暖焱
暖焱

【最优化理论】01-最优化理论基础

文章目录

  • 大纲
  • 基础概念
    • 最优化问题一般形式
      • 无约束最优化问题
      • 约束最优化问题
    • 可行点
    • 可行域/集
    • 无约束问题
    • 最优解
  • 数学基础
    • 向量范数
    • 范数等价性
    • 矩阵范数
      • 矩阵范数性质
    • 序列极限
      • 聚点
      • Cauchy序列
    • 连续&可微
    • 梯度
    • 稳定点（Stationary Point）
    • 鞍点（Saddle Point）
    • Hesse矩阵
      • 例：二次函数
    • Taylor展开式
    • Jacobi矩阵
    • 链式法则
    • 隐函数定理

大纲

【最优化理论】01-最优化理论基础_第1张图片

基础概念

最优化问题一般形式

【最优化理论】01-最优化理论基础_第2张图片

无约束最优化问题

【最优化理论】01-最优化理论基础_第3张图片

约束最优化问题

【最优化理论】01-最优化理论基础_第4张图片
当目标函数和约束函数均为线性函数时，问题称为线性规划。
当目标函数和约束函数中至少有一个是变量x的非线性函数时，问题称为非线性规划。

根据决策变量、目标函数和要求的不同，最优化还分成了整数规划、动态规划、网络
规划、非光滑规划、随机规划、几何规划、多目标规划等若干分支。

本书主要研究求解无约束最优化问题(1.1.2)和约束最优化问题(1.1.3)的理论和方法，其中第三章至第七章研究无约束最优化问题，第八章至第十三章研究约束最优化问题，第十四章研究非光滑优化问题。

可行点

在线性规划与非线性规划中，满足约束条件的点称为可行点。

可行域/集

全体可行点组成的集合称为可行集或可行域。

无约束问题

如果一个问题的可行集是整个空间。那么此问题就称为无约束问题。

最优解

【最优化理论】01-最优化理论基础_第5张图片
【最优化理论】01-最优化理论基础_第6张图片

数学基础

向量范数

【最优化理论】01-最优化理论基础_第7张图片

范数等价性

【最优化理论】01-最优化理论基础_第8张图片

矩阵范数

在这里插入图片描述

【最优化理论】01-最优化理论基础_第9张图片

【最优化理论】01-最优化理论基础_第10张图片

矩阵范数性质

【最优化理论】01-最优化理论基础_第11张图片

序列极限

【最优化理论】01-最优化理论基础_第12张图片

【最优化理论】01-最优化理论基础_第13张图片

聚点

在这里插入图片描述
根据定义易知，如果无穷序列有界，即存在正数M,使得对所有k均有|x(2)||≤M，则这个序列必有聚点。

Cauchy序列

在这里插入图片描述
在这里插入图片描述

连续&可微

【最优化理论】01-最优化理论基础_第14张图片

梯度

在这里插入图片描述

稳定点（Stationary Point）

梯度为0的点。

鞍点（Saddle Point）

既不是极小值点，也不是极大值点的驻点。

Hesse矩阵

在这里插入图片描述

例：二次函数

Taylor展开式

【最优化理论】01-最优化理论基础_第15张图片
在这里插入图片描述

Jacobi矩阵

【最优化理论】01-最优化理论基础_第16张图片

链式法则

【最优化理论】01-最优化理论基础_第17张图片
在这里插入图片描述

隐函数定理

【最优化理论】01-最优化理论基础_第18张图片
在这里插入图片描述

你可能感兴趣的:(最优化理论,最优化理论)

  • 没有免费的午餐定理 做程序员的第一天 机器学习人工智能机器学习
    没有免费午餐定理（NoFreeLunchTheorem，NFL）是由Wolpert和Macerday在最优化理论中提出的．没有免费午餐定理证明：对于基于迭代的最优化算法，不存在某种算法对所有问题（有限的搜索空间内）都有效．如果一个算法对某些问题有效，那么它一定在另外一些问题上比纯随机搜索算法更差．也就是说，不能脱离具体问题来谈论算法的优劣，任何算法都有局限性．必须要“具体问题具体分析”．没有免费午
  • 袁亚湘院士上《开讲啦》变数学魔术啦！ MatheMagician 人工智能hashtabletabxhtmlj2ee
    早点关注我，精彩不迷路！上个月中，我敬仰已久的袁亚湘院士登上了央视《开讲啦》的舞台，给刚开学不久的孩子们献上了精彩的演讲，演讲全程大家可看视频慢慢欣赏：视频1袁亚湘院士《开讲啦》演讲袁老师是知名的最优化理论的专家，在我还在读大三的时候，还曾通过天大数学系黄老师介绍，邮件联系袁老，想找他去读最优化方向的研究生。无奈专业差距太大，在流程上也几乎走不通，不过袁老师还是耐心地给我回了信，并且给了我很多鼓励
  • 最优化理论习题（与考试相关） ˇasushiro 最优化理论笔记
    文章目录凸集与凸函数的证明单纯形方法对偶问题对偶单纯形法最优性条件使用导数的最优化方法凸集与凸函数的证明凸函数证明就是求HessianHessianHessian矩阵是否为正定矩阵即可单纯形方法对偶问题对偶单纯形法最优性条件使用导数的最优化方法
  • 最优化基础 - （最优化问题分类、凸集） Big David 数值优化数值优化最优化问题分类凸集Farkas引理
    系统学习最优化理论什么是最优化问题？决策问题：（1）决策变量（2）目标函数（一个或多个）（3）一个可由可行策略组成的集合（等式约束或者不等式约束）最优化问题基本形式1最优化问题分类根据可行域S划分：无约束/约束优化根据函数的性质划分：线性规划/非线性规划根据可行域的性质划分：离散优化/连续优化根据函数的向量性质划分：单目标/多目标优化根据规划问题有关信息的确定性划分：随机/模糊/确定性规划2预备知
  • 《学校心理学--体验式团体教育模式理论与实践》第一、二章读后感 宋艳云学校心理学
    今天，我认真学习了《学校心理学--体验式团体教育模式理论与实践》第一、二章。第一章主要阐述了学校心理学的基本定义、发展历史和现状、研究方法，以及相关学科的区别和联系等；第二章主要介绍和阐述了教育教学最优化理论、国内外教育教学最优化的进程，以及教育教学最优化探索新背景下引发的体验式团体教育模式。虽然我国一直提倡素质教育，提倡减轻学生过重的课业负担，但应试教育还是现代中国所有教育模式中最优的必然选择。
  • powell算法简介 重露成涓滴
    姓名：彭帅学号：17021210850【嵌牛导读】：Powell是利用函数值来构造共轭搜索方向的一种共轭搜索方法，由于对于n维正定二次函数，共轭搜索方向具有n次收敛的特性，所以powell是直接搜索法中十分有效的一种算法。【嵌牛鼻子】：优化算法【嵌牛提问】：powell算法简介【嵌牛正文】：复杂函数的全局最优化问题是在求解各种复杂工程与科学计算问题中提炼出来的亟待解决的计算问题,最优化理论方法是应
  • [足式机器人]Part2 Dr. CAN学习笔记- 最优控制Optimal Control Ch07-2 动态规划 Dynamic Programming LiongLoure 控制算法学习笔记
    本文仅供学习使用本文参考：B站：DR_CANDr.CAN学习笔记-最优控制OptimalControlCh07-2动态规划DynamicProgramming1.基本概念2.代码详解3.简单一维案例1.基本概念RichoardBellman最优化理论：Anoptimalpolicyhasthepropertythatwhatevertheinitialstateandinitialdecision
  • 最优化理论与方法复习（6）---凸集和凸函数 冒冒菜菜 最优化理论与方法最优化理论与方法凸集凸函数期末复习
    文章目录1.凸集1.1定义1.2例题2.凸函数2.1判断方式2.2例题1.凸集1.1定义 设SSS为nnn维欧式空间RnR^nRn一个集合，对于任意的X(1)X^{(1)}X(1)，X(2)∈SX^{(2)}∈SX(2)∈S，及每个实数λ∈[0,1]λ∈[0,1]λ∈[0,1]，有λX(1)+(1−λ)X(2)∈SλX^{(1)}+(1-λ)X^{(2)}∈SλX(1)+(1−λ)X(2)∈S，则
  • 最优化理论期末复习笔记 Part 2 hijackedbycsdn 笔记最优化凸优化
    数学基础线性代数从行的角度从列的角度行列式的几何解释向量范数和矩阵范数向量范数矩阵范数的更强的性质的意义几种向量范数诱导的矩阵范数1范数诱导的矩阵范数无穷范数诱导的矩阵范数2范数诱导的矩阵范数各种范数之间的等价性向量与矩阵序列的收敛性函数的可微性与展开一维优化问题牛顿莱布尼茨公式对多维的拓展Lipschitz连续中值定理凸优化问题凸函数的判断f在D一阶可微正定矩阵f在D二阶可微无约束问题的最优性条
  • 9-11月学习小结 宋艳云学校心理学
    河南焦作修武宋艳云近段时间，我认真学习了《学校心理学--体验式团体教育模式理论与实践》前几章。通过学习，我了解到学校心理学的基本定义、发展历史和现状、研究方法，以及相关学科的区别和联系等；教育教学最优化理论、国内外教育教学最优化的进程，以及教育教学最优化探索新背景下引发的体验式团体教育模式。虽然我国一直提倡素质教育，提倡减轻学生过重的课业负担，但应试教育还是现代中国所有教育模式中最优的必然选择。所
  • 最优化理论期末复习笔记 Part 1 hijackedbycsdn 笔记最优化凸优化
    数学基础线性代数从行的角度从列的角度行列式的几何解释向量范数和矩阵范数向量范数矩阵范数的更强的性质的意义几种向量范数诱导的矩阵范数1范数诱导的矩阵范数无穷范数诱导的矩阵范数2范数诱导的矩阵范数各种范数之间的等价性向量与矩阵序列的收敛性函数的可微性与展开一维优化问题牛顿莱布尼茨公式对多维的拓展Lipschitz连续中值定理凸优化问题凸函数的判断f在D一阶可微正定矩阵f在D二阶可微无约束问题的最优性条
  • 【自动驾驶中的SLAM技术】第2讲：基础数学知识回顾 兔子不吃草～ 自动驾驶中的SLAM技术自动驾驶人工智能机器学习
    第二讲：基础数学回顾文章目录第二讲：基础数学回顾1几何学1.1坐标系1.2坐标变换①空间向量②基变换③坐标变换④总结1.3四元数与旋转向量2运动学2.1李群视角2.2四元数视角2.3四元数的李代数与旋转向量间的转换2.4SO(3)+t上的运动学2.5线速度与加速度2.6扰动模型2.7关于左扰动和右扰动的选择2.7.1第一种形式2.7.2第二种形式2.8运动学示例：圆周运动3滤波器与最优化理论3.1
  • 最优化理论复习--对偶单纯形方法及灵敏度分析 ˇasushiro 最优化理论矿大往事经验分享人工智能
    对偶单纯形方法定义：设x(0)x^{(0)}x(0)是(L)问题的基本解（不一定是可行解（极点）），如果它的对偶问题的解释可行的，则称x(0)x^{(0)}x(0)为原问题的对偶可行基本解从而衍生出结论：当对偶可行的基本解是原问题的可行解时，由于判别数=0>=0>=0了，而是要保证判别数是=0>=0>=0,尽量将判别数化为=0>=0>=0的方法也对称过来了的，步骤变成了先根据最小的右端项B−1bB
  • 最优化理论与方法---一维搜索 冒冒菜菜 最优化理论与方法最优化理论与方法一维搜索期末复习
    文章目录1.牛顿法2.割线法3.抛物线法1.牛顿法2.割线法 注：抛物线法其实就是牛顿法的近似。因为[xk−xk−1]/[f′(xk)−f′(xk−1)][x^k-x^{k-1}]/[f'(x^k)-f'(x^{k-1})][xk−xk−1]/[f′(xk)−f′(xk−1)]极限就是1/f′′(xk)1/f''(x^k)1/f′′(xk)。3.抛物线法
  • [最优化理论] 梯度下降法 + 精确线搜索（单峰区间搜索 + 黄金分割）C++ 代码 hijackedbycsdn c++最优化理论
    这是我的课程作业，用了Eigen库，最后的输出是latex的表格的一部分具体内容就是梯度下降法+精确线搜索（单峰区间搜索+黄金分割）从书本的Matlab代码转译过来的其实，所以应该是一看就懂了这里定义了两个测试函数fun和fun2整个最优化方法包装在SteepestDescent类里面用了模板封装类，这样应该是double和Eigne的Vector都可以支持的用了tuple返回值，用了functi
  • 教学是一门慢的艺术 赤木晴子L
    好教师也要慢慢来，对待学生、对待生命、对待心灵，需要的是诚心、耐心、恒心。教学效果的落脚点是学而不是教，学生有无进步和发展是衡量教学有没有效果的唯一指标。教学有没有效果，并不是指教师教得好不好或教得认真不认真，而是指学生有没有学到什么或学得好不好，尽管它们之间也有各种关系。苏联教育家巴班斯基提出了教学过程最优化理论。按照巴班斯基的说法，“最优的”这一术语是指“从一定标准来看是最好的”。这里的“标准
  • 最优化理论 HI_Forrest 学习笔记c++
    最优化理论资料一optimalcondition最优性条件概念二一维搜索逐次下降法iterativedecent单峰函数二分法dichotomoussearch三资料B站最优化理论与算法上交最优化方法一目标函数：需要优化的函数决策变量，可以调整变化的量约束集，决策变量的可行集无约束优化，决策变量任意值约束优化，决策变量范围有限制非线性规划：代价函数或者约束是非线性的。其他规划问题：整数规划inte
  • 第一章 最优化理论基础 是璇子鸭 最优化算法矩阵
    内容来自马昌凤编著的《最优化方法及其Matlab程序设计》，文章仅为个人的学习笔记，感兴趣的朋友详见原书1最优化问题的数学模型简单来说，最优化问题就是求一个多元函数在某个给定集合上的极值，其一般表达为：minf(x)minf(x)minf(x)s.t.x∈Ks.t.x∈Ks.t.x∈K其中，KKK为可行域，xxx为决策变量，s.t.是subjectto（受限于）的缩写。非线性规划：minf(x)m
  • 最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法 七七喝椰奶 数学建模应当掌握的十类算法算法
    介绍当涉及到模拟退火法、神经网络和遗传算法时，它们都是优化和搜索问题的常见算法。下面我将逐个介绍这些算法的基本原理和应用。1.模拟退火法（SimulatedAnnealing）：模拟退火法是一种全局优化算法，模拟了金属冶炼中的退火过程。它通过接受更差的解决方案的可能性来避免陷入局部最优解。模拟退火法在搜索空间中随机移动，并逐渐减少移动的范围，以找到全局最优解。主要步骤包括初始化解决方案，定义能量函
  • 【兔子王赠书第4期】用ChatGPT轻松玩转机器学习与深度学习 Want595 #《粉丝福利》chatgpt机器学习深度学习
    文章目录前言机器学习深度学习ChatGPT推荐图书粉丝福利尾声前言兔子王免费赠书第4期来啦，突破传统学习束缚，借助ChatGPT的神奇力量，解锁AI无限可能！机器学习机器学习是人工智能领域的一个重要分支，它的目的是让计算机系统能够自动完成特定任务，而不需要人类专门为其编写指令。机器学习所涉及的技术和算法主要包括统计学、概率论、最优化理论、信息论等。在未来的人工智能时代，机器学习将成为重要的基础技术
  • 立体匹配--中值滤波 zfywen 计算机视觉人工智能c++
    立体匹配文章目录一.课题说明二．概要设计三．算法设计四．源程序及注释五．运行及调试分析六．课程设计总结一、课题说明立体匹配是立体视觉从图像生成三维点云的常规手段。立体匹配算法主要是通过建立一个能量代价函数，通过此能量代价函数最小化来估计像素点视差值。立体匹配算法的实质就是一个最优化求解问题，通过建立合理的能量函数，增加一些约束，采用最优化理论的方法进行方程求解，这也是所有的病态问题求解方法。二、概
  • 人工智能数学知识 你美依旧
    1线性代数向量向量空间；矩阵线性变换特征值特征向量；奇异值奇异值分解1线性代数是人工智能的数学基础之一2线性代数的核心意义在于将具体事物抽象为数学对象3线性代数描述着食物的静态（向量）和（动态变换）的特征2概率论与统计随机事件；条件概率全概率贝叶斯概率统计量常见分布；基本原理3最优化理论极限导数；线性逼近泰勒展开凸函数Jensen不等式；最小二乘法；梯度梯度下降1先初始化一下权重参数2然后利用优化
  • 【电子书资源】数值方法&最优化理论&算法&凸优化 ---书籍调研（附网盘下载地址）... 十年一梦实验室 算法python人工智能机器学习大数据
    随着计算机和计算方法的飞速发展，几乎所有学科都走向定量化和精确化，从而产生了一系列计算性的学科分支，如计算物理、计算化学、计算生物学、计算地质学、计算气象学和计算材料学等，计算数学中的数值计算方法则是解决“计算”问题的桥梁和工具。我们知道，计算能力是计算工具和计算方法的效率的乘积，提高计算方法的效率与提高计算机硬件的效率同样重要。科学计算已用到科学技术和社会生活的各个领域中。数值计算方法，是一种研
  • 数学建模：最优化问题及其求解概述 AGI_Player 数学建模数学建模
    数学建模：最优化问题及其求解概述最优化问题定义分类离散优化问题连续优化问题求解此博客围绕运筹学以及最优化理论的相关知识，通俗易懂地介绍了最优化问题的定义、分类以及求解算法。最优化问题定义数学优化（MathematicalOptimization）问题，也叫最优化问题，属于运筹学研究的主要内容，它是指在一定约束条件下，求解一个目标函数的最大值（或最小值）问题。这种问题在生活中很常见，例如如何利用有限
  • 【最优化理论】人工智能与最优化理论的联系 果壳中的robot 人工智能机器学习算法
    1.最优化理论的主要分支最优化理论的主要分支有两类，包括针对一般问题的数学规划模型以及针对特定问题的数学规划模型，其各自涵盖的范围如下：一般问题的数学规划模型：线性规划整数规划非线性规划动态规划网络流优化…特定问题的数学模型：网络计划排队论存储论决策论对策论…2.优化方法简述例如优化问题为max⁡f(x)\maxf(x)maxf(x)，其函数图像如下：优化的基本方法是：从a,b之间的任一点出发，朝
  • 【最优化理论】线性规划标准模型的基本概念与性质 果壳中的robot 算法机器学习动态规划数学建模性能优化
    我们在中学阶段就遇到过线性规划问题，主要是二维的情况，而求解的方法一般是非常直观、高效的图解法。根据过往的经验，线性规划问题的最优目标值一般在可行域的顶点处取得，那么本文就对这个问题进行更深入的探讨，维度也从二维推广至高维，内容主要包括以下问题：线性规划问题的可行域有哪些性质？线性规划问题的可行域顶点有哪些特点？为什么可行域的顶点有最优解？顶点的数学描述？高维模型有哪些性质？1.线性规划模型的一些
  • 机器人中的数值优化|【二】最速下降法，可行牛顿法的python实现，以Rosenbrock function为例 影子鱼Alexios algorithmpythonpython机器人人工智能数学
    机器人中的数值优化|【二】最优化方法：最速下降法，可行牛顿法的python实现，以Rosenbrockfunction为例在上一节中提到了我们详细探讨了数值优化/最优化理论中的基本概念和性质，现在开始使用python对算法进行实现。上一节链接：机器人中的数值优化|【一】数值优化基础导入依赖导入依赖库并定义常量，C_CONSTANT为步长超参数，取0～1之间，停机准则STOP_CONSTANT，意为
  • 神经网络基础原理（二）----分类问题（含Tensorflow 2.X代码） 天蒙光 深度学习神经网络tensorflow机器学习深度学习
    举线性回归的例子只是为了从最简单的角度来介绍神经网络的执行流程。神经网络在拟合线性函数方面的确存在得天独厚的优势。事实上，如果你对最优化理论熟悉，会发现神经网络的底层原理与最优化理论是一致的（目的都是求某一目标函数的极值）。神经网络擅长的并不仅限于拟合线性函数。分类问题是神经网络最经典的应用之一。所谓的分类问题，是指给定m个学习样本，如何根据先验知识，将这m个样本分成k类。解决分类问题第一步：数据
  • Compositional Minimax Optimization学习之路 他不是混子QAQ 学习
    梯度最优化理论最优化基础---基本概念：凸优化、梯度、Jacobi矩阵、Hessian矩阵_哔哩哔哩_bilibili从图像来看：存在两点连线上的点不在集合内定义ax1+(1-a)x2其实就是两点连线上的点可用与函数围成的面积和与坐标轴围成的面积角度理解凸函数凸优化在定义域和F（X)都是凸集的问题（凸凸问题），就是凸优化jacobi广义导数n维映射到m维梯度的雅可比矩阵就是海森矩阵动量法（Mome
  • 机器学习笔记之最优化理论与算法(十二)无约束优化问题——共轭梯度法 静静的喝酒 最优化理论与方法机器学习深度学习共轭梯度法非线性共轭梯度法FR方法PRP方法n步重启策略
    机器学习笔记之最优化理论与方法——共轭梯度法引言回顾：共轭方向法的重要特征线性共轭梯度法共轭方向公式的证明过程关于线搜索公式中参数的化简关于线搜索公式中步长部分的化简关于线搜索公式中共轭方向系数的化简参数化简的目的非线性共轭梯度法(FR,PRP方法)关于非线性共轭梯度法的说明引言上一节主要介绍了共轭方向法的重要特征以及相关证明，本节将介绍共轭方向法的代表算法——共轭梯度法。回顾：共轭方向法的重要特
  • 二分查找排序算法 周凡杨 java二分查找排序算法折半
    一：概念 二分查找又称 折半查找（ 折半搜索/ 二分搜索），优点是比较次数少，查找速度快，平均性能好；其缺点是要求待查表为有序表，且插入删除困难。因此，折半查找方法适用于不经常变动而 查找频繁的有序列表。首先，假设表中元素是按升序排列，将表中间位置记录的关键字与查找关键字比较，如果两者相等，则查找成功；否则利用中间位置记录将表 分成前、后两个子表，如果中间位置记录的关键字大于查找关键字，则进一步
  • java中的BigDecimal bijian1013 javaBigDecimal
            在项目开发过程中出现精度丢失问题，查资料用BigDecimal解决，并发现如下这篇BigDecimal的解决问题的思路和方法很值得学习，特转载。         原文地址：http://blog.csdn.net/ugg/article/de
  • Shell echo命令详解 daizj echoshell
    Shell echo命令 Shell 的 echo 指令与 PHP 的 echo 指令类似，都是用于字符串的输出。命令格式： echo string 您可以使用echo实现更复杂的输出格式控制。 1.显示普通字符串: echo "It is a test" 这里的双引号完全可以省略，以下命令与上面实例效果一致： echo Itis a test 2.显示转义
  • Oracle DBA 简单操作 周凡杨 oracle dba sql
    --执行次数多的SQL select sql_text,executions from (      select sql_text,executions from v$sqlarea order by executions desc      ) where rownum<81;  &nb
  • 画图重绘 朱辉辉33 游戏
      我第一次接触重绘是编写五子棋小游戏的时候，因为游戏里的棋盘是用线绘制的，而这些东西并不在系统自带的重绘里，所以在移动窗体时，棋盘并不会重绘出来。所以我们要重写系统的重绘方法。   在重写系统重绘方法时，我们要注意一定要调用父类的重绘方法，即加上super.paint(g)，因为如果不调用父类的重绘方式，重写后会把父类的重绘覆盖掉，而父类的重绘方法是绘制画布，这样就导致我们
  • 线程之初体验 西蜀石兰 线程
    一直觉得多线程是学Java的一个分水岭，懂多线程才算入门。 之前看《编程思想》的多线程章节，看的云里雾里，知道线程类有哪几个方法，却依旧不知道线程到底是什么？书上都写线程是进程的模块，共享线程的资源，可是这跟多线程编程有毛线的关系，呜呜。。。 线程其实也是用户自定义的任务，不要过多的强调线程的属性，而忽略了线程最基本的属性。 你可以在线程类的run()方法中定义自己的任务，就跟正常的Ja
  • linux集群互相免登陆配置 林鹤霄 linux
    配置ssh免登陆 1、生成秘钥和公钥    ssh-keygen -t rsa 2、提示让你输入，什么都不输，三次回车之后会在~下面的.ssh文件夹中多出两个文件id_rsa 和 id_rsa.pub    其中id_rsa为秘钥，id_rsa.pub为公钥，使用公钥加密的数据只有私钥才能对这些数据解密    c
  • mysql : Lock wait timeout exceeded; try restarting transaction aigo mysql
    原文：http://www.cnblogs.com/freeliver54/archive/2010/09/30/1839042.html   原因是你使用的InnoDB   表类型的时候, 默认参数:innodb_lock_wait_timeout设置锁等待的时间是50s, 因为有的锁等待超过了这个时间,所以抱错.   你可以把这个时间加长,或者优化存储
  • Socket编程 基本的聊天实现。 alleni123 socket
    public class Server { //用来存储所有连接上来的客户 private List<ServerThread> clients; public static void main(String[] args) { Server s = new Server(); s.startServer(9988); } publi
  • 多线程监听器事件模式(一个简单的例子) 百合不是茶 线程监听模式
        多线程的事件监听器模式   监听器时间模式经常与多线程使用,在多线程中如何知道我的线程正在执行那什么内容,可以通过时间监听器模式得到        创建多线程的事件监听器模式 思路:    1, 创建线程并启动,在创建线程的位置设置一个标记     2,创建队
  • spring InitializingBean接口 bijian1013 javaspring
    spring的事务的TransactionTemplate，其源码如下： public class TransactionTemplate extends DefaultTransactionDefinition implements TransactionOperations, InitializingBean{ ... } TransactionTemplate继承了DefaultT
  • Oracle中询表的权限被授予给了哪些用户 bijian1013 oracle数据库权限
            Oracle查询表将权限赋给了哪些用户的SQL，以备查用。 select t.table_name as "表名", t.grantee as "被授权的属组", t.owner as "对象所在的属组"
  • 【Struts2五】Struts2 参数传值 bit1129 struts2
    Struts2中参数传值的3种情况 1.请求参数绑定到Action的实例字段上 2.Action将值传递到转发的视图上 3.Action将值传递到重定向的视图上   一、请求参数绑定到Action的实例字段上以及Action将值传递到转发的视图上 Struts可以自动将请求URL中的请求参数或者表单提交的参数绑定到Action定义的实例字段上，绑定的规则使用ognl表达式语言
  • 【Kafka十四】关于auto.offset.reset[Q/A] bit1129 kafka
    I got serveral questions about  auto.offset.reset. This configuration parameter governs how  consumer read the message from  Kafka when  there is no initial offset in ZooKeeper or
  • nginx gzip压缩配置 ronin47 nginx gzip 压缩范例
    nginx gzip压缩配置 更多 0 nginx gzip 配置   随着nginx的发展，越来越多的网站使用nginx，因此nginx的优化变得越来越重要，今天我们来看看nginx的gzip压缩到底是怎么压缩的呢？ gzip(GNU-ZIP)是一种压缩技术。经过gzip压缩后页面大小可以变为原来的30%甚至更小，这样，用
  • java-13.输入一个单向链表，输出该链表中倒数第 k 个节点 bylijinnan java
    two cursors. Make the first cursor go K steps first. /* * 第 13 题：题目：输入一个单向链表，输出该链表中倒数第 k 个节点 */ public void displayKthItemsBackWard(ListNode head,int k){ ListNode p1=head,p2=head;
  • Spring源码学习-JdbcTemplate queryForObject bylijinnan javaspring
    JdbcTemplate中有两个可能会混淆的queryForObject方法： 1. Object queryForObject(String sql, Object[] args, Class requiredType) 2. Object queryForObject(String sql, Object[] args, RowMapper rowMapper) 第1个方法是只查
  • [冰川时代]在冰川时代,我们需要什么样的技术? comsci 技术
         看美国那边的气候情况....我有个感觉...是不是要进入小冰期了?      那么在小冰期里面...我们的户外活动肯定会出现很多问题...在室内呆着的情况会非常多...怎么在室内呆着而不发闷...怎么用最低的电力保证室内的温度.....这都需要技术手段...   &nb
  • js 获取浏览器型号 cuityang js浏览器
    根据浏览器获取iphone和apk的下载地址 <!DOCTYPE html> <html> <head>     <meta charset="utf-8" content="text/html"/>     <meta name=
  • C# socks5详解 转 dalan_123 socketC#
    http://www.cnblogs.com/zhujiechang/archive/2008/10/21/1316308.html  这里主要讲的是用.NET实现基于Socket5下面的代理协议进行客户端的通讯，Socket4的实现是类似的，注意的事，这里不是讲用C#实现一个代理服务器，因为实现一个代理服务器需要实现很多协议，头大，而且现在市面上有很多现成的代理服务器用，性能又好，
  • 运维 Centos问题汇总 dcj3sjt126com 云主机
    一、sh 脚本不执行的原因 sh脚本不执行的原因 只有2个 1.权限不够 2.sh脚本里路径没写完整。   二、解决You have new mail in /var/spool/mail/root 修改/usr/share/logwatch/default.conf/logwatch.conf配置文件 MailTo = MailFrom   三、查询连接数
  • Yii防注入攻击笔记 dcj3sjt126com sqlWEB安全yii
    网站表单有注入漏洞须对所有用户输入的内容进行个过滤和检查，可以使用正则表达式或者直接输入字符判断，大部分是只允许输入字母和数字的，其它字符度不允许；对于内容复杂表单的内容，应该对html和script的符号进行转义替换：尤其是<,>,',"",&这几个符号 这里有个转义对照表： http://blog.csdn.net/xinzhu1990/articl
  • MongoDB简介[一] eksliang mongodbMongoDB简介
    MongoDB简介 转载请出自出处：http://eksliang.iteye.com/blog/2173288 1.1易于使用        MongoDB是一个面向文档的数据库，而不是关系型数据库。与关系型数据库相比，面向文档的数据库不再有行的概念，取而代之的是更为灵活的“文档”模型。        另外，不
  • zookeeper windows 入门安装和测试 greemranqq zookeeper安装分布式
    一、序言       以下是我对zookeeper 的一些理解：      zookeeper 作为一个服务注册信息存储的管理工具，好吧，这样说得很抽象，我们举个“栗子”。       栗子1号：       假设我是一家KTV的老板，我同时拥有5家KTV，我肯定得时刻监视
  • Spring之使用事务缘由(2-注解实现) ihuning spring
      Spring事务注解实现   1. 依赖包：     1.1 spring包：           spring-beans-4.0.0.RELEASE.jar           spring-context-4.0.0.
  • iOS App Launch Option 啸笑天 option
    iOS 程序启动时总会调用application:didFinishLaunchingWithOptions:，其中第二个参数launchOptions为NSDictionary类型的对象，里面存储有此程序启动的原因。   launchOptions中的可能键值见UIApplication Class Reference的Launch Options Keys节 。 1、若用户直接
  • jdk与jre的区别（_） macroli javajvmjdk
    简单的说JDK是面向开发人员使用的SDK，它提供了Java的开发环境和运行环境。SDK是Software Development Kit 一般指软件开发包，可以包括函数库、编译程序等。  JDK就是Java Development Kit JRE是Java Runtime Enviroment是指Java的运行环境，是面向Java程序的使用者，而不是开发者。 如果安装了JDK，会发同你
  • Updates were rejected because the tip of your current branch is behind qiaolevip 学习永无止境每天进步一点点众观千象git
    $ git push joe prod-2295-1 To [email protected]:joe.le/dr-frontend.git ! [rejected] prod-2295-1 -> prod-2295-1 (non-fast-forward) error: failed to push some refs to '[email protected]
  • [一起学Hive]之十四-Hive的元数据表结构详解 superlxw1234 hivehive元数据结构
    关键字：Hive元数据、Hive元数据表结构   之前在 “[一起学Hive]之一–Hive概述，Hive是什么”中介绍过，Hive自己维护了一套元数据，用户通过HQL查询时候，Hive首先需要结合元数据，将HQL翻译成MapReduce去执行。 本文介绍一下Hive元数据中重要的一些表结构及用途，以Hive0.13为例。   文章最后面，会以一个示例来全面了解一下，
  • Spring 3.2.14，4.1.7，4.2.RC2发布 wiselyman Spring 3
      Spring 3.2.14、4.1.7及4.2.RC2于6月30日发布。   其中Spring 3.2.1是一个维护版本(维护周期到2016-12-31截止)，后续会继续根据需求和bug发布维护版本。此时，Spring官方强烈建议升级Spring框架至4.1.7 或者将要发布的4.2 。   其中Spring 4.1.7主要包含这些更新内容。
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他