LJCVETYK
LJCVETYK

[c++]一个简单的NEAT机器学习寻路实验

0x01 NEAT

NEAT（增强拓扑的进化神经网络）是一种基于遗传算法和神经网络的机器学习算法，不同于全连接神经网络，NEAT的神经网络是可以跨层相连的；它由最初始的输入层和输出层神经元连接，迭代繁衍和进化达到最终形态。
具体的介绍可以参考莫凡老师的教程。
最近因为搜索 raylib 的项目，发现了一个 简单的 NEAT 库simpleNEAT，觉得挺有趣，就拿来做个实验。

0x02 效果

0x03 代码

将 simpleNEAT 中的lib目录放到项目文件夹，新建 main.cpp ，写入以下代码，根据需要修改参数：

#include 
#include 
#include 
#include 
#include "raylib.h"
#include "lib/SimpleNEAT.hpp"

int screenWidth = 1600;  // 设置窗口宽度
int screenHeight = 900;  // 设置窗口高度
float initRotation = 0.f;  // 个体的初始化旋转角度
float objectSize = 15.f;  // 个体的半径
float sensorMax = 300.f;  // 距离传感器长度
float stepSize = 10.f;  // 移动和旋转的步长
Vector2 initPosistion = {100.f, 100.f};  // 个体出生位置，初始在窗口从左到右从上往下 100,100
Vector2 targetPosition = {float(screenWidth) - 100.f, float(screenHeight) - 100.f};  // 目标位置，初始在窗口从右到左从下往上 100,100
bool isStart = false;  // 是否开始训练
int frameLimit = 1500;  // 每一代帧数限制
const int sensorCount = 11;  // 具体传感器数量
int fps = 60;  // 训练时的fps限制
int winnerCount = 0;  // 到达目标的个体计数器

znn::SimpleNeat initNeat() {  // 初始化神经网络和种群
    znn::Opts.InputSize = sensorCount + 2;  // 设置神经网络输入节点数量=传感器数量+个体与目标的相对距离+个体朝向与目标的相对角度
    znn::Opts.OutputSize = 2;  // 设置神经网络输出节点数量
    znn::Opts.ActiveFunction = znn::Sigmoid;  // 使用的激活函数
    znn::Opts.IterationTimes = 0;  // 迭代次数，0为不限制
    znn::Opts.FitnessThreshold = 0.f;  // 个体适应值阈值，0为不限制
    znn::Opts.IterationCheckPoint = 1;  // 保存最优神经网络的迭代次数，1为每代保存
    znn::Opts.ThreadCount = 16;  // 多线程数量，不设置则为设备默认数量
    znn::Opts.MutateAddNeuronRate = 0.03f;  // 添加新神经元的概率
    znn::Opts.MutateAddConnectionRate = 0.99f;  // 添加新连接的概率
    znn::Opts.PopulationSize = 150;  // 训练个体的数量
    znn::Opts.NewSize = 0;  // 每一代新生个体的数量
    znn::Opts.ChampionToNewSize = 90;  // 冠军被复制和交配的目标数量
    znn::Opts.ChampionKeepSize = 15;  // 冠军的数量
    znn::Opts.KeepWorstSize = 0;  // 保留最差个体的数量
    znn::Opts.KeepComplexSize = 1;  // 保留最复杂神经网络个体的数量，用于交配产生更复杂的神经网络
    znn::Opts.WeightRange = 12;  // 神经连接的权重范围，-12至12
    znn::Opts.BiasRange = 6;  // 神经元的偏置范围，-6至6
    znn::Opts.MutateBiasRate = 1.f;  // 神经元的偏置变异概率
    znn::Opts.MutateWeightRate = 1.f;  // 神经元连接的权重变异概率
    znn::Opts.MutateBiasDirectOrNear = 0.5f;  // 神经元偏置随机变异和就近变异的比例
    znn::Opts.MutateWeightDirectOrNear = 0.5f;  // 神经元连接权重随机变异和就近变异的比例
    znn::Opts.Enable3dNN = false;  // 是否显示3d实时可视化神经网络，不能启用，因为用的raylib库，训练环境也用的raylib库，不能开启多窗口
    znn::Opts.CheckPointPath = "/tmp/raylib_path_findder";  // 自动保存神经网络和NEAT创新ID的路径

    srandom((unsigned) clock());  // 初始化随机种子

    znn::SimpleNeat sneat;  // 创建NEAT对象
    sneat.Start();  // 初始化NEAT神经网络和种群，如果自动保存路径存在，则导入，不存在则新建

    return sneat;
}

Vector2 getXY(float angle, float distance) {  // 通过角度和距离计算坐标
    Vector2 result;
    float radians = angle * PI / 180.f;
    result.x = distance * std::cos(radians);
    result.y = distance * std::sin(radians);
    return result;
}

struct myWall {  // 障碍物
    std::vector path;  // 存储坐标的容器

    void add() {  // 添加坐标
        Vector2 mousePos = GetMousePosition();
        if (path.empty() || (!path.empty() && path[path.size() - 1].x != mousePos.x && path[path.size() - 1].y != mousePos.y)) {  // 判断是否和上一个坐标重复
            path.push_back(mousePos);
        }
    }

    void draw() {  // 绘制障碍
        if (!path.empty()) {
            for (int i = 1; i < path.size(); ++i) {
                DrawLineEx(path[i - 1], path[i], 1.f, WHITE);
            }
        }
    }
};

std::vector walls;  // 存储多个障碍

myWall createScreenWall() {  // 创建窗口四周的障碍
    myWall screenWall;
    screenWall.path.push_back({0, 0});
    screenWall.path.push_back({0, float(screenHeight)});
    screenWall.path.push_back({float(screenWidth), float(screenHeight)});
    screenWall.path.push_back({float(screenWidth), 0});
    screenWall.path.push_back({0, 0});
    return screenWall;
}

bool getCollion(Vector2 center, Vector2 sensorTail, Vector2 &collisionPoint, float &sensorDistance) {  // 根据两条线的起止坐标判断是否相交
    std::map dis2Pos;
    bool isCollision = false;

    for (auto &w: walls) {
        for (int i = 1; i < w.path.size(); ++i) {
            Vector2 collisionPos;
            if (CheckCollisionLines(center, sensorTail, w.path[i - 1], w.path[i], &collisionPos)) {
                float distance = std::sqrt(std::pow(collisionPos.x - center.x, 2.f) + std::pow(collisionPos.y - center.y, 2.f));
                dis2Pos[distance] = collisionPos;
                isCollision = true;
            }
        }
    }

    collisionPoint = dis2Pos.begin()->second;
    sensorDistance = dis2Pos.begin()->first;
    return isCollision;
}

struct object {  // 训练个体
    float rotation = initRotation;  // 初始旋转角度
    Vector2 position = initPosistion;  // 出生位置
    bool isDead = false;  // 是否死亡
    float speed = 0.f;  // 速度
    std::vector path;  // 走过的路径
    std::vector pathWidth;  // 走过路径对应的路宽，根据速度判断
    Vector2 sensorsPos[sensorCount]{};  // 距离传感器的相对末端坐标
    Vector2 sensorCol[sensorCount]{};  // 距离传感器的相对探测到障碍的交叉坐标
    float sensorDis[sensorCount];  // 距离传感器到障碍的长度
    float score = 0.f;  // 记录得分
    float targetAngle = std::atan2((targetPosition.y - position.y), (targetPosition.x - position.x)) / PI * 180.f - float(int(rotation + 180.f) * 10 % 3600 - 1800) / 10.f;  // 个体朝向和目标的相对角度
    float targetDistance = std::sqrt(std::pow(position.x - targetPosition.x, 2.f) + std::pow(position.y - targetPosition.y, 2.f));  // 个体和目标的距离
    float beginDistance = 0.f;  // 个体和出生位置的距离

    void setSensors() {  // 放置具体传感器
        for (int i = 0; i < sensorCount; ++i) {
            Vector2 sensorTail = getXY(float(i) * 30.f + rotation - 150.f, sensorMax);
            sensorsPos[i].x = sensorTail.x + position.x;
            sensorsPos[i].y = sensorTail.y + position.y;
        }
    }

    void getSensorsInfo() {  // 更新传感器数据
        for (int i = 0; i < sensorCount; ++i) {
            if (!getCollion(position, sensorsPos[i], sensorCol[i], sensorDis[i])) {
                sensorCol[i] = sensorsPos[i];  // 传感器与障碍物交叉的位置，没有交叉则为传感器目标位置
                sensorDis[i] = sensorMax;  // 传感器与障碍之间的距离，没有交叉则为预设最大值
            }

            if (sensorDis[i] < objectSize) {
                isDead = true;  // 如果传感器道障碍的距离小于个体半径，则判断为死亡
            }
        }

        if (std::abs(position.x - targetPosition.x) < 10.f && std::abs(position.y - targetPosition.y) < 10.f) {  // 判断个体是否到达目标坐标
            isDead = true;  // 到达坐标则死亡
            ++winnerCount;  // 达到目标的个体计数器更新
            score += 10000.f;  // 到达目标加分
        }

        if (path.size() > 2) {  // 判断个体是否走了老路，通过路径记录和碰撞判断
            for (int i = 1; i < path.size() - 2; ++i) {
                if (CheckCollisionLines(path[path.size() - 1], path[path.size() - 2], path[i], path[i - 1], nullptr)) {
                    isDead = true;  // 如果和自己的运动轨迹碰撞则死亡
                    break;
                }
            }
        }

        targetDistance = std::sqrt(std::pow(position.x - targetPosition.x, 2.f) + std::pow(position.y - targetPosition.y, 2.f));  // 更新个体和目标的距离
        if (targetDistance < 1.f) {  // 为便于分数判定，需要将目标距离作为被除数
            targetDistance = 1.f;  // 如果距离小于1则为1，避免分数特别大
        }
        targetAngle = std::atan2((targetPosition.y - position.y), (targetPosition.x - position.x)) / PI * 180.f - float(int(rotation + 180.f) * 10 % 3600 - 1800) / 10.f;  // 更新个体朝向与目标的相对角度
        if (std::abs(targetAngle) < 10.f) {  // 如果相对角度小于10，则加分
            score += 1.f;
        }
    }

    object() {  // 创建个体时的初始化操作
        setSensors();  // 更新传感器位置
        getSensorsInfo();  // 更新传感器数据
    }

    void rotate(float angle) {  // 个体旋转操作
        rotation = float(int((rotation + angle * stepSize) * 10.f) % 3600) / 10.f;
        setSensors();
        getSensorsInfo();
    }

    void move(float distance) {  // 个体移动操作
        speed = distance * 30.f;  // 更新速度，用于可视化尾喷长度
        score += speed;  // 更新分数，叠加速度
        Vector2 movePos = getXY(rotation, distance * stepSize);  // 获取需要移动的相对坐标
        position.x += movePos.x;  // 更新个体坐标x
        position.y += movePos.y;  // 更新个体坐标y
        if (distance > 0.01f) {  // 如果个体移动距离太小，则判断为死亡
            path.push_back(position);
            if (distance > 0.3f) {  // 为防止可视化路径的时候宽度太小，则设置最小宽度0.3
                pathWidth.push_back(distance);
            } else {
                pathWidth.push_back(0.3f);
            }
        } else {
            isDead = true;
        }
        setSensors();  // 更新传感器位置
        getSensorsInfo();  // 更新传感器数据
    }

    void draw() {  // 绘制个体
        if (path.size() > 1) {  // 绘制个体移动路径，线条需要两个坐标
            for (int i = 1; i < path.size(); ++i) {
                DrawLineEx(path[i - 1], path[i], 1., ColorAlpha(GREEN, pathWidth[i] * 0.3f));  // 路径宽度改为路径透明度由宽度判定
            }
        }

        if (!isDead) {  // 如果个体存活则绘制传感器
            for (auto sc: sensorCol) {
                DrawLineEx(position, sc, 1, ColorAlpha(BLUE, 0.5f));
                DrawCircleV(sc, objectSize / 10.f * 3.f, ColorAlpha(RED, 0.5f));
            }
        }

        auto objColor = WHITE;  // 如果个体存活，则本体为白色，死亡为红色
        if (isDead) {
            objColor = RED;
        }

        DrawPolyLinesEx(position, 3, objectSize, rotation + 30.f, objectSize / 5.f, objColor);  // 绘制个体本体，三角形
        Vector2 headPos = getXY(rotation, objectSize);  // 获取头部坐标用于给个体头部画一根线
        DrawLineEx(position, {headPos.x + position.x, headPos.y + position.y}, 1, objColor);  // 给个体头部画一根线分辨方向

        if (!isDead) {  // 如果存活则绘制尾喷
            Vector2 tailPos = getXY(rotation + 180.f, speed);  // 获取尾喷相对位置用于绘制，长度由速度决定
            DrawLineEx(position, {tailPos.x + position.x, tailPos.y + position.y}, objectSize / 10.f * 3.f, YELLOW);
        }
    }
};

void keyControl() {  // 用户输入控制
    if (IsMouseButtonDown(0)) {  // 鼠标左键绘制障碍
        walls[walls.size() - 1].add();
    }

    if (IsMouseButtonReleased(0)) {  // 鼠标左键抬起用于添加新的障碍物列表，避免只绘制一条线
        walls.push_back(myWall{});
    }

    if (IsMouseButtonDown(1)) {  // 鼠标右键清除障碍
        walls.clear();
        walls.push_back(createScreenWall());  // 清除障碍以后先添加窗口四周的障碍
        walls.push_back(myWall{});
    }

    if (IsKeyPressed('B')) {  // B键用于设置个体出生位置
        initPosistion = GetMousePosition();
        initRotation = std::atan2(targetPosition.y - initPosistion.y, targetPosition.x - initPosistion.x) / PI * 180.f;  // 设置完出生位置后更新个体初始朝向
    }

    if (IsKeyPressed('T')) {  // T键用于设置目标位置
        targetPosition = GetMousePosition();
        initRotation = std::atan2(targetPosition.y - initPosistion.y, targetPosition.x - initPosistion.x) / PI * 180.f;  // 设置完目标位置后更新个体初始朝向
    }

    if (IsKeyPressed(KEY_SPACE)) {  // 空格键用于控制是否开始训练
        if (isStart) {
            isStart = false;
            SetTargetFPS(30);  // 没开始训练时帧率限制为30
        } else {
            isStart = true;
            SetTargetFPS(fps);
        }
    }
}

bool isBreakFunc() {  // 用于NEAT训练循环中判断是否中断
    return !isStart;
};

int main() {
    SetConfigFlags(FLAG_MSAA_4X_HINT);  // 设置抗锯齿

    InitWindow(screenWidth, screenHeight, "寻路实验");  // 初始化raylib窗口

    SetTargetFPS(30);  // 设置帧率

    walls.push_back(createScreenWall());  // 创建窗口四周障碍
    walls.push_back(myWall{});

    initRotation = std::atan2(targetPosition.y - initPosistion.y, targetPosition.x - initPosistion.x) / PI * 180.f;  // 初始化个体朝向

    auto sneat = initNeat();  // 初始化神经网络和种群

    int stepCount = 0;  // 训练迭代计数器
    std::function()> interactiveFunc = [&]() {
        ++stepCount;

        std::vector objs;  // 新建个体集容器
        for (int i = 0; i < znn::Opts.PopulationSize; ++i) {  // 塞满个体
            objs.emplace_back();
        }

        std::map populationFitness;  // 创建神经网络地址对应的适应度map

        for (int step = 0; step < frameLimit; ++step) {  // 每一代训练，基于帧数限制的循环
            keyControl();  // 用户输入控制

            if (stepCount % znn::Opts.IterationCheckPoint == 0) {  // 如果达到自动保存次数，则可视化显示
                BeginDrawing();  // 开始绘制
                ClearBackground(BLACK);  // 清空背景

                DrawCircleV(initPosistion, 10.f, GRAY);  // 绘制出生点
                DrawCircleV(targetPosition, 10.f, RED);  // 绘制目标点

                for (auto &w: walls) {  // 绘制障碍
                    w.draw();
                }
            }

            int deadCount = 0;  // 死亡个体计数器

            for (int i = 0; i < znn::Opts.PopulationSize; ++i) {  // 每个训练个体的神经网络判断输入和输出
                if (!objs[i].isDead) {  // 如果个体存活则继续
                    if ((step > 100 && objs[i].path.size() < 50) || (objs[i].path.size() > 100 && std::abs(objs[i].path[objs[i].path.size() - 1].y - objs[i].path[objs[i].path.size() - 100].y) < 3 &&
                                                                     std::abs(objs[i].path[objs[i].path.size() - 1].x - objs[i].path[objs[i].path.size() - 100].x) < 3) || objs[i].position.x < 0 ||
                        objs[i].position.x > float(screenWidth) || objs[i].position.y < 0 || objs[i].position.y > float(screenHeight)) {  // 简单判断死亡
                        objs[i].isDead = true;
                    } else {
                        std::vector perInputs;  // 准备神经网络输入数据

                        for (auto &sd: objs[i].sensorDis) {  // 输入数据放入传感器到障碍物的距离
                            perInputs.push_back(1.f - ((sd-objectSize) / (sensorMax-objectSize)));  // 距离除以传感器最大值，离得越近数值越大，同时排除个体自身尺寸，使得输入值在0-1范围
                        }
                        perInputs.push_back(objs[i].targetAngle);  // 输入数据放入个体朝向到目标的相对角度
                        perInputs.push_back(objs[i].targetDistance);  // 输入数据放入个体和目标的距离

                        std::vector nextMove = sneat.population.generation.neuralNetwork.FeedForwardPredict(&sneat.population.NeuralNetworks[i], perInputs);  // 根据输入数据计算每个神经网络的输出
                        objs[i].rotate((nextMove[0] - 0.5f) * 2.f);  // 执行输出结果的旋转操作
                        objs[i].move(nextMove[1]);  // 执行输出结果的移动操作

                        if (perInputs[(sensorCount - 1) / 2] > 0.f && nextMove[1] < 1.f) {  // 简单判断个体前方有障碍则减速的加分
                            objs[i].score += 1;
                        }
                    }
                } else {  // 如果个体死亡则更新死亡计数器
                    ++deadCount;
                }

                if (stepCount % znn::Opts.IterationCheckPoint == 0) {  // 如果达到自动保存次数，则可视化显示
                    objs[i].draw();  // 绘制个体
                }
            }

            if (stepCount % znn::Opts.IterationCheckPoint == 0) {  // 如果达到自动保存次数，则可视化显示
                DrawFPS(10, 10);  // 绘制fps
                EndDrawing();  // 单帧绘制完毕
            }

            if (deadCount == znn::Opts.PopulationSize) {  // 如果全部个体死亡则终止本代
                break;
            }
        }

        for (int i = 0; i < znn::Opts.PopulationSize; ++i) {  // 更新每个个体的适应度（得分）
            objs[i].beginDistance = std::sqrt(std::pow(objs[i].position.x - initPosistion.x, 2.f) + std::pow(objs[i].position.y - initPosistion.y, 2.f));
            populationFitness[&sneat.population.NeuralNetworks[i]] = (objs[i].beginDistance + objs[i].score * 5.f) / objs[i].targetDistance;
        }

        std::cout << "Winner: " << winnerCount << "\n";
        winnerCount = 0;  // 重置达到目标的个体计数

        return populationFitness;  // NEAT训练函数的格式
    };

    while (!WindowShouldClose()) {  // 判断窗口是否关闭
        while (!isStart) {  // 如果没开始训练，则不更新和绘制个体
            keyControl();

            BeginDrawing();

            ClearBackground(BLACK);

            DrawCircleV(initPosistion, 10.f, GRAY);
            DrawCircleV(targetPosition, 10.f, RED);

            for (auto &w: walls) {
                w.draw();
            }

            DrawFPS(10, 10);
            EndDrawing();
        }

        stepCount = 0;  // 重置训练迭代计数器

        auto best = sneat.TrainByInteractive(interactiveFunc, isBreakFunc);  // NEAT训练函数，开始训练

        printf("Pause\n");  // 如果训练循环终止，则重新开始训练
    }

    CloseWindow();   // 关闭窗口

    return 0;
}
 
  
0x04 编译
 
  
g++ -lraylib -std=c++17 -O2 main.cpp

 
  
0x05 运行
 
  
执行编译后生成的 a.out:
 
  
./a.out

 
  
0x05 用法
 
  
     
   
  1. 鼠标左键 绘制障碍
    2.  
   
  2. 鼠标右键 清除障碍
    3.  
   
  3. B 键设置个体出生位置
    4.  
   
  4. T 键设置目标位置
    5.  
   
  5. 空格键 开始/暂停训练
    6.  
  
 
  
训练开始以后可以实时用添加障碍
 
  

                            
                        
                    
                    
                    

                    
                    
                    

                
                

                    
                

            
        
    
    

        
你可能感兴趣的:(c++,神经网络)

        

            

                
    
                    
  • 【数学建模】基于matlab模拟无人车泊车问题仿真
                        matlab科研助手
数学建模matlab开发语言
                        
    ✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。个人主页：Matlab科研工作室个人信条：格物致知。更多Matlab完整代码及仿真定制内容点击智能优化算法神经网络预测雷达通信无线传感器电力系统信号处理图像处理路径规划元胞自动机无人机物理应用机器学习内容介绍无人驾驶汽车技术近年来取得了飞速发展，其中自动泊车功能是关键技术之一。本文将重点讨论无
    
                    
    • 
                    
  • C++学习：多态
                        DesolateGIS
学习
                        
    目录文章目录一、多态的基本语法二、多态的原理剖析三、纯虚函数和抽象类四、虚析构和纯虚析构五、多态的案例案例一:计算机类案例二：制作饮品总结一、多态的基本语法多态分为两类：静态多态:函数重载和运算符重载属于静态多态，复用函数名动态多态:派生类和虚函数实现运行时多态静态多态和动态多态区别：静态多态的函数地址早绑定-编译阶段确定函数地址动态多态的函数地址晚绑定-运行阶段确定函数地址程序调用的结果是动物在
    
                    
    • 
                    
  • C++学习：继承
                        DesolateGIS
学习
                        
    文章目录文章目录前言一、继承的基本语法二、继承的方式1.公共继承2.保护继承3.私有继承三、继承中的对象模型四、继承中的构造和析构顺序五、继承同名成员处理方式1.继承同名非静态成员处理方式2.继承同名静态成员处理方式总结前言x继承是一个类从另一个类获取成员变量和成员函数的过程，通过继承创建的新类称为“派生类”或“子类”，被继承的类称为“基类”或“父类”。一、继承的基本语法继承的好处：减少重复代码继
    
                    
    • 
                    
  • 数学建模：MATLAB极限学习机解决回归问题
                        DesolateGIS
数学建模数学建模matlab开发语言
                        
    一、简述极限学习机是一种用于训练单隐层前馈神经网络的算法，由输入层、隐藏层、输出层组成。基本原理：输入层接受传入的样本数据。在训练过程中随机生成从输入层到隐藏层的所有连接权重以及每个隐藏层神经元的偏置值，这些参数在整个训练过程中不会被修改。前向传播：输入数据通过已设定的权重和偏置传递给隐藏层，经过激活函数处理后产生隐藏层的输出。在得到隐藏层输出后，需找到从隐藏层到输出层的最佳权重。隐藏层到输出层的
    
                    
    • 
                    
  • C++类与对象深度解析（二）：从const 、new 、delete到函数操作符与友元函数的编程实践
                        tanyongxi66
c++开发语言
                        
    目录引言1.C++中的const、new、delete和static1.1const关键字1.1.1const变量1.1.2const成员函数1.2new和delete1.2.1动态分配单个对象1.2.2动态分配数组1.2.3注意事项1.3static关键字1.3.1静态局部变量1.3.2静态成员变量1.3.3静态成员函数2.赋值运算符重载2.1什么是赋值运算符重载？2.2赋值运算符重载的语法2.
    
                    
    • 
                    
  • 【C++ 】动态内存管理：new/delete与malloc/free的对比
                        SuhyOvO
C++C语言c++
                        
    在C++中，动态内存管理是一个至关重要的概念。它允许我们在程序运行时根据需要动态地分配和释放内存，为对象创建和销毁提供了灵活性。在C++中，我们通常会用到两对工具：new/delete和malloc/free。虽然它们都能够完成类似的任务，但在使用、安全性和灵活性方面存在显著差异。new/delete类型安全性：new和delete提供了更好的类型安全性。在使用new创建对象时，会自动调用构造函数
    
                    
    • 
                    
  • 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
    
                    
    • 
                    
  • “码农”成长记，渐渐不想「砸」电脑了
                        
程序员程序员发展
                        
    在互联网这个充满神奇与挑战的江湖里，程序员们就像是一群身怀绝技的侠客，在代码的世界里闯荡。一开始，很多程序员都觉得自己像是个“搬砖”的码农，每天对着屏幕，一行行地敲着代码，仿佛在堆砌一座看不见尽头的城堡。初入编程世界，那感觉就像掉进了一个巨大的迷宫。各种编程语言，像Python、Java、C++，就如同迷宫里错综复杂的路径，让人眼花缭乱。每一种语言都有它独特的语法规则，就好像不同门派的武功秘籍，各
    
                    
    • 
                    
  • 神经架构搜索 原理与代码实例讲解
                        AI天才研究院
DeepSeekR1&大数据AI人工智能大模型AI大模型企业级应用开发实战大厂Offer收割机面试题简历程序员读书硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLMJavaPython架构设计Agent程序员实现财富自由
                        
    神经架构搜索：原理与代码实例讲解作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着深度学习的快速发展，神经网络在各个领域取得了显著的成果。然而，设计一个高效、通用的神经网络架构仍然是一个具有挑战性的问题。手动设计网络架构需要大量的专业知识和经验，而且往往效率低下。因此，神经架构搜索（NeuralArchitectureS
    
                    
    • 
                    
  • C++（蓝桥杯常考点）
                        刃神太酷啦
蓝桥杯C++组C++数据结构
                        
    前言：这个是针对于蓝桥杯竞赛常考的C++内容，容器这些等下棋=期再讲C++在DEVC++中注释和取消注释的方法：ctrl+/ASCII值（常用的）：A-Z:65-90a-z:97-1220-9:48-57换行/n:10科学计数法：eg：1e5(表示10^5)sizeof（）是用来计算数据类型长度的，返回值是size_t(无符号整数)这个（）还是加上好，里面可以是类型，变量名和表达式里面如果是表达式
    
                    
    • 
                    
  • C++ Primer Plus 编程练习题 第二章 开始学习C++
                        MYX_309
C++PrimerPlus编程练习题c++开发语言学习
                        
    1.姓名和地址#includeusingnamespacestd;intmain(){stringname;cout>name;stringdress;cout>dress;coutusingnamespacestd;intmain(){intl;cout>l;intm=220*l;coutusingnamespacestd;voidmice(void){coutusingnamespacestd
    
                    
    • 
                    
  • 记录C++学习 8 构造函数、析构函数、继承
                        MYX_309
跟着Cherno学C++c++学习算法
                        
    构造函数它的作用是初始化该类，当创建了一个新对象实例时，构造函数确保你初始化了所有内存，做了所有你需要做的设置引出#includeclassEntity{public:floatX,Y;voidPrint(){std::coutclassEntity{public:floatX,Y;voidPrint(){std::coutclassEntity{public:floatX,Y;Entity(){
    
                    
    • 
                    
  • 青少年编程与数学 02-010 C++程序设计基础 22课题、自定义类型
                        明月看潮生
编程与数学第02阶段青少年编程c++编程与数学开发语言
                        
    青少年编程与数学02-010C++程序设计基础22课题、自定义类型一、类（Class）定义类使用类二、结构体（Struct）定义结构体使用结构体三、枚举（Enum）定义枚举使用枚举四、联合体（Union）定义联合体使用联合体五、类模板（ClassTemplate）定义类模板使用类模板六、类型别名（TypeAlias）使用`typedef`定义类型别名使用`using`定义类型别名七、异构类型（Va
    
                    
    • 
                    
  • C++---STL标准库之string函数超长解析，十大常用函数全覆盖，轻松掌握，灵活运用，全面解决string字符串难题！
                        livercy
笔记c++c语言c#算法数据结构
                        
    STL---stringstring()定义string中内容的访问string常用函数string()定义在C语言中，一般使用字符数组charstr[]来存放字符串，但是使用字符数组有时会显得操作麻烦，而且容易因经验不足而产生一些错误。为了使编程者可以更方便地对字符串进行操作，C++在STL中加入了string类型，对字符串常用的需求功能进行了封装，使得操作起来更方便，且不易出错。如果要使用st
    
                    
    • 
                    
  • VS2022 C/C++配置bits/stdc++.h算法文件
                        wh0am1·
c语言c++算法
                        
    配置bits/stdc++.h文件。路径：D:\ProgramFiles\MicrosoftVisualStudio\2022\Professional\VC\Tools\MSVC\14.37.32822\include\bits\stdc++.h//C++includesusedforprecompiling-*-C++-*-//Copyright(C)2003-2013FreeSoftware
    
                    
    • 
                    
  • NLP自然语言处理：文本表示总结 - 上篇word embedding（基于降维、基于聚类、CBOW 、Skip-gram、 NNLM 、TF-ID、GloVe ）
                        陈宸-研究僧
NLP自然语言处理
                        
    文本表示分类（基于表示方法）离散表示one-hot表示词袋模型与TF-ID分布式表示基于矩阵的表示方法降维的方法聚类的方法基于神经网络的表示方法NNLMCBOWSkip-gramGloVeELMoGPTBERT目录一、文本离散表示1.1文本离散表示：one-hot1.2文本离散表示：词袋模型与TF-IDF1.2.1词袋模型（bagofwords）1.2.2对词袋模型的改进：TF-IDF二、文本分布
    
                    
    • 
                    
  • 【WOA-CNN-LSTM】基于鲸鱼算法优化深度学习预测模型的超参数研究（Matlab代码实现）
                        然哥爱编程
深度学习cnnlstm
                        
    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1概述2运行结果3参考文献4Matlab代码实现1概述摘要：深度学习模型的超参数选择对模型的性能和泛化能力具有重要影响。本文提出了一种基于鲸鱼算法（WOA）优化长短期记忆神经网络（LSTM）模型的超参数选择方法。首先，我们介绍了LSTM模型的结构和训练过程。然后，我们
    
                    
    • 
                    
  • c++中深拷贝和浅拷贝的联系和区别
                        已是上好佳
javajvm开发语言
                        
    在C++编程里，深拷贝和浅拷贝是两种不同的对象复制方式，它们在实现方式、资源管理和适用场景等方面存在显著差异。下面为你详细介绍它们的区别。1.基本概念浅拷贝：浅拷贝仅仅复制对象的成员变量值。对于基本数据类型（如int、double等），会直接复制其值；而对于指针类型的成员变量，浅拷贝只是复制指针的值（即内存地址），这就导致多个对象会共享同一块内存空间。深拷贝：深拷贝不仅会复制对象的成员变量值，当遇
    
                    
    • 
                    
  • （一）c++调用自己编写的静态库
                        HawardScut
c-c++
                        
    c++调用自己编写的静态库1.静态库的介绍：一个静态库可以简单看成是一组目标文件（.o/.obj文件）的集合，静态库与汇编生成的目标文件一起链接为可执行文件。2.静态库的优缺点：（1）静态库对函数库的链接在编译时期完成，程序在运行时与函数库无关，移植方便。（2）所有相关的目标文件与牵涉到的函数库被链接合成一个可执行文件，浪费空间和资源。3.Demo实例：StaticMath.h#pragmaonc
    
                    
    • 
                    
  • list的模拟实现
                        Stanf up
listc++
                        
    目录一、构造和扩容机制二、普通迭代器三、const迭代器四、tip有了前面vetcor的基础呢，我们在学习和使用list上就更加的方便快捷，浅显易懂了，所以相似的部分我就不做过多的言语阐述了，在使用方面呢，大家可以学习我之前看的c++网站，和vector和string的使用都是差不多的，重点要放在list的迭代器部分一、构造和扩容机制templateclasslist{typedeflist_no
    
                    
    • 
                    
  • C++ STL ＜memory＞
                        kyle~
C++STLc++
                        
    C++标准库中的头文件提供了一组与动态内存管理相关的工具，包括智能指针、内存分配器、对象构造与销毁的辅助工具等。这些工具极大地简化了动态内存管理，并提高了代码的安全性和可维护性。1.概述主要内容头文件主要包括以下内容：智能指针：std::shared_ptr、std::unique_ptr、std::weak_ptr。内存管理工具：std::allocator、std::uninitialized
    
                    
    • 
                    
  • C++STL---＜utility＞
                        kyle~
C++STLc++开发语言
                        
    C++标准库的头文件提供了一组通用的工具函数、类型和模板，主要用于简化开发中的常见操作。1.概述主要功能库包含以下内容：类型辅助工具：如std::pair、std::tuple的支持。移动语义支持：如std::move和std::forward。交换操作：如std::swap。类型特性：如std::declval。其他工具：如std::make_pair、std::exchange等。头文件#in
    
                    
    • 
                    
  • Rust语言基础知识详解【一】
                        学习两年半的Javaer
rustrust开发语言
                        
    1.在windows上安装RustWindows上安装Rust需要有C++环境，以下为安装的两种方式：1.x86_64-pc-windows-msvc（官方推荐）先安装MicrosoftC++BuildTools，勾选安装C++环境即可。安装时可自行修改缓存路径与安装路径，避免占用过多C盘空间。准备好C++环境后开始安装Rust：在RUSTUP-INIT下载系统相对应的Rust安装程序，一路默认即
    
                    
    • 
                    
  • 性能巅峰对决：Rust vs C++ —— 速度、安全与权衡的艺术
                        m0_74825172
面试学习路线阿里巴巴rustc++算法
                        
    ??关注，带你探索Java的奥秘！????超萌技术攻略，轻松晋级编程高手！????技术宝库已备好，就等你来挖掘！????订阅，智趣学习不孤单！????即刻启航，编程之旅更有趣！??在高性能计算的世界里，Rust与C++无疑是两位顶尖选手，它们各自拥有独特的魅力和强大的性能表现。本文将带你深入探讨这两门语言的性能对决，剖析它们的适用场景与背后的技术权衡，通过实例代码和详尽注解，为你揭示选择它们的智慧
    
                    
    • 
                    
  • 反向传播（Backpropagation）直觉理解
                        忍者算法
算法机器学习人工智能深度学习
                        
    反向传播（Backpropagation）直觉理解1.为什么要有反向传播？想象你在练习投篮，目标是让篮球进框。但你一开始投的方向可能偏左、偏右，或者力道过大、过小。每次投篮后，你会观察球偏离篮筐的情况，并调整投篮方式，让下次投得更准。神经网络的学习过程就像练习投篮：投篮→神经网络做出预测观察偏差（进没进）→计算误差调整投篮方式→调整神经网络的参数但问题是：你怎么知道该往哪个方向调整？你怎么知道该调
    
                    
    • 
                    
  • 使用PyQt5进行TCP和UDP通信及串口开发：C++实现详解
                        m0_57781768
qttcp/ipudp
                        
    使用PyQt5进行TCP和UDP通信及串口开发：C++实现详解引言在现代网络通信中，TCP（传输控制协议）和UDP（用户数据报协议）是两种最常用的传输层协议。TCP提供可靠的、面向连接的服务，而UDP则提供无连接的、不可靠的数据传输服务。PyQt5是一个非常流行的Python图形用户界面（GUI）框架，它不仅支持创建丰富的用户界面，还能用于网络通信和串口通信的开发。本文将详细介绍如何使用PyQt5
    
                    
    • 
                    
  • 在 Ubuntu 下使用 rabbitmq-c 库进行 RabbitMQ 消息收发的完整示例代码如下
                        追心嵌入式
ubunturabbitmqc语言
                        
    在Ubuntu下使用rabbitmq-c库进行RabbitMQ消息收发的完整示例代码如下。这个示例将包括声明队列、绑定路由键、发送消息、消费消息等步骤，并且会包含错误处理。安装rabbitmq-c库首先确保已经安装了rabbitmq-c库。可以通过以下命令在Ubuntu上安装：sudoapt-getinstalllibrabbitmq-dev示例代码以下是一个简单的C++程序，展示了如何使用rab
    
                    
    • 
                    
  • C++之，我是如何解决数据处理与算法难题的
                        一杯年华@编程空间
C++实战c++算法开发语言
                        
    C++之，我是如何解决数据处理与算法难题的在C++编程的世界里，我经历了无数次与代码“斗智斗勇”的过程，其中数据处理和算法应用方面的问题让我印象尤为深刻。今天，就和大家分享一下我在这方面遇到的挑战以及解决问题的方法。在一个数据处理项目中，我需要对大量的数值数据进行各种运算。例如，有一个包含员工绩效得分的数组，我需要计算这些得分的总和、平均值，还需要根据不同的权重计算加权总和，并且对数组进行一些变换
    
                    
    • 
                    
  • sftp通信攻关——qt环境下使用c++实现
                        KyloChen
c++QT通信sftpssh2qtc++
                        
    最近涉及到sftp通信编码。上传测试代码记录一下。头文件：#ifndefSFTPMANAGER_H#defineSFTPMANAGER_H#ifdefWIN32#include"libssh2/win32/libssh2_config.h"#endif#include#include#include#include#include#include#ifdefWIN32#include#includ
    
                    
    • 
                    
  • 在Qt中使用SmtpClient发送邮件
                        我啥都会
Qt开发C++qt开发语言发送邮件
                        
    前言邮件发送功能是一个非常常规的功能，Qt中貌似没有提供直接发送邮件的库，基于此，本文介绍一个发送邮件的库，用起来还不错。下载下载：在Qt中发送邮件的库。-C++文档类资源-CSDN下载发送邮件的库发送邮件的库发送邮件的库发送邮件的库发送邮件的库发送邮件的库发送邮件的库发送邮件的库发送更多下载资源、学习资料请访问CSDN下载频道.https://download.csdn.net/download
    
                    
    • 
                                
  • 桌面上有多个球在同时运动，怎么实现球之间不交叉，即碰撞？
                                    换个号韩国红果果
html小球碰撞
                                    
    稍微想了一下，然后解决了很多bug，最后终于把它实现了。其实原理很简单。在每改变一个小球的x y坐标后，遍历整个在dom树中的其他小球，看一下它们与当前小球的距离是否小于球半径的两倍？若小于说明下一次绘制该小球（设为a）前要把他的方向变为原来相反方向（与a要碰撞的小球设为b），即假如当前小球的距离小于球半径的两倍的话，马上改变当前小球方向。那么下一次绘制也是先绘制b，再绘制a，由于a的方向已经改变
    
                                
    • 
                                
  • 《高性能HTML5》读后整理的Web性能优化内容
                                    白糖_
html5
                                    
     
 读后感 
 
        先说说《高性能HTML5》这本书的读后感吧，个人觉得这本书前两章跟书的标题完全搭不上关系，或者说只能算是讲解了“高性能”这三个字，HTML5完全不见踪影。个人觉得作者应该首先把HTML5的大菜拿出来讲一讲，再去分析性能优化的内容，这样才会有吸引力。因为只是在线试读，没有机会看后面的内容，所以不胡乱评价了。 
  
    
                                
    • 
                                
  • [JShop]Spring MVC的RequestContextHolder使用误区
                                    dinguangx
jeeshop商城系统jshop电商系统
                                    
        在spring mvc中，为了随时都能取到当前请求的request对象，可以通过RequestContextHolder的静态方法getRequestAttributes()获取Request相关的变量，如request, response等。         在jshop中，对RequestContextHolder的
    
                                
    • 
                                
  • 算法之时间复杂度
                                    周凡杨
java算法时间复杂度效率
                                    
          在 
计算机科学 中， 
算法 的时间复杂度是一个 
函数 ，它定量描述了该算法的运行时间。这是一个关于代表算法输入值的 
字符串 的长度的函数。时间复杂度常用 
大O符号 表述，不包括这个函数的低阶项和首项系数。使用这种方式时，时间复杂度可被称为是 
渐近 的，它考察当输入值大小趋近无穷时的情况。 
这样用大写O()来体现算法时间复杂度的记法，
    
                                
    • 
                                
  • Java事务处理
                                    g21121
java
                                    
    一、什么是Java事务 通常的观念认为，事务仅与数据库相关。 事务必须服从ISO/IEC所制定的ACID原则。ACID是原子性（atomicity）、一致性（consistency）、隔离性（isolation）和持久性（durability）的缩写。事务的原子性表示事务执行过程中的任何失败都将导致事务所做的任何修改失效。一致性表示当事务执行失败时，所有被该事务影响的数据都应该恢复到事务执行前的状
    
                                
    • 
                                
  • Linux awk命令详解
                                    510888780
linux
                                    
    一.  AWK 说明 
  awk是一种编程语言，用于在linux/unix下对文本和数据进行处理。数据可以来自标准输入、一个或多个文件，或其它命令的输出。它支持用户自定义函数和动态正则表达式等先进功能，是linux/unix下的一个强大编程工具。它在命令行中使用，但更多是作为脚本来使用。 
 
   awk的处理文本和数据的方式：它逐行扫描文件，从第一行到
    
                                
    • 
                                
  • android permission
                                    布衣凌宇
Permission
                                    
    <uses-permission android:name="android.permission.ACCESS_CHECKIN_PROPERTIES" ></uses-permission>允许读写访问"properties"表在checkin数据库中，改值可以修改上传 
<uses-permission android:na
    
                                
    • 
                                
  • Oracle和谷歌Java Android官司将推迟
                                    aijuans
javaoracle
                                    
    北京时间 10 月 7 日，据国外媒体报道，Oracle 和谷歌之间一场等待已久的官司可能会推迟至 10 月 17 日以后进行，这场官司的内容是 Android 操作系统所谓的 Java 专利权之争。本案法官 William Alsup 称根据专利权专家 Florian Mueller 的预测，谷歌 Oracle 案很可能会被推迟。　　该案中的第二波辩护被安排在 10 月 17 日出庭，从目前看来
    
                                
    • 
                                
  • linux shell 常用命令
                                    antlove
linuxshellcommand
                                    
    grep [options] [regex] [files] 
/var/root # grep -n "o" *                                                       
hello.c:1:/* This C source can be compiled with:                            
    
                                
    • 
                                
  • Java解析XML配置数据库连接(DOM技术连接 SAX技术连接)
                                    百合不是茶
sax技术Java解析xml文档dom技术XML配置数据库连接
                                    
        XML配置数据库文件的连接其实是个很简单的问题,为什么到现在才写出来主要是昨天在网上看了别人写的,然后一直陷入其中,最后发现不能自拔 所以今天决定自己完成 ,,,,现将代码与思路贴出来供大家一起学习 
  
XML配置数据库的连接主要技术点的博客; 
JDBC编程 : JDBC连接数据库 
DOM解析XML:  DOM解析XML文件 
SA
    
                                
    • 
                                
  • underscore.js 学习（二）
                                    bijian1013
JavaScriptunderscore
                                    
            Array Functions 所有数组函数对参数对象一样适用。1.first   _.first(array, [n])   别名: head, take       返回array的第一个元素，设置了参数n，就
    
                                
    • 
                                
  • plSql介绍
                                    bijian1013
oracle数据库plsql
                                    
    /*
 * PL/SQL 程序设计学习笔记
 * 学习plSql介绍.pdf
 * 时间：2010-10-05
*/

--创建DEPT表
create table DEPT
(
  DEPTNO NUMBER(10),
  DNAME  NVARCHAR2(255),
  LOC    NVARCHAR2(255)
)

delete dept;

select 
    
                                
    • 
                                
  • 【Nginx一】Nginx安装与总体介绍
                                    bit1129
nginx
                                    
    启动、停止、重新加载Nginx 
nginx            启动Nginx服务器，不需要任何参数u
nginx -s stop    快速(强制)关系Nginx服务器
nginx -s quit    优雅的关闭Nginx服务器
nginx -s reload  重新加载Nginx服务器的配置文件
nginx -s reopen  重新打开Nginx日志文件 
  
 

    
                                
    • 
                                
  • spring mvc开发中浏览器兼容的奇怪问题
                                    bitray
jqueryAjaxspringMVC浏览器上传文件
                                    
        最近个人开发一个小的OA项目,属于复习阶段.使用的技术主要是spring mvc作为前端框架,mybatis作为数据库持久化技术.前台使用jquery和一些jquery的插件. 
    在开发到中间阶段时候发现自己好像忽略了一个小问题,整个项目一直在firefox下测试,没有在IE下测试,不确定是否会出现兼容问题.由于jquer
    
                                
    • 
                                
  • Lua的io库函数列表
                                    ronin47
lua io
                                    
    1、io表调用方式：使用io表，io.open将返回指定文件的描述，并且所有的操作将围绕这个文件描述 
　　io表同样提供三种预定义的文件描述io.stdin,io.stdout,io.stderr 
　　2、文件句柄直接调用方式,即使用file:XXX()函数方式进行操作,其中file为io.open()返回的文件句柄 
　　多数I/O函数调用失败时返回nil加错误信息,有些函数成功时返回nil
    
                                
    • 
                                
  • java-26-左旋转字符串
                                    bylijinnan
java
                                    
    
public class LeftRotateString {

	/**
	 * Q 26 左旋转字符串
	 * 题目：定义字符串的左旋转操作：把字符串前面的若干个字符移动到字符串的尾部。
	 * 如把字符串abcdef左旋转2位得到字符串cdefab。
	 * 请实现字符串左旋转的函数。要求时间对长度为n的字符串操作的复杂度为O(n)，辅助内存为O(1)。
	 */
	pu
    
                                
    • 
                                
  • 《vi中的替换艺术》-linux命令五分钟系列之十一
                                    cfyme
linux命令
                                    
    vi方面的内容不知道分类到哪里好，就放到《Linux命令五分钟系列》里吧！ 
今天编程，关于栈的一个小例子，其间我需要把”S.”替换为”S->”(替换不包括双引号)。 
其实这个不难，不过我觉得应该总结一下vi里的替换技术了，以备以后查阅。 
  
1 
所有替换方案都要在冒号“:”状态下书写。 
2 
如果想将abc替换为xyz，那么就这样 
:s/abc/xyz/ 
不过要特别
    
                                
    • 
                                
  • [轨道与计算]新的并行计算架构
                                    comsci
并行计算
                                    
     
 
     我在进行流程引擎循环反馈试验的过程中，发现一个有趣的事情。。。如果我们在流程图的每个节点中嵌入一个双向循环代码段，而整个流程中又充满着很多并行路由，每个并行路由中又包含着一些并行节点，那么当整个流程图开始循环反馈过程的时候，这个流程图的运行过程是否变成一个并行计算的架构呢？ 
 
     
    
                                
    • 
                                
  • 重复执行某段代码
                                    dai_lm
android
                                    
    用handler就可以了 
 

private Handler handler = new Handler();

private Runnable runnable = new Runnable() {
	public void run() {
		update();
		handler.postDelayed(this, 5000);
	}
};
 
开始计时 
 

h
    
                                
    • 
                                
  • Java实现堆栈（list实现）
                                    datageek
数据结构——堆栈
                                    
    public interface IStack<T> {
    //元素出栈，并返回出栈元素
    public T pop();
    //元素入栈
    public void push(T element);
    //获取栈顶元素
    public T peek();
    //判断栈是否为空
    public boolean isEmpty
    
                                
    • 
                                
  • 四大备份MySql数据库方法及可能遇到的问题
                                    dcj3sjt126com
DBbackup
                                    
    一：通过备份王等软件进行备份前台进不去？ 
用备份王等软件进行备份是大多老站长的选择，这种方法方便快捷，只要上传备份软件到空间一步步操作就可以，但是许多刚接触备份王软件的客用户来说还原后会出现一个问题：因为新老空间数据库用户名和密码不统一，网站文件打包过来后因没有修改连接文件，还原数据库是好了，可是前台会提示数据库连接错误，网站从而出现打不开的情况。 
解决方法：学会修改网站配置文件，大多是由co
    
                                
    • 
                                
  • github做webhooks：[1]钩子触发是否成功测试
                                    dcj3sjt126com
githubgitwebhook
                                    
    转自: http://jingyan.baidu.com/article/5d6edee228c88899ebdeec47.html 
github和svn一样有钩子的功能，而且更加强大。例如我做的是最常见的push操作触发的钩子操作，则每次更新之后的钩子操作记录都会在github的控制板可以看到！       
工具/原料  
 
   github   
     
方法/步骤  
 
   
    
                                
    • 
                                
  • ">的作用" target="_blank">JSP中的作用
                                    蕃薯耀

                                    
    JSP中<base href="<%=basePath%>">的作用 
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> 

    
                                
    • 
                                
  • linux下SAMBA服务安装与配置
                                    hanqunfeng
linux
                                    
    局域网使用的文件共享服务。 
一.安装包： 
rpm -qa | grep samba 
samba-3.6.9-151.el6.x86_64 
samba-common-3.6.9-151.el6.x86_64 
samba-winbind-3.6.9-151.el6.x86_64 
samba-client-3.6.9-151.el6.x86_64 
samba-winbind-clients
    
                                
    • 
                                
  • guava cache
                                    IXHONG
cache
                                    
    缓存，在我们日常开发中是必不可少的一种解决性能问题的方法。简单的说，cache 就是为了提升系统性能而开辟的一块内存空间。 
　　缓存的主要作用是暂时在内存中保存业务系统的数据处理结果，并且等待下次访问使用。在日常开发的很多场合，由于受限于硬盘IO的性能或者我们自身业务系统的数据处理和获取可能非常费时，当我们发现我们的系统这个数据请求量很大的时候，频繁的IO和频繁的逻辑处理会导致硬盘和CPU资源的
    
                                
    • 
                                
  • Query的开始--全局变量,noconflict和兼容各种js的初始化方法
                                    kvhur
JavaScriptjquerycss
                                    
    这个是整个jQuery代码的开始，里面包含了对不同环境的js进行的处理，例如普通环境，Nodejs，和requiredJs的处理方法。   还有jQuery生成$, jQuery全局变量的代码和noConflict代码详解    完整资源： 
http://www.gbtags.com/gb/share/5640.htm   jQuery 源码：          
 
  (
    
                                
    • 
                                
  • 美国人的福利和中国人的储蓄
                                    nannan408

                                    
       今天看了篇文章，震动很大，说的是美国的福利。 
   美国医院的无偿入院真的是个好措施。小小的改善，对于社会是大大的信心。小孩，税费等，政府不收反补，真的体现了人文主义。 
   美国这么高的社会保障会不会使人变懒？答案是否定的。正因为政府解决了后顾之忧，人们才得以倾尽精力去做一些有创造力，更造福社会的事情，这竟成了美国社会思想、人
    
                                
    • 
                                
  • N阶行列式计算(JAVA)
                                    qiuwanchi
N阶行列式计算
                                    
    package gaodai;

import java.util.List;

/**
 * N阶行列式计算
 * @author 邱万迟
 *
 */
public class DeterminantCalculation {
	
	public DeterminantCalculation(List<List<Double>> determina
    
                                
    • 
                                
  • C语言算法之打渔晒网问题
                                    qiufeihu
c算法
                                    
    如果一个渔夫从2011年1月1日开始每三天打一次渔，两天晒一次网，编程实现当输入2011年1月1日以后任意一天，输出该渔夫是在打渔还是在晒网。 
代码如下： 
  
#include <stdio.h>
int leap(int a)  /*自定义函数leap()用来指定输入的年份是否为闰年*/
{
	if((a%4 == 0 && a%100 != 0
    
                                
    • 
                                
  • XML中DOCTYPE字段的解析
                                    wyzuomumu
xml
                                    
    DTD声明始终以!DOCTYPE开头,空一格后跟着文档根元素的名称,如果是内部DTD,则再空一格出现[],在中括号中是文档类型定义的内容. 而对于外部DTD,则又分为私有DTD与公共DTD,私有DTD使用SYSTEM表示,接着是外部DTD的URL. 而公共DTD则使用PUBLIC,接着是DTD公共名称,接着是DTD的URL. 
  
私有DTD 
<!DOCTYPErootSYST
    
                                
    •