,配送中心到各需求点的最短行驶距离,各需求点互相之间的最短运输距离。2)现场调查发现,需要配送的物料是可以混装在同一物料架上的,且各需求点需要的物料数量小于物料仓库的库存量。3)忽略在配送过程中车辆遇到的拥挤排队等不利于生产进行的外界因素,也就是说整个装配车间正常运行。
- 模糊规则优化matlab,遗传算法优化模糊pid控制规则
weixin_39619270
模糊规则优化matlab
用遗传算法优化模糊控制规则,有部分代码,不懂计算适应度那块调用子函数,子函数要怎么写?以及M程序如何和simulink相互调用?clearall;closeall;b=newfis('yichuan');b=addvar(b,'input','e',[-3,3]);%Parametereb=addmf(b,'input',1,'NB','zmf',[-3,-1]);b=addmf(b,'input
- 【GA MTSP】基于matlab遗传算法求解多旅行商问题(目标函数:最短距离 单起点多终点)【含Matlab源码 4354期】
Matlab研究室
matlab
欢迎来到Matlab研究室博客之家✅博主简介:985研究生,热爱科研的Matlab仿真开发者,完整代码论文复现程序定制期刊写作科研合作扫描文章底部QQ二维码。个人主页:Matlab研究室代码获取方式:扫描文章底部QQ二维码⛳️座右铭:行百里者,半于九十;路漫漫其修远兮,吾将上下而求索。更多Matlab路径规划仿真内容点击①Matlab路径规划(研究室版
- Python实现基因遗传算法
闲人编程
pythonpython开发语言基因遗传算法
目录基因遗传算法简介基因遗传算法的基本步骤Python实现基因遗传算法场景:优化二次函数Python代码实现代码解释场景说明总结基因遗传算法简介基因遗传算法(GeneticAlgorithm,GA)是一种基于自然选择和遗传学原理的优化算法,适用于求解复杂的组合优化问题。它通过模拟生物进化过程,如选择、交叉、变异等,逐步优化种群中的个体,最终逼近全局最优解。基因遗传算法的基本步骤初始化种群:随机生成
- MATLAB - 遗传算法(GA)求解旅行商问题(TSP)
kuan_li_lyg
MATLAB机器人与控制系统应用matlab算法人工智能遗传算法GA旅行商问题
系列文章目录文章目录系列文章目录前言一、旅行商问题(TSP)二、MATLAB步骤1.引入库2.为自定义数据类型定制遗传算法3.旅行商问题所需函数4.设置遗传算法选项前言这个例子展示了如何使用遗传算法来最小化使用自定义数据类型的函数。对遗传算法进行了定制化处理以解决旅行商问题。一、旅行商问题(TSP)旅行推销员问题(英语:Travellingsalesmanproblem,TSP)是这样一个问题:给
- LS-SDMTSP:遗传算法(GA)求解大规模单仓库多旅行商问题(LS-SDMTSP),MATLAB代码
IT猿手
TSPMATLABmatlablinux开发语言智能优化算法多目标算法
一、问题定义大规模单仓库多旅行商问题(Large-ScaleSingle-DepotMulti-TravelingSalesmanProblem,简称LS-SDMTSP)是组合优化领域中极具挑战性的经典问题。假设存在一个单一仓库,它既是所有旅行商的出发地,也是最终的返回地。同时,有数量众多的客户节点散布在地理空间中,并且有一支由多个旅行商组成的队伍。每个旅行商需要从仓库出发,遍历一定数量的客户节点
- 【多目标免疫遗传算法在选址中的应用】使用多目标免疫遗传算法计算较简化海上救援选址问题研究(Matlab代码实现)
Ps.729
前端
欢迎来到本博客❤️❤️博主优势:博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。⛳️座右铭:行百里者,半于九十。本文目录如下:目录⛳️赠与读者1概述多目标免疫遗传算法在海上救援选址中的应用研究一、引言二、海上救援选址问题分析(一)问题描述(二)影响因素(三)多目标特性三、多目标免疫遗传算法原理(一)遗传算法基础(二)免疫遗传算法(三)多目标免疫遗传算法(四)NSGA-II算法四、基于MATLAB
- AI协助探索AI新构型自动化创新的技术实现
liron71
人工智能自动化神经网络
一、AI自进化架构的核心范式1.元代码生成与模块化重构-代码级自编程:基于神经架构搜索的强化学习框架,AI可通过生成元代码模板(框架的抽象层定义)自动组合功能模块。例如,使用注意力机制作为原子单元,通过遗传算法生成模块间连接规则。-动态代码编译:结合JIT即时编译技术,AI生成的模块化代码可在运行时动态编译为可执行单元,类似编译器对计算图的优化逻辑,同时增加结构可变性约束(如连接稀疏度阈值)。2.
- 遗传算法与深度学习实战(33)——WGAN详解与实现
盼小辉丶
深度学习人工智能生成对抗网络
遗传算法与深度学习实战(33)——WGAN详解与实现0.前言1.训练生成对抗网络的挑战2.GAN优化问题2.1梯度消失2.2模式崩溃2.3无法收敛3WassersteinGAN3.1Wasserstein损失3.2使用Wasserstein损失改进DCGAN小结系列链接0.前言原始的生成对抗网络(GenerativeAdversarialNetwork,GAN)在训练过程中面临着模式坍塌和梯度消失
- 遗传算法与深度学习实战(32)——生成对抗网络详解与实现
盼小辉丶
遗传算法与深度学习实战深度学习生成对抗网络人工智能
遗传算法与深度学习实战(32)——生成对抗网络详解与实现0.前言1.生成对抗网络2.构建卷积生成对抗网络小结系列链接0.前言生成对抗网络(GenerativeAdversarialNetworks,GAN)是一种由两个相互竞争的神经网络组成的深度学习模型,它由一个生成网络和一个判别网络组成,通过彼此之间的博弈来提高生成网络的性能。生成对抗网络使用神经网络生成与原始图像集非常相似的新图像,它在图像生
- 一切皆是映射:元学习中的神经架构搜索(NAS)
杭州大厂Java程序媛
计算机软件编程原理与应用实践javapythonjavascriptkotlingolang架构人工智能
元学习神经架构搜索NAS遗传算法强化学习演化算法一切皆是映射:元学习中的神经架构搜索(NAS)在人工智能的广阔领域中,神经架构搜索(NeuralArchitectureSearch,简称NAS)是一颗璀璨的明星,它代表着一种全新的方法,即通过算法自动寻找最优的神经网络架构。这种思想源于元学习(Meta-Learning),它关注的是如何使学习过程本身变得更加高效。本文将深入探讨NAS的原理、方法、
- 重磅|粉丝福利|专栏1.8|配电网|分布式能源的选址与定容系列
Ps.729
分布式能源
在苍穹之下飘逸时间的纺织机编织一年的篇章晨曦拂面,鸟语花香迎接黎明的曙光繁星坠落,夜色绵长盛装星空的宁静岁月如歌,时光飞逝2024留下足迹,2025将开启新篇章让我们心怀希望,展开美丽的画卷2025年,愿我们梦想绽放,心灵自由舒展以下全部资源文章末尾下载专栏1.8配电网、分布式能源的选址与定容系列【遗传算法、粒子群、改进遗传算法】基于智能算法的电力系统电网最优规划方案的研究(Matlab代码实现)
- 2025年美赛数学建模 MCM Problem B: Managing Sustainable Tourism 问题 B:可持续旅游管理 代码解析
2025年数学建模美赛
2025年美赛MCM/ICM数学建模旅游2025美赛2025年数学建模美赛python代码matlab可持续旅游管理
目录代码框架:遗传算法优化可持续旅游模型python代码代码解析:matlab代码代码解析:代码框架:遗传算法优化可持续旅游模型python代码importnumpyasnpimportrandomimportmatplotlib.pyplotasplt#定义遗传算法的参数POP_SIZE=100#种群大小GENS=500#迭代代数MUTATION_RATE=0.01#变异率CROSSOVER_R
- 遗传算法GA特征选择Python
明天早下班YEAH
python笔记其他
一、遗传算法GA特征选择——代码importpandasaspdimportnumpyasnpfromsklearn.model_selectionimporttrain_test_splitfromsklearn.ensembleimportRandomForestRegressorfromsklearn.metricsimportmean_squared_error,r2_scorefromg
- 神经网络入门推荐知识,神经网络入门书籍推荐
快乐的小肥熊
ai智能写作神经网络matlab人工智能python
适合初学者的神经网络和遗传算法资料遗传算法(GeneticAlgorithm)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群(population)开始的,而一个种群则由经过基因(gene)编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带
- 基于遗传算法的城市旅行问题(TSP)求解
NovakG_
深度学习python算法深度学习神经网络
1.遗传算法背景介绍遗传算法是一种基于生物进化论中的自然选择和遗传机制的优化算法,模拟了生物进化过程以搜索最优解。通过仿真染色体的交叉、变异等操作,遗传算法将求解过程转换为类似生物进化的迭代运算。该算法在解决复杂的组合优化问题时,通常比常规优化算法更高效,且具有广泛应用,包括组合优化、机器学习、信号处理、自适应控制和人工生命等领域2.遗传算法基本解题思路遗传算法的设计思路主要受到大自然中生物体进化
- pythonsvm模型优化_Python进化算法工具箱的使用(三)用进化算法优化SVM参数
weixin_39878698
pythonsvm模型优化
前言自从上两篇博客详细讲解了Python遗传和进化算法工具箱及其在带约束的单目标函数值优化中的应用以及利用遗传算法求解有向图的最短路径之后,我经过不断学习工具箱的官方文档以及对源码的研究,更加掌握如何利用遗传算法求解更多有趣的问题了。与前面的文章不同,本篇采用差分进化算法来优化SVM中的参数C和Gamma。(用遗传算法也可以,下面会给出效果比较)首先简单回顾一下Python高性能实用型遗传和进化算
- 差分进化算法_Python进化算法工具箱的使用(三)用进化算法优化SVM参数
weixin_39747075
差分进化算法
前言自从上两篇博客详细讲解了Python遗传和进化算法工具箱及其在带约束的单目标函数值优化中的应用以及利用遗传算法求解有向图的最短路径之后,我经过不断学习工具箱的官方文档以及对源码的研究,更加掌握如何利用遗传算法求解更多有趣的问题了。与前面的文章不同,本篇采用差分进化算法来优化SVM中的参数C和Gamma。(用遗传算法也可以,下面会给出效果比较)首先简单回顾一下Python高性能实用型遗传和进化算
- 差分进化算法DE
DroidMind
智能算法与机器学习差分进化算法
差分进化算法DE属于进化算法,这里算法还包括依次遗传算法、进化策略、进化规划。差分进化算法包括三个基本的操作:变异操作、交叉(重组)操作和选择操作。一、算法建模:1、假设我们希望得到函数f(x)的最优解,这个函数有D个解。2、为函数f(x)设置一个解的组数N,N至少为4。3、这样我们就得到了N组并且每组解的个数为D的集合,它可以使用N个D维参数向量来表示。因为它类似于遗传算法进化一样,是一代一代的
- 差分进化算法(Differential evolution,DE)(附详细注释的Python代码)
XijueJa
算法python开发语言
概念与基本原理差分进化算法(DifferentialEvolution,简称DE)是一种基于种群的随机优化算法,由Storm和Price在1995年提出。它主要应用于解决非线性、非凸、连续和离散的优化问题。DE算法以其简单性、鲁棒性和高效性而受到广泛关注。差分进化算法的基本思想是通过模拟自然进化过程中的遗传和变异机制来寻找问题的最优解,类似于遗传算法。通过变异、交叉与选择,使得初始化的种群不断朝最
- jquery实现的jsonp掉java后台
知了ing
javajsonpjquery
什么是JSONP?
先说说JSONP是怎么产生的:
其实网上关于JSONP的讲解有很多,但却千篇一律,而且云里雾里,对于很多刚接触的人来讲理解起来有些困难,小可不才,试着用自己的方式来阐释一下这个问题,看看是否有帮助。
1、一个众所周知的问题,Ajax直接请求普通文件存在跨域无权限访问的问题,甭管你是静态页面、动态网页、web服务、WCF,只要是跨域请求,一律不准;
2、
- Struts2学习笔记
caoyong
struts2
SSH : Spring + Struts2 + Hibernate
三层架构(表示层,业务逻辑层,数据访问层) MVC模式 (Model View Controller)
分层原则:单向依赖,接口耦合
1、Struts2 = Struts + Webwork
2、搭建struts2开发环境
a>、到www.apac
- SpringMVC学习之后台往前台传值方法
满城风雨近重阳
springMVC
springMVC控制器往前台传值的方法有以下几种:
1.ModelAndView
通过往ModelAndView中存放viewName:目标地址和attribute参数来实现传参:
ModelAndView mv=new ModelAndView();
mv.setViewName="success
- WebService存在的必要性?
一炮送你回车库
webservice
做Java的经常在选择Webservice框架上徘徊很久,Axis Xfire Axis2 CXF ,他们只有一个功能,发布HTTP服务然后用XML做数据传输。
是的,他们就做了两个功能,发布一个http服务让客户端或者浏览器连接,接收xml参数并发送xml结果。
当在不同的平台间传输数据时,就需要一个都能解析的数据格式。
但是为什么要使用xml呢?不能使json或者其他通用数据
- js年份下拉框
3213213333332132
java web ee
<div id="divValue">test...</div>测试
//年份
<select id="year"></select>
<script type="text/javascript">
window.onload =
- 简单链式调用的实现技术
归来朝歌
方法调用链式反应编程思想
在编程中,我们可以经常遇到这样一种场景:一个实例不断调用它自身的方法,像一条链条一样进行调用
这样的调用你可能在Ajax中,在页面中添加标签:
$("<p>").append($("<span>").text(list[i].name)).appendTo("#result");
也可能在HQ
- JAVA调用.net 发布的webservice 接口
darkranger
webservice
/**
* @Title: callInvoke
* @Description: TODO(调用接口公共方法)
* @param @param url 地址
* @param @param method 方法
* @param @param pama 参数
* @param @return
* @param @throws BusinessException
- Javascript模糊查找 | 第一章 循环不能不重视。
aijuans
Way
最近受我的朋友委托用js+HTML做一个像手册一样的程序,里面要有可展开的大纲,模糊查找等功能。我这个人说实在的懒,本来是不愿意的,但想起了父亲以前教我要给朋友搞好关系,再加上这也可以巩固自己的js技术,于是就开始开发这个程序,没想到却出了点小问题,我做的查找只能绝对查找。具体的js代码如下:
function search(){
var arr=new Array("my
- 狼和羊,该怎么抉择
atongyeye
工作
狼和羊,该怎么抉择
在做一个链家的小项目,只有我和另外一个同事两个人负责,各负责一部分接口,我的接口写完,并全部测联调试通过。所以工作就剩下一下细枝末节的,工作就轻松很多。每天会帮另一个同事测试一些功能点,协助他完成一些业务型不强的工作。
今天早上到公司没多久,领导就在QQ上给我发信息,让我多协助同事测试,让我积极主动些,有点责任心等等,我听了这话,心里面立马凉半截,首先一个领导轻易说
- 读取android系统的联系人拨号
百合不是茶
androidsqlite数据库内容提供者系统服务的使用
联系人的姓名和号码是保存在不同的表中,不要一下子把号码查询来,我开始就是把姓名和电话同时查询出来的,导致系统非常的慢
关键代码:
1, 使用javabean操作存储读取到的数据
package com.example.bean;
/**
*
* @author Admini
- ORACLE自定义异常
bijian1013
数据库自定义异常
实例:
CREATE OR REPLACE PROCEDURE test_Exception
(
ParameterA IN varchar2,
ParameterB IN varchar2,
ErrorCode OUT varchar2 --返回值,错误编码
)
AS
/*以下是一些变量的定义*/
V1 NUMBER;
V2 nvarc
- 查看端号使用情况
征客丶
windows
一、查看端口
在windows命令行窗口下执行:
>netstat -aon|findstr "8080"
显示结果:
TCP 127.0.0.1:80 0.0.0.0:0 &
- 【Spark二十】运行Spark Streaming的NetworkWordCount实例
bit1129
wordcount
Spark Streaming简介
NetworkWordCount代码
/*
* Licensed to the Apache Software Foundation (ASF) under one or more
* contributor license agreements. See the NOTICE file distributed with
- Struts2 与 SpringMVC的比较
BlueSkator
struts2spring mvc
1. 机制:spring mvc的入口是servlet,而struts2是filter,这样就导致了二者的机制不同。 2. 性能:spring会稍微比struts快。spring mvc是基于方法的设计,而sturts是基于类,每次发一次请求都会实例一个action,每个action都会被注入属性,而spring基于方法,粒度更细,但要小心把握像在servlet控制数据一样。spring
- Hibernate在更新时,是可以不用session的update方法的(转帖)
BreakingBad
Hibernateupdate
地址:http://blog.csdn.net/plpblue/article/details/9304459
public void synDevNameWithItil()
{Session session = null;Transaction tr = null;try{session = HibernateUtil.getSession();tr = session.beginTran
- 读《研磨设计模式》-代码笔记-观察者模式
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/
import java.util.ArrayList;
import java.util.List;
import java.util.Observable;
import java.util.Observer;
/**
* “观
- 重置MySQL密码
chenhbc
mysql重置密码忘记密码
如果你也像我这么健忘,把MySQL的密码搞忘记了,经过下面几个步骤就可以重置了(以Windows为例,Linux/Unix类似):
1、关闭MySQL服务
2、打开CMD,进入MySQL安装目录的bin目录下,以跳过权限检查的方式启动MySQL
mysqld --skip-grant-tables
3、新开一个CMD窗口,进入MySQL
mysql -uroot
 
- 再谈系统论,控制论和信息论
comsci
设计模式生物能源企业应用领域模型
再谈系统论,控制论和信息论
偶然看
- oracle moving window size与 AWR retention period关系
daizj
oracle
转自: http://tomszrp.itpub.net/post/11835/494147
晚上在做11gR1的一个awrrpt报告时,顺便想调整一下AWR snapshot的保留时间,结果遇到了ORA-13541这样的错误.下面是这个问题的发生和解决过程.
SQL> select * from v$version;
BANNER
-------------------
- Python版B树
dieslrae
python
话说以前的树都用java写的,最近发现python有点生疏了,于是用python写了个B树实现,B树在索引领域用得还是蛮多了,如果没记错mysql的默认索引好像就是B树...
首先是数据实体对象,很简单,只存放key,value
class Entity(object):
'''数据实体'''
def __init__(self,key,value)
- C语言冒泡排序
dcj3sjt126com
算法
代码示例:
# include <stdio.h>
//冒泡排序
void sort(int * a, int len)
{
int i, j, t;
for (i=0; i<len-1; i++)
{
for (j=0; j<len-1-i; j++)
{
if (a[j] > a[j+1]) // >表示升序
- 自定义导航栏样式
dcj3sjt126com
自定义
-(void)setupAppAppearance
{
[[UILabel appearance] setFont:[UIFont fontWithName:@"FZLTHK—GBK1-0" size:20]];
[UIButton appearance].titleLabel.font =[UIFont fontWithName:@"FZLTH
- 11.性能优化-优化-JVM参数总结
frank1234
jvm参数性能优化
1.堆
-Xms --初始堆大小
-Xmx --最大堆大小
-Xmn --新生代大小
-Xss --线程栈大小
-XX:PermSize --永久代初始大小
-XX:MaxPermSize --永久代最大值
-XX:SurvivorRatio --新生代和suvivor比例,默认为8
-XX:TargetSurvivorRatio --survivor可使用
- nginx日志分割 for linux
HarborChung
nginxlinux脚本
nginx日志分割 for linux 默认情况下,nginx是不分割访问日志的,久而久之,网站的日志文件将会越来越大,占用空间不说,如果有问题要查看网站的日志的话,庞大的文件也将很难打开,于是便有了下面的脚本 使用方法,先将以下脚本保存为 cutlog.sh,放在/root 目录下,然后给予此脚本执行的权限
复制代码代码如下:
chmo
- Spring4新特性——泛型限定式依赖注入
jinnianshilongnian
springspring4泛型式依赖注入
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
- centOS安装GCC和G++
liuxihope
centosgcc
Centos支持yum安装,安装软件一般格式为yum install .......,注意安装时要先成为root用户。
按照这个思路,我想安装过程如下:
安装gcc:yum install gcc
安装g++: yum install g++
实际操作过程发现,只能有gcc安装成功,而g++安装失败,提示g++ command not found。上网查了一下,正确安装应该
- 第13章 Ajax进阶(上)
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/
- How to determine BusinessObjects service pack and fix pack
blueoxygen
BO
http://bukhantsov.org/2011/08/how-to-determine-businessobjects-service-pack-and-fix-pack/
The table below is helpful. Reference
BOE XI 3.x
12.0.0.
y BOE XI 3.0 12.0.
x.
y BO
- Oracle里的自增字段设置
tomcat_oracle
oracle
大家都知道吧,这很坑,尤其是用惯了mysql里的自增字段设置,结果oracle里面没有的。oh,no 我用的是12c版本的,它有一个新特性,可以这样设置自增序列,在创建表是,把id设置为自增序列
create table t
(
id number generated by default as identity (start with 1 increment b
- Spring Security(01)——初体验
yang_winnie
springSecurity
Spring Security(01)——初体验
博客分类: spring Security
Spring Security入门安全认证
首先我们为Spring Security专门建立一个Spring的配置文件,该文件就专门用来作为Spring Security的配置