湘潭大学软件工程算法设计与分析考试复习笔记(一)

文章目录

  • 前言
  • 随机类(第七章)
    • 随机
      • 概述
      • 数值随机化
      • 舍伍德
      • 拉斯维加斯
      • 蒙特卡罗
    • 模拟退火
    • 遗传
    • 人工神经网络
  • 回溯(第五章)
  • 动态规划(第四章)
  • 后记

前言

在这里插入图片描述
考试还剩十一天,现在准备开始复习这门课了。好像全是大题。

考试占比百分之五十,之前的课题占三十分,实验十五分,平时成绩五分。我感觉我课题给自己算二十五分,实验是 87*0.15=13 分,平时我都去上课了,没缺勤,算五分,这儿有四十三分了。所以这门课应该还是很容易过的。这次我的目标是想稍微考高点儿。

我记得之前在 csdn 上面看到过之前的回忆的期末题,但是不记得关键字是啥了,之后要是找到了会贴在评论区。有时候有些东西确实没记录或者收藏下来,真就找不到了,“记住什么,这辈子就有什么”,哈哈哈。

第一个题型是对算法的理解。随机类算法,回溯算法,动态规划算法,背后的原理和数学机理,数学机理我感觉是被生造的词哈哈哈。十分。今天就先复习这个题型。

感觉还是优先看课件吧,教材太学术,太新了,我喜欢旧一点的东西,那些时间给我带来确认和归属感。太新的东西给我一种不安全感。

回溯和动态规划好说,课件第四章和第五章是专门讲这两个算法的。随机类算法是啥呢?

查了一下,就是第七章的概率算法,包括随机算法,遗传算法,模拟退火算法,人工神经网络。模拟退火算法之前做过一次实验,虽然是直接理解这个源代码的。湘潭大学软件工程算法设计与分析实验-模拟退火算法

随机类(第七章)

在这里复习第一个题型,主要是复习基本的原理,那么应该能大概知道就行了。什么时间复杂度,空间复杂度,具体的代码实现,这个题型应该都不用管。当然在复习这个的时候把这些全弄清楚肯定好一些,就是太累了一点。

每个小节一二十页课件,其实还好。

想起来有个朋友说,他准备把学习通上面的网课全部看一遍,非常谨慎,我在考虑我要不要也看一遍,但是我看一遍可能也没啥用,可能看不懂,纠结。

随机

概述

随机算法可能以较小的概率出错,我感觉差不多了,感觉大概率正确在很多场景下都够用了,只有一些不容出错的场景不太适用,比如说什么导弹发射,医院电力控制(不能断电,断电了呼吸机啥的医疗仪器不能用了,出问题了就)

小概率事件在我的生活中发生的确实挺少的,比如买彩票七个数字我一般一个数字都不中。

概述只是一个大概的了解,应该不会考。

数值随机化

线性同余算法的公式是这样的
在这里插入图片描述
哈哈会不会就是考这个,之前数据结构就是考第一个函数二分函数,估计是想把难度降低一些。算法考试会不会刻意把难度降低一些呢?

具体的代码我暂时不看,主要是看不懂。

用这种面积或者求积分算面积,然后尝试足够多次,要是印象没出错的话,这应该就是几何概型求概率,算面积的比值就好了。比较简单。

再后面的好像是古典概型。好像不是,是抽取随机数字,但是这个随机数字之前不能被抽到过。
在这里插入图片描述

这里是说从 n 个元素里面抽取 m 个元素,我理解的没错的话,m 比较大,超过所有元素的一半的时候就把一些元素直接舍弃掉,也就是不一个一个抽取,舍弃掉之后直接全选。

彻底理解位运算——左移、右移:简单来说就是,左移就是乘,右移就是除,2 的某次方。这个我用的比较少,差点忘了。每次写代码的时候担心写错,我每次都是直接写除以 2 ,而不是写 >>1 ,我还是太谨慎了。这里的代码感觉就是用了一个生成随机数函数,其他的都比较直观。

舍伍德

在这里插入图片描述
课件里面这块应该是说 O(n^2) ,应该是格式问题没有正确显示。

好像不看代码完全理解不了算法的意思。前面的数值随机化可能也还要看代码重新理解一下。

消除最坏情形行为和特定实例之间的关联性,这句话不知道是啥意思。xtu oj 聚会:这里代码前面有一个快速排序模板,我没看明白这快速排序和舍伍德之间的关系是啥。

后面的也看不懂。

拉斯维加斯

拉斯维加斯算法有可能找不到解,所以使用倔强算法,我感觉就是用一种方法做不到一件事情的时候,再坚持坚持,倔强倔强。还不行可能就真不行了哈哈。

倔强算法就是只要没有找到需要的解,就一直用原来的算法继续寻找。

拉斯维加斯解决 n 后问题比较暴力,感觉比较难找到需要的解,太随机了。直接生成答案,我感觉难度就相当于在键盘上随便敲,没有逻辑地敲出世界名著的几百万字的这种难度。

回忆一下什么是 n 后问题,就是每一行,每一列,每条斜线都只能有一个皇后。

蒙特卡罗

建议读者主要还是看课件复习,看我的博客还是图一乐,该博客主要是一个陪伴作用,让读者知道有人也在努力地准备这个期末考试。因为博客里面会加入一些我的个人理解,然后会损失一些课件里面的重要信息。

所以就是所有的随机算法调用的次数越多,重复的次数越多,效果越好。

偏真算法:我感觉就是,假设我和朋友在核对一次测试的答案,我和朋友说这个题的答案我很确定是这个,那这个答案基本就是这个,假设我说不确定这个答案是这个,那么这个题答案可能是我写的答案,也可能不是这个,也就是课件里面的“有可能产生错误的解”。关键在于我能不能正确判断自己对答案的掌握程度。

主元素就是一个数组里面出现次数超过一半的元素。随机算法比顺序算法更好的一点就是有可能更快找到答案。顺序找可能要全部遍历一遍才能找到答案。随机算法可能一次就找到答案了。

后面的都看不懂,应该是废了。

下面的内容明天继续复习。

模拟退火

遗传

人工神经网络

回溯(第五章)

动态规划(第四章)

后记

这个我会每天更新,一直到 26 号晚上 22:00, 每天 22:00 更新一篇,记录自己这一天的复习过程哈哈哈。最后使尽全力还是 60 出头,70 出头就有点无奈了。哎。

今天复习的内容有点少了,感觉把课件完整看一遍都是问题了。还要做人机交互实验,争取下周五把人机交互实验做完。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.xdnf.cn/news/18375.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

Win11专业版Docker安装、配置记录

零,系统环境配置 首先,安装Docker需要系统支持开启硬件虚拟化及Hyper-V功能,所以这里需要Win10/11的专业版,这样才能进行Docker for Windows软件安装。 1,硬件虚拟化 至于如何开启硬件虚拟化,自行百度即…

【Android】线程池的初见

引言 在Android当中根据用途分为主线程与子线程,主线程当中主要处理与界面相关的操作,子线程主要进行耗时操作。除了Thread本身以外,在Android当中还有很多扮演者线程的角色,比如AsyncTask( 底层为线程池,…

春秋云镜-2022网鼎杯

flag1 进入网站,发现是wordpress,这种一般都不会有啥直接漏洞,应该是插件漏洞,或者弱口令 fscan扫描ip 好像没扫出啥东西 wp-login进入后台 爆破密码,弱口令admin,123456,之前lazysysadmin好…

js ResizeObserver API

一、ResizeObserver 是什么 ResizeObserver 是一个浏览器提供的 JavaScript API,用于监测一个元素的大小变化。它可以帮助开发者在元素的宽度或高度发生改变时执行某些操作,比如调整布局、重新渲染内容等。 二、Resize Observer和监听resize的区别及其…

《探索Zynq MPSoC》学习笔记(三)

引言:本文简要介绍FPGA器件技术发展以及当今FPGA器件的体系架构和特性。 第二章 FPGA、Zynq和Zynq MPSoC(2) 在本章涵盖的三种器件类型中,FPGA是建立时间最长的,也是Zynq和Zynq MPSoC器件PL元件的基础。因此&#xf…

支持用户注册和登录、发布动态、点赞、评论、私信等功能的社交媒体平台创建!!!

需要整体源代码的可以在我的代码仓下载https://gitcode.com/speaking_me/social-media-platformTest.git 社交媒体平台 描述:社交媒体平台需要支持用户注册、发布动态、点赞、评论、私信等功能。 技术栈: 前端:React, Angular, Vue.js后端…

跨平台WPF框架Avalonia教程 十五

ListBox 列表框 列表框从元素源集合中显示多行元素,并允许选择单个或多个。 列表中的元素可以组合、绑定和模板化。 列表的高度会扩展以适应所有元素,除非特别设置(使用高度属性),或由容器控件设置,例如…

STL之mapset续|红黑树篇

STL之map&set续|红黑树篇 红黑树红黑树的规则红黑树的模拟实现 map&set的模拟实现封装map/set关于红黑树的复用红黑树模板参数set的const迭代器问题 红黑树 红黑树也是一种搜索二叉树,它通过颜色和规则控制树上没有一条路径会比其他路径长两倍,…

三、计算机视觉_03LeNet5及手势识别案例

1 LeNet-5基本介绍 LeNet-5是一种经典的卷积神经网络(CNN)架构,由Yann LeCun在1998年提出,用于手写数字识别,LeNet-5是卷积神经网络的开创性工作之一,它引入了卷积层、池化层和全连接层的组合,为…

【论文模型复现】深度学习、地质流体识别、交叉学科融合?什么情况,让我们来看看

文献:蓝茜茜,张逸伦,康志宏.基于深度学习的复杂储层流体性质测井识别——以车排子油田某井区为例[J].科学技术与工程,2020,20(29):11923-11930. 本文目录 一、前言二、文献阅读-基于深度学习的复杂储层流体性质测井识别2.1 摘要2.2 当前研究不足2.3 本文创新2.4 论文…

Uni-APP+Vue3+鸿蒙 开发菜鸟流程

参考文档 文档中心 运行和发行 | uni-app官网 AppGallery Connect DCloud开发者中心 环境要求 Vue3jdk 17 Java Downloads | Oracle 中国 【鸿蒙开发工具内置jdk17,本地不使用17会报jdk版本不一致问题】 开发工具 HBuilderDevEco Studio【目前只下载这一个就…

Unity-Editor扩展Odin + 自定义EditorWindow记录

没有上下文,可能你不知道这是什么(关于Odin Inspector) 在写一个 Odin 插件的完整文章,卡了三天,之后会放出 使用Unity的人之中 1/10 可能会使用Editor扩展,而这之中的又1/10的 人可能会用Odin这个Editor的附加扩展 -…

FIFO系列 - FIFO使用中需要注意的若干问题

FIFO使用中需要注意的若干问题 文章目录 FIFO使用中需要注意的若干问题前言场景1:包数据FIFO设计之冗余法场景2、FIFO数据传输之流控总结前言 场景1:包数据FIFO设计之冗余法 场景:类似图像、文字等码流数据是不需要重复被访问的,因此使用FIFO进行缓存(如果需要被存储,一…

计算机毕业设计 | springboot+vue大学城水电管理系统 校园学校物业水电管理(附源码+文档)

1,绪论 1.1 研究背景 随着计算机技术的发展以及计算机网络的逐渐普及,互联网成为人们查找信息的重要场所,二十一世纪是信息的时代,所以信息的管理显得特别重要。因此,使用计算机来管理大学城水电管理系统的相关信息成…

5-对象的访问权限

对象的访问权限知识点 对象的分类 在数据库中,数据库的表、索引、视图、缺省值、规则、触发器等等、都可以被称为数据库对象,其中对象主要分为两类 1、模式(schema)对象:模式对象可以理解为一个存储目录、包含视图、索引、数据类型、函数和…

药方新解:Spring Boot中药实验管理系统设计

3系统分析 3.1可行性分析 通过对本中药实验管理系统实行的目的初步调查和分析,提出可行性方案并对其一一进行论证。我们在这里主要从技术可行性、经济可行性、操作可行性等方面进行分析。 3.1.1技术可行性 本中药实验管理系统采用SSM框架,JAVA作为开发语…

动态规划-完全背包问题——279.完全平方数

1.题目解析 题目来源 279.完全平方数——力扣 测试用例 2.算法原理 1.状态表示 完全背包问题通常都是使用一个二维数组来表示其状态,这里是 dp[i][j]:在[1,i]区间选择平方数,当此时已选择平方数的总和完全等于j时所选择的最小平方数个数 …

二叉树的层序遍历

一、题目 给定一个二叉树,返回该二叉树层序遍历的结果,(从左到右,一层一层地遍历) 例如: 给定的二叉树是{3,9,20,null,null,15,7}, 该二叉树层序遍历的结果是 [[3],[9,20],[15,7]] 二、解决方案 2.0 树…

模型训练过程的显存占用实测

依赖项说明 pip install nvitop pip install timm pip install peft后续的显存占用数据截图,均基于nvitop命令实现 1、模型显存占用说明 1.1 理论占用值 在 一文讲明白大模型显存占用(只考虑单卡)与大模型显存占用分析都对模型训练过程中…

后端分层解耦

引入 在上篇所举的例子中,我们将所有的代码均放在HelloControl方法之中,这样会导致代码的复用性、可读性较差,难以维护。因此我们需 三层架构 在之前的代码中,代码大体可以分为三部分:数据访问、数据逻辑处理、响应数…