- Matlab实现BP-NSGA-II多目标预测优化方法
含老司开挖掘机
本文还有配套的精品资源,点击获取简介:本文涉及将遗传算法优化的BP神经网络与NSGA-II相结合,应用于多目标预测问题的解决。主要内容包括BP神经网络的学习原理、适应度函数的设计与应用、NSGA-II在多目标优化中的作用、多目标预测的策略以及Matlab工具在算法实现中的使用。本文旨在通过这些技术,帮助读者构建出能在多个相互冲突的目标间取得平衡的优化解决方案,并提供完整的Matlab代码实现,以供
- 深度学习与遗传算法的碰撞——利用遗传算法优化深度学习网络结构(详解与实现)
2401_84003733
程序员深度学习人工智能
self.model.add(layers.Dense(10,activation=‘relu’))self.model.build(input_shape=(4,28*28))self.model.summary()self.model.compile(optimizer=optimizers.Adam(lr=0.01),loss=losses.CategoricalCrossentropy(f
- 备战2024数学建模国赛(模型十五):模糊综合评价 优秀案例(一)确定汽车装配顺序问题的算法
2024年数学建模国赛
备战2024数学建模国赛2024数学建模(持续更新耐心等待)数学建模汽车算法2024数学建模国赛备战2024数学建模国赛模糊综合评价模型
专栏内容(赛前预售价99,比赛期间299):2024数学建模国赛期间会发布思路、代码和优秀论文。(本专栏达不到国一的水平,适用于有一点点基础冲击省奖的同学,近两年有二十几个国二,但是达不到国一,普遍获得省奖,请勿盲目订阅)python全套教程(一百篇博客):从新手到掌握使用python,可以对数学建模问题进行建模分析。35套模型算法(优秀论文示例):马尔科夫模型、遗传算法、逻辑回归、逐步回归、蚁群
- 遗传算法,第三部分:繁殖
大龙10
书名:代码本色:用编程模拟自然系统作者:DanielShiffman译者:周晗彬ISBN:978-7-115-36947-5第9章目录9.6遗传算法,第三部分:繁殖1、繁殖现在我们已经有了选择父代的策略,下面就开始讨论繁殖下一代的方法,这一步的关键在于达尔文的遗传法则——子代能继承父代的特性。繁殖的实现方式也有很多种。无性繁殖就是一种合理(并容易实现)的策略,该策略用单个父本复制出子代个体。但遗传
- 备战2024数学建模国赛(模型十九):排队论 优秀案例(一)火车票购票网站优化
2024年数学建模国赛
备战2024数学建模国赛备战2024数学建模数学建模2024年数学建模国赛2024数学建模国赛马尔科夫模型排队论
专栏内容(赛前预售价99,比赛期间299):2024数学建模国赛期间会发布思路、代码和优秀论文。(本专栏达不到国一的水平,适用于有一点点基础冲击省奖的同学,近两年有二十几个国二,但是达不到国一,普遍获得省奖,请勿盲目订阅)python全套教程(一百篇博客):从新手到掌握使用python,可以对数学建模问题进行建模分析。35套模型算法(优秀论文示例):马尔科夫模型、遗传算法、逻辑回归、逐步回归、蚁群
- 备战2024数学建模国赛(模型二十五):微分方程 优秀案例(一)基于非稳态导热的高温作业专用服装设计
2024年数学建模国赛
备战2024数学建模国赛备战2024数学建模数学建模人工智能备战2024数学建模国赛深度学习数学建模国赛2024
专栏内容(赛前预售价99,比赛期间299):2024数学建模国赛期间会发布思路、代码和优秀论文。(本专栏达不到国一的水平,适用于有一点点基础冲击省奖的同学,近两年有二十几个国二,但是达不到国一,普遍获得省奖,请勿盲目订阅)python全套教程(一百篇博客):从新手到掌握使用python,可以对数学建模问题进行建模分析。35套模型算法(优秀论文示例):马尔科夫模型、遗传算法、逻辑回归、逐步回归、蚁群
- 备战2024数学建模国赛(模型四):动态规划优秀案例(一)基于蒙特卡洛模拟的眼科病床安排排队模型
2024年数学建模国赛
备战2024数学建模国赛备战2024数学建模数学建模动态规划算法20242024年数学建模国赛备战数学建模竞赛matlab
专栏内容(赛前预售价99,比赛期间299):2024数学建模国赛期间会发布思路、代码和优秀论文。(本专栏达不到国一的水平,适用于有一点点基础冲击省奖的同学,近两年有二十几个国二,但是达不到国一,普遍获得省奖,请勿盲目订阅)python全套教程(一百篇博客):从新手到掌握使用python,可以对数学建模问题进行建模分析。35套模型算法(优秀论文示例):马尔科夫模型、遗传算法、逻辑回归、逐步回归、蚁群
- 遥感之智能优化算法大纲介绍
遥感-GIS
遥感之智能优化算法图像处理arcgis启发式算法
介绍近年来在遥感及人工智能领域研究比较火热的智能优化算法,其中被广泛使用的比如粒子群算法和遗传算法等,在遥感领域,比如高光谱特征选择,机器学习超参数优化等方向有众多的应用,除了提到了两个算法之外,还有众多其他算法,本专栏基于《智能优化算法与涌现计算》及其相关资料,对智能优化算法做些详细的整理和总结,以期给遥感或其他领域提供有价值的参考。书籍大纲为:第一篇仿人智能优化算法描述模拟人脑思维、人体系统、
- 备战2024数学建模国赛(模型十八):拟合模型 优秀案例(二)高温作业服设计
2024年数学建模国赛
备战2024数学建模国赛备战2024数学建模数学建模2024年数学建模国赛数学建模国赛算法拟合模型
专栏内容(赛前预售价99,比赛期间299):2024数学建模国赛期间会发布思路、代码和优秀论文。(本专栏达不到国一的水平,适用于有一点点基础冲击省奖的同学,近两年有二十几个国二,但是达不到国一,普遍获得省奖,请勿盲目订阅)python全套教程(一百篇博客):从新手到掌握使用python,可以对数学建模问题进行建模分析。35套模型算法(优秀论文示例):马尔科夫模型、遗传算法、逻辑回归、逐步回归、蚁群
- 备战2024数学建模国赛(模型六):多元回归 优秀案例(一)颜色与物质浓度的辨识问题
2024年数学建模国赛
备战2024数学建模国赛备战2024数学建模数学建模多元回归2024数学建模国赛2024matlab备战数学建模国赛国赛思路代码
专栏内容(赛前预售价99,比赛期间299):2024数学建模国赛期间会发布思路、代码和优秀论文。(本专栏达不到国一的水平,适用于有一点点基础冲击省奖的同学,近两年有二十几个国二,但是达不到国一,普遍获得省奖,请勿盲目订阅)python全套教程(一百篇博客):从新手到掌握使用python,可以对数学建模问题进行建模分析。35套模型算法(优秀论文示例):马尔科夫模型、遗传算法、逻辑回归、逐步回归、蚁群
- 遗传算法:启发自真实现象
大龙10
书名:代码本色:用编程模拟自然系统作者:DanielShiffman译者:周晗彬ISBN:978-7-115-36947-5第9章目录9.1遗传算法:启发自真实现象1、目标我们的目标不是深入研究遗传和进化的科学原理,我们不会研究旁氏表、核苷酸、蛋白质合成、RNA和其他生物进化相关的话题。相反,我们只讨论达尔文进化论背后的核心原理,并根据这个原理开发出一套算法。我们并不在乎进化模拟是否精确,只关心进
- 手机信令数据分析&移动对象轨迹数据分析--论文摘要合集
doublexiao79
数据分析与挖掘数据分析数据挖掘智能手机
1、《基于电信位置数据的人群流量预测》卢光跃,李四维,赵宇翔,王天赐西安邮电大学学报摘要:将遗传算法和支持向量回归法结合起来,给出一种基于电信位置数据的人群流量预测方法。提取出电信位置数据中的人群流量时间序列,综合考虑其不同时间点值的关联性,用支持向量回归方法对其进行预测,并使用遗传算法对支持向量回归方法的参数进行优化。综合考虑人群流量变化的横向和纵向趋势,同时考虑使用遗传算法对SVR算法的参数进
- MATLAB智能优化算法-学习笔记(1)——遗传算法求解0-1背包问题【过程+代码】
郭十六弟
算法matlab学习智能优化算法算法思想遗传算法求解0-1背包问题
一、问题描述(1)数学模型(2)模型总结目标函数:最大化背包中的总价值Z。约束条件:确保背包中的物品总重量不超过容量W。决策变量:每个物品是否放入背包,用0或1表示。这个数学模型是一个典型的0-1整数线性规划问题。由于其NP完全性,当问题规模较大时,求解此问题通常需要使用启发式算法(如遗传算法、动态规划、分支定界法等)来找到近似最优解。(3)实例讲解:0-1背包问题模型手动求解过程在0-1背包问题
- 【LSTM回归预测】遗传算法优化注意力机制的长短时记忆神经网络GA-attention-LSTM数据回归预测【含Matlab源码 3738期】
Matlab领域
matlab
⛄一、遗传算法优化注意力机制的长短时记忆神经网络GA-attention-LSTM数据回归预测风力发电是一种清洁能源,越来越受到人们的关注和重视。然而,由于风力发电的不稳定性和不可控性,风电预测成为了一个至关重要的问题。为了更精准地预测风电发电量,许多研究者开始尝试利用深度学习技术来进行风电预测。在本文中,我们将介绍一种基于遗传优化注意力机制的长短时记忆神经网络(GA-attention-LSTM
- 遗传算法(Genetic Algorithm, GA)附代码案例
Cooku Black
机器学习python高级用法遗传算法启发式算法python
遗传算法(GeneticAlgorithm,GA)简介遗传算法(GeneticAlgorithm,GA)是一种模拟自然选择和遗传学原理的搜索算法,属于进化计算的一种。它是由约翰·霍兰德(JohnHolland)在20世纪70年代提出的,用于解决优化问题,是一种启发式算法。遗传算法的基本思想是通过模拟生物进化过程中的遗传和变异机制来优化问题的解。算法流程初始化:随机生成一组染色体(解的编码),构成初
- 智能优化算法——遗传算法(Python&Matlab实现)[2]
2401_84009974
程序员python算法matlab
初始化种群initPopulation(POP,N)进化过程==foritinrange(iter_N):#遍历每一代a,b=selection(N)#随机选择两个个体ifnp.random.random()<0.65:#以0.65的概率进行交叉结合child1,child2=crossover(POP[a],POP[b])new=sorted([POP[a],POP[b],child1,chil
- 遗传算法与深度学习实战(1)——进化深度学习
盼小辉丶
遗传算法与深度学习实战深度学习人工智能遗传算法
遗传算法与深度学习实战(1)——进化深度学习0.前言1.进化深度学习1.1进化深度学习简介1.2进化计算简介2.进化深度学习应用场景3.深度学习优化3.1优化网络体系结构4.通过自动机器学习进行优化4.1自动机器学习简介4.2AutoML工具5.进化深度学习应用5.1模型选择:权重搜索5.2模型架构:架构优化5.3超参数调整/优化5.4验证和损失函数优化5.5增强拓扑的神经进化小结系列链接0.前言
- 遗传算法与深度学习实战(6)——DEAP框架初体验
盼小辉丶
遗传算法与深度学习实战深度学习DEAP遗传算法
遗传算法与深度学习实战(6)——DEAP框架初体验0.前言1.OneMax问题介绍2.遗传算法要素定义3.使用DEAP解决OneMax问题3.1遗传算法要素配置3.2遗传算法解的进化3.3运行结果3.4eaSimple函数小结系列链接0.前言我们已经了解了DEAP库中的重要数据结构和工具,为了快速掌握DEAP,本节中,我们将介绍DEAP框架下的遗传算法构建流程,并使用DEAP解决简单的OneMax
- 遗传算法与深度学习实战(7)——使用遗传算法解决N皇后问题
盼小辉丶
遗传算法与深度学习实战深度学习DEAP遗传算法
遗传算法与深度学习实战(7)——使用遗传算法解决N皇后问题0.前言1.N皇后问题2.解的表示3.遗传算法解决N皇后问题小结系列链接0.前言进化算法(EvolutionaryAlgorithm,EA)和遗传算法(GeneticAlgorithms,GA)已成功解决了许多复杂的设计和布局问题,部分原因是它们采用了受控随机元素的搜索。这通常使得使用EA或GA设计的系统能够超越我们的理解进行创新。在本节中
- 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
- 达尔文的自然选择
大龙10
书名:代码本色:用编程模拟自然系统作者:DanielShiffman译者:周晗彬ISBN:978-7-115-36947-5第9章目录9.3达尔文的自然选择 在研究遗传算法之前,我们要先学习达尔文进化学说中的3个基本法则。如果要正确地模拟自然选择,我们必须同时实现这3个要素。1、遗传子代必须以某种方式继承父代的特性。如果生物存活的时间足够长,繁殖的概率也足够大,那么它们的特征将会传递给下一代。2
- GA-kmedoid 遗传算法优化K-medoids聚类
2301_78492934
机器学习支持向量机人工智能matlab聚类
遗传算法优化K-medoids聚类是一种结合了遗传算法和K-medoids聚类算法的优化方法。遗传算法是一种基于自然选择和遗传机制的随机优化算法,它通过模拟生物进化过程中的遗传、交叉、变异等操作来寻找问题的最优解。而K-medoids聚类算法是一种基于划分的聚类方法,它通过选择K个数据点作为簇中心,将数据点分配到最近的簇中心,以最小化每个数据点到其所属簇中心的距离之和。K-medoids聚类算法是
- MATLAB遗传算法求解车间调度问题——模型建立和实例设计(画甘特图)
麦哥MATLAB
matlab甘特图
1.基本概念车间调度是指根据产品制造的合理需求分配加工车间顺序,从而达到合理利用产品制造资源、提高企业经济效益的目的。车间调度问题从数学上可以描述为有n个待加工的零件要在m台机器上加工。问题需要满足的条件包括每个零件的各道工序使用每台机器不多于1次,每个零件都按照一定的顺序进行加工。车间调度问题实例:现共有6个工件,在10台机器上加工,每个工件都要经过6道加工工序,每个工序可选择机器序号如表一所列
- 遗传算法解释
大吉大利都吃鸡
算法python开发语言人工智能
遗传算法是一种基于自然遗传和进化规律的人工智能算法。它通过模拟生物进化的过程,来解决各种复杂问题。遗传算法的基本流程如下:初始化:随机生成一些解作为初始种群;评估:评估每个解的适应度,根据适应度的高低决定哪些解具有更好的进化前景;交叉:选择适应度较高的两个解,并将它们的特征结合到一起形成一个新的解;变异:对新的解进行随机的突变,以增加它的多样性;替代:在每一代的结束,用新的解替换适应度较低的解。这
- Evolutionary algorithm (遗传算法)介绍
Longlongaaago
机器学习算法数据挖掘人工智能
Evolutionaryalgorithm(遗传算法)介绍Evolutionaryalgorithm遗传算法,实际上也是机器学习里面一个很重要的分支。为什么呢,因为他在之前几十年也是和深度学习一样非常火热流行。现在也有很多人在利用遗传算法做相关研究,还是比较流行的算法之一。Evolutionaryalgorithm算法是受到自然界的一些启发,通过种群优化去解决一些相关的任务,比如做数独,解决一些实
- 使用遗传算法求解一个简单的极值问题,最小化一个具有多个变量的目标函数。
依然风yrlf
算法matlab
下面是一个更详细的MATLAB示例,演示如何使用遗传算法求解一个简单的极值问题。在这个例子中,我们将尝试最小化一个具有多个变量的目标函数。%定义目标函数fitnessFunction=@(x)sum(x.^2);%Rosenbrock函数%定义遗传算法参数options=optimoptions('ga',...'MaxGenerations',100,...%最大迭代次数'PopulationS
- 遗传算法实现
qq_51497433
matlab开发语言算法
遗传算法(GeneticAlgorithm,GA)是一种模拟自然选择和遗传学原理的搜索启发式算法,它是由约翰·霍兰德(JohnHolland)在20世纪70年代提出的。遗传算法在解决优化和搜索问题时非常有效,特别是在解空间大且复杂时。该算法使用了生物进化中的选择、交叉(杂交)和变异等概念。遗传算法通常包括以下步骤:初始化:随机生成一个初始种群。种群由一定数量的个体组成,每个个体代表一个解。评估:计
- 【MATLAB】GA_BP神经网络回归预测算法
Lwcah
MATLAB回归预测算法算法matlab神经网络
有意向获取代码,请转文末观看代码获取方式~也可转原文链接获取~1基本定义GA_BP神经网络回归预测算法结合了遗传算法(GeneticAlgorithm,GA)和BP神经网络(BackpropagationNeuralNetwork,BPNN),用于解决回归预测问题。下面将详细介绍该算法的原理:BP神经网络回归模型:BP神经网络是一种前向人工神经网络,具有输入层、隐藏层和输出层。每个神经元都与下一层
- (一)利用人工智能编写自进化程序
IT凡哥
英特尔实验室的两位研究人员,利用遗传算法和图灵完备语言,号称实现了首个能够自动编程的AI系统“AIProgrammer”。文章共三篇,以下是网络翻译的详细内容:介绍计算机程序有可能自己编写程序吗?人类的软件开发者有一天会被他们掌握的电脑所取代吗?就像农民、装配线工人和电话接线员一样,下一个会是软件开发人员吗?虽然这种想法看起来有些牵强,但实际上可能比我们想象的更接近。本文描述了一个实验,以产生一个
- 西瓜书-机器学习5.4 全局最小与局部极小
lestat_black
西瓜书机器学习
两种“最优”:“局部极小”(localminimum)和"全局最小"(globalminimum)对和,若存在使得多组不同参数值初始化多个神经网络使用“模拟退火”:以一定的概率接受比当前解更差的结果,有助于“跳出”局部极小使用随机梯度下降遗传算法(geneticalgorithms)[Goldberg,1989]也常用来训练神经网络以上用于跳出局部极小的技术大多是启发式,理论上商缺乏保障。Gold
- 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