当前位置: 首页 > news >正文

SCI1区TOP:自适应学习粒子群算法SLPSO,深度解析+性能实测

目录

    • 1.摘要
    • 2.改进策略
    • 3.自适应学习粒子群算法
    • 4.结果展示
    • 5.参考文献
    • 6.获取代码


1.摘要

粒子群算法(PSO)是一种基于种群的随机搜索方法,广泛应用于科学和工程领域的连续空间优化问题,并已证明其高效性和有效性。许多实际问题的往往未知,因此依赖试错法寻找最合适PSO变体会导致较高的计算成本。本文提出了一种自适应学习粒子群算法(SLPSO),SLPSO结合了四种不同的PSO搜索策略,并通过概率模型描述每种策略被选择以更新粒子的概率,该模型能够根据策略在过去几代中的表现,自动调整用来提升搜索效率和优化结果。

2.改进策略

基于差分速度更新策略(DbV)

在许多速度更新策略中,PSO生成的速度向量通常被视为对旧速度向量的适度修改,受邻域粒子影响。这种方法导致其难以快速适应病态问题的不同优化阶段。因此, 采用差分进化策略(DE/current-to-rand/1):
U i d ← X i d + K × ( X k d − X i d ) + F × ( X j d − X h d ) U_{i}^{d}\leftarrow X_{i}^{d}+K\times\left(X_{k}^{d}-X_{i}^{d}\right)+F\times\left(X_{j}^{d}-X_{h}^{d}\right) UidXid+K×(XkdXid)+F×(XjdXhd)
受DE/current-to-rand/1策略的启发,DbV策略通过完全基于差异信息重新组合速度,避免了逐步调整速度的方式。与DE/current-to-rand/1不同,DbV不仅利用差异信息来更新速度向量,还将pbest作为吸引子,指导粒子的飞行方向:
V i a d i d ← X k d − X j d , c = N ( 0.5 , 0.2 ) . V i d ← c × V i a d i d + c × ( p b e s t i d − X i d ) . V i d = min ⁡ ( V max ⁡ d , max ⁡ ( V i d , V min ⁡ d ) ) , \begin{aligned} & Viad_i^d\leftarrow X_k^d-X_j^d, \\ & c=N(0.5,0.2). \\ & V_i^d\leftarrow c\times Viad_i^d+c\times\left(pbest_i^d-X_i^d\right). \\ & V_i^d=\min\left(V_{\max}^d,\max\left(V_i^d,V_{\min}^d\right)\right), \end{aligned} ViadidXkdXjd,c=N(0.5,0.2).Vidc×Viadid+c×(pbestidXid).Vid=min(Vmaxd,max(Vid,Vmind)),

基于估计速度更新策略(EbV)

PSO的一个显著特点是其较高的收敛速度,但全局精英 g b e s t gbest gbest的使用会对整个种群产生强烈的影响 ,容易导致搜索过程陷入局部最优解。在复杂的多峰问题中,PSO算法通常在初期表现出快速的收敛速度,但这种收敛仅持续几个世代,随后便会被困于局部最优解。估计分布算法(EDA)是一种基于模型的优化方法,EDA的更新操作通过学习个体分布的概率模型来调整整个种群的分布。本文提出了一种速度更新策略,基于三个位置的局部分布估计进一步提升搜索效率:
C = ( D − 1 ) N ( 0 , 1 ) D + C ( 0 , 1 ) D . V i d ← ( m e a n i d − X i d ) + C 3 ( p b e s t i d − m e a n i d ) 2 + ( X i d − m e a n i d ) 2 + ( X k d − m e a n i d ) 2 . V i d = min ⁡ ( V max ⁡ d , max ⁡ ( V i d , V min ⁡ d ) ) , \begin{aligned} \mathcal{C}= & \frac{(D-1)N(0,1)}{D}+\frac{\mathcal{C}(0,1)}{D}. \\ V_{i}^{d}\leftarrow & \left(mean_{i}^{d}-X_{i}^{d}\right)+\frac{\mathcal{C}}{\sqrt{3}}\sqrt{\left(pbest_{i}^{d}-mean_{i}^{d}\right)^{2}+\left(X_{i}^{d}-mean_{i}^{d}\right)^{2}+\left(X_{k}^{d}-mean_{i}^{d}\right)^{2}}. \\ V_{i}^{d}= & \min\left(V_{\max}^{d},\max\left(V_{i}^{d},V_{\min}^{d}\right)\right), \end{aligned} C=VidVid=D(D1)N(0,1)+DC(0,1).(meanidXid)+3 C(pbestidmeanid)2+(Xidmeanid)2+(Xkdmeanid)2 .min(Vmaxd,max(Vid,Vmind)),

CLPSO and PSO-CL-pbest

在CLPSO中,每个粒子每个分量的速度都有可能受到其他粒子 p b e s t pbest pbest的影响。这种策略促进了种群的多样性,从而能够有效解决多峰问题。
V i d ← w × V i d + c × r a n d i d × ( p b e s t f i ( d ) d − X i d ) . V i d = min ⁡ ( V max ⁡ d , max ⁡ ( V i d , V min ⁡ d ) ) , \begin{aligned} & V_{i}^{d}\leftarrow w\times V_{i}^{d}+c\times rand_{i}^{d}\times\left(pbest_{f_{i}(d)}^{d}-X_{i}^{d}\right). \\ & V_{i}^{d}=\min\left(V_{\max}^{d},\max\left(V_{i}^{d},V_{\min}^{d}\right)\right), \end{aligned} Vidw×Vid+c×randid×(pbestfi(d)dXid).Vid=min(Vmaxd,max(Vid,Vmind)),

CLPSO在大多数问题中具有非常大的搜索范围,本文提出了一种新的变种——PSO-CL-pbest,该变种在相对较小的区域内进行搜索:
V i d ← w × V i d + 0.5 × c × r a n d i × ( p b e s t f i ( d ) d − X i d + p b e s t i d − X i d ) . V i d = min ⁡ ( V max ⁡ d , max ⁡ ( V i d , V min ⁡ d ) ) . \begin{aligned} V_{i}^{d} & \leftarrow w\times V_{i}^{d}+0.5\times c\times rand_{i}\times\left(pbest_{f_{i}(d)}^{d}-X_{i}^{d}+pbest_{i}^{d}-X_{i}^{d}\right). \\ V_{i}^{d} & =\min\left(V_{\max}^{d},\max\left(V_{i}^{d},V_{\min}^{d}\right)\right). \end{aligned} VidVidw×Vid+0.5×c×randi×(pbestfi(d)dXid+pbestidXid).=min(Vmaxd,max(Vid,Vmind)).

3.自适应学习粒子群算法

在SLPSO中,每个策略都有一个执行概率 p r o S T R i proSTR_i proSTRi,用于确定第 i i i个策略在更新粒子时被选中的概率。初始时,所有策略的执行概率相等(0.25),并且四个策略的累加器 S i S_i Si都初始化为0。在每一代中,粒子会根据适应度值进行排序,然后为每个粒子分配一个权重:
w j = l o g ( p s − j + 1 ) l o g ( 1 ) + ⋯ + l o g ( p s ) w_j=\frac{log(ps-j+1)}{log(1)+\cdots+log(ps)} wj=log(1)++log(ps)log(psj+1)
这些权重会被加到与其对应的更新策略的累加器中。经过一定数量的代数(Gs)后,通过一定的规则更新每个更新策略的执行概率,以动态调整策略的使用频率:
p r o S T R j ′ = ( 1 − α ) p r o S T R j + α S j G s , p r o S T R j = p r o S T R j ′ / ( p r o S T R 1 ′ + ⋯ + p r o S T R 4 ′ ) , \begin{aligned} & proSTR_{j}^{\prime}=(1-\alpha)proSTR_{j}+\alpha\frac{S_{j}}{Gs}, \\ & proSTR_{j}=proSTR_{j}^{\prime}/(proSTR_{1}^{\prime}+\cdots+proSTR_{4}^{\prime}), \end{aligned} proSTRj=(1α)proSTRj+αGsSj,proSTRj=proSTRj/(proSTR1++proSTR4),

伪代码

4.结果展示

5.参考文献

[1] Wang Y, Li B, Weise T, et al. Self-adaptive learning based particle swarm optimization[J]. Information Sciences, 2011, 181(20): 4515-4538.

6.获取代码

相关文章:

SCI1区TOP:自适应学习粒子群算法SLPSO,深度解析+性能实测

目录 1.摘要2.改进策略3.自适应学习粒子群算法4.结果展示5.参考文献6.获取代码 1.摘要 粒子群算法(PSO)是一种基于种群的随机搜索方法,广泛应用于科学和工程领域的连续空间优化问题,并已证明其高效性和有效性。许多实际问题的往往…...

迷你世界脚本显示板管理接口:DisPlayBoard

显示板管理接口:DisPlayBoard 迷你世界 更新时间: 2023-04-26 10:21:14 具体函数名及描述如下: 序号 函数名 函数描述 1 showBoard(...) 对玩家显示显示板 2 hideBoard(...) 对玩家隐藏显示板 3 setBoardPicture 对玩家设置显示板的图片…...

如何使用 LLM 生成的术语自动在搜索应用程序上构建 autocomplete 功能

作者:来自 Elastic Michael Supangkat 了解如何在 Elastic Cloud 中,通过使用 LLM 生成的词汇,为搜索应用增强自动补全功能,实现更智能、更动态的搜索建议。 自动补全是搜索应用中的一项关键功能,它通过在用户输入时实…...

电路基础:【1】PN结二极管制作电桥点亮LED灯

第一章:PN结二极管制作电桥点亮LED灯 文章目录 第一章:PN结二极管制作电桥点亮LED灯前言一、电路原理二、电路图与元器件1.电路图 做实验总结 前言 在本章中,我们将探讨如何通过PN结二极管制作电桥电路,并利用该电路点亮LED灯。L…...

蓝桥与力扣刷题(蓝桥 门牌制作)

题目:小蓝要为一条街的住户制作门牌号。 这条街一共有 2020 位住户,门牌号从 1 到 2020编号。 小蓝制作门牌的方法是先制作 0 到 9 这几个数字字符,最后根据需要将字符粘贴到门牌上,例如门牌 1017 需要依次粘贴字符 1、0、1、7&…...

unity console日志双击响应事件扩展

1 对于项目中一些比较长的日志,比如前后端交互协议具体数据等,这些日志内容可能会比较长,在unity控制面板上查看不是十分方便,我们可以对双击事件进行扩展,将日志保存到一个文本中,然后用系统默认的文本查看…...

基于Django创建一个WEB后端框架(DjangoRestFramework+MySQL)流程

一、Django项目初始化 1.创建Django项目 Django-admin startproject 项目名 2.安装 djangorestframework pip install djangorestframework 解释: Django REST Framework (DRF) 是基于 Django 框架的一个强大的 Web API 框架,提供了多种工具和库来构建 RESTf…...

unittest框架 核心知识的系统复习及与pytest的对比

1. unittest 介绍 是什么:Python 标准库自带的单元测试框架,遵循 xUnit 架构(类似Java的JUnit)。 核心概念: TestCase:测试用例的基类,所有测试类需继承它。 TestSuite:测试套件&a…...

嵌入式硬件设计SPI时需要注意什么?

嵌入式硬件设计SPI时需要注意什么? 1. 硬件设计注意事项 关键点注意事项1. 信号完整性- 缩短SCK、MOSI、MISO的走线长度,避免反射干扰。- 使用屏蔽线或差分信号(高速场景)。- 阻抗匹配(特别是高频信号,如50Ω端接)。2. 电源与地线- 电源去耦:每个SPI芯片的VCC附近放置0…...

vscode远程ssh链接服务器

前提:安装并配置好 ssh 服务,并且远程主机和本地主机在同一个局域网。 降级到1.85.2版本并禁用自动更新,因为最新的vscode不支持remote SSH。 【VS Code】VS Code不再支持remote SSH 1.在vscode 扩展中搜索Remote - SSH,下载安装扩展 2.点击 远程资源管理…...

97k倍区间

97k倍区间 ⭐️难度:中等 🌟考点:暴力,2017省赛 📖 📚 import java.util.Scanner;public class Main {static int N 100010;public static void main(String[] args) {Scanner sc new Scanner(System.…...

绝美焦糖暖色调复古风景画面Lr调色教程,手机滤镜PS+Lightroom预设下载!

调色教程 通过 Lr 软件丰富的工具和功能,对风景照片在色彩、影调等方面进行调整。例如利用基本参数调整选项,精准控制照片亮度、对比度、色温、色调等基础要素;运用 HSL 面板可对不同色彩的色相、饱和度以及明亮度进行单独调节;利…...

双王炸爆单,问界M8、M9怎么选?

文 | AUTO芯球 作者 | 雷慢 问界M8一小时小订7500台, 新问界M9一小时订单3800台。 余承东这次直接把一对王炸打了出来, 来看这对大小王, 问界M8预售价36.8万到45.8万, 问界M9预售价47.8万到57.8万, 这两款车&…...

【自学笔记】OpenStack基础知识点总览-持续更新

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 OpenStack基础知识点总览一、OpenStack概述1.1 OpenStack起源1.2 OpenStack的目标与优势1.3 OpenStack的常见核心项目 二、OpenStack的节点类型2.1 控制节点2.2 网络…...

同步 Fork 仓库的命令

同步 Fork 仓库的命令 要将您 fork 的仓库的 main 分支与原始仓库(fork 源)同步,您可以使用以下命令: 首先,确保您已经添加了原始仓库作为远程仓库(如果尚未添加): git remote add…...

2025-03-04 学习记录--C/C++-C语言 判断是否是素数

合抱之木&#xff0c;生于毫末&#xff1b;九层之台&#xff0c;起于累土&#xff1b;千里之行&#xff0c;始于足下。&#x1f4aa;&#x1f3fb; C语言 判断是否是素数 一、代码 ⭐️ #include <stdio.h> #include <stdbool.h> // 使用 bool 类型// 判断是否是…...

1、CI/CD 平台安装部署(Gitlab+Jenkins)

CI/CD 平台安装部署 安装部署Gitlab安装Gitlab添加组、创建用户、创建项目 Jenkins 安装Maven 安装和配置Tomcat 安装和配置Jenkins 构建 Maven 项目自由风格项目构建 什么是CI/CD&#xff1f; 通俗来说就是启动一个服务&#xff0c;能够监听代码变化&#xff0c;然后自动执行构…...

数据集路径出错.yaml‘ images not found , missing path

方法一&#xff1a;删除settings.yaml 方法二&#xff1a;dataset_name.yaml改用绝对路径&#xff0c;如最后一张图 错误分析&#xff1a; dataset_name.yaml中的path的路径仅支持绝对路径&#xff0c;写相对路径就会搜索不到&#xff0c;使用settings.json中的路径&#xff0…...

零基础学习Python 之类(Class)和实例(Instance)_我的学习Python记录12

零基础学习Python 之类&#xff08;Class&#xff09;和实例&#xff08;Instance&#xff09;_我的学习Python记录12 目录 什么是类和实例&#xff1f;类的作用如何定义类&#xff1f;如何创建实例&#xff1f;类的属性和方法 属性方法 实际案例 案例 1&#xff1a;学生信息…...

Map<String,Object>转换为XML报文的方法

1. 使用 JAXB (Java Architecture for XML Binding) JAXB 是 Java 标准库的一部分&#xff0c;支持将 Java 对象与 XML 相互转换。虽然 JAXB 主要用于将 Java 对象转换为 XML&#xff0c;但可以通过一些技巧将 Map<String, Object> 转换为 XML。 示例代码 import java…...

Linux:如何安装虚拟机

Linux&#xff1a;如何安装虚拟机 第一步首先打开阿里巴巴开源镜像网站然后点击相应要下载链接 选择自己需要的 这个是完整版 这个是联网进行安装系统 这个是基础版只有命令行界面 这里我选择下载基础版 下载好打开vmwareworkstation 开始安装...

HTML 编辑器推荐与 VS Code 使用教程

在进行 HTML 编程时&#xff0c;选择一款合适的 HTML 编辑器能极大地提高开发效率。以下为大家推荐几款常用且功能强大的 HTML 编辑器&#xff0c;同时详细介绍如何使用 VS Code 创建和预览 HTML 文件。 一、HTML 编辑器推荐 VS Code&#xff1a;由微软开发&#xff0c;是一款…...

Python的Pandas和matplotlib库:让数据可视化贼简单

在数据爆炸的时代&#xff0c;数据可视化已成为数据分析的关键环节。Python 作为强大的编程语言&#xff0c;拥有众多用于数据可视化的库&#xff0c;而 pandas 库在其中扮演着重要角色。它不仅能高效处理和分析数据&#xff0c;还具备强大的数据可视化功能&#xff0c;让我们轻…...

私有云基础架构与运维(二)

二.私有云基础架构 【项目概述】 经过云计算基础知识及核心技术的学习后&#xff0c;希望进一步了解 IT 基础架构的演变过 程&#xff0c;通过学习传统架构、集群架构以及私有云基础架构的相关知识&#xff0c;认识企业从传统 IT 基 础架构到私有云基础架构转型的必要性。…...

Java Maven 项目问题:org.dom4j:dom4j:pom:2.1.3 failed to transfer from...

问题与处理策略 问题描述 IDEA 中打开一个 Java 项目&#xff0c;使用 Maven 构建时&#xff0c;报如下错误 org.dom4j:dom4j:pom:2.1.3 failed to transfer from https://repo.maven.apache.org/maven2 during a previous attempt. This failure was cached in the local r…...

DeepSeek group-limited expert routing和负载均衡

Ref https://github.com/deepseek-ai/DeepSeek-V3/blob/main/inference/model.py GitHub - deepseek-ai/EPLB: Expert Parallelism Load Balancer DeepSeek-V3 Technical Report DeepSeek的路由方法 class Gate(nn.Module):def __init__(self, args: ModelArgs):super().__…...

nvidia驱动升级-ubuntu 1804

升级 1.从官网下载*.run驱动文件 2.卸载原始驱动 sudo /usr/bin/nvidia-uninstall sudo apt-get --purge remove nvidia-\* # 可能不需要加-\ sudo apt-get purge nvidia-\* # 可能不需要加-\ sudo apt-get purge libnvidia-\* # 可能不需要…...

金融合规测试:金融系统稳健运行的“定海神针“

一、什么是金融合规测试&#xff1f; 金融行业是受监管最严格的领域之一&#xff0c;各国政府和监管机构&#xff08;如中国人民银行、银保监会、证监会、美国SEC、欧盟ESMA等&#xff09;都制定了严格的法律法规&#xff0c;要求金融机构确保系统安全、交易透明、公平竞争&am…...

[Windows] 多系统键鼠共享工具 轻松跨系统控制多台电脑

参考原文&#xff1a;[Windows] 多系统键鼠共享工具 轻松跨系统控制多台电脑 还在为多台电脑需要多套键盘鼠标而烦恼吗&#xff1f;是不是在操控 Windows、macOS、Linux 不同系统电脑时手忙脚乱&#xff1f;现在&#xff0c;这些问题通通能解决&#xff01;Deskflow 软件闪亮登…...

vue3 组合式API:透传 Attributes(v-bing与:)—setup() 上下文对象ctx.attrs

一、概念及举例说明透传 attribute与模板语法中的Attribute(v-bind) 透传 attribute:传递给一个组件没有通过 props 与 emits 的attribute或者v-on事件监听(常见的:calss、style、id) 举例:当一个组件以单个元素为根元素渲染时,透传 attribute 会自动被添加到根元素上 …...

记录一次利用条件索引优化接口性能的实践

一、业务背景 某表数据量达到4000w&#xff0c;需要每天定时任务处理20w条。前2周内SQL执行无任何问题&#xff0c;非常快&#xff0c;效率比较高。随着处理完的数据量变大&#xff0c;处理完数据状态设置为1&#xff0c;SQL执行效率越来越差&#xff0c;已经达到了惊人的4.6秒…...

Anaconda 部署 DeepSeek

可以通过 Anaconda 环境部署 DeepSeek 模型&#xff0c;但需结合 PyTorch 或 TensorFlow 等深度学习框架&#xff0c;并手动配置依赖项。 一、Anaconda 部署 DeepSeek 1. 创建并激活 Conda 环境 conda create -n deepseek python3.10 # 推荐 Python 3.8-3.10 conda activate…...

MATLAB中lookAheadBoundary函数用法

目录 语法 说明 示例 匹配指定模式之前的位置 匹配指定模式之前的边界以外的边界 lookAheadBoundary函数的功能是匹配指定模式之前的边界。 语法 newpat lookAheadBoundary(pat) 说明 newpat lookAheadBoundary(pat) 创建匹配 pat 的开头的模式。结果中不包含 pat 匹…...

Unity HDR颜色、基础颜色、强度强度、HDR面板Intensity之间的相互转换

目录 前言&#xff1a; 一、UnityHDR面板的规律 二、HDR与基础颜色转换&#xff0c;HDR强度获取&#xff0c;输入设置强度获取 1.基础色->HDR颜色 2.HDR颜色->基础色 3.获取HDR颜色在面板中的强度 4.获取HDR颜色在面板设置输入时的强度 前言&#xff1a; HDR&#…...

nvm 让 Node.js 版本切换更灵活

有很多小伙伴前端开发进程中&#xff0c;我们常常会遇到不同项目依赖不同版本 Node.js 的情况。我们不可能去卸载重新安装适应的版本去安装依赖或者启动项目。为了避免版本冲突带来的一系列麻烦&#xff0c;在这里给大家推荐一款Node.js 版本管理工具——nvm&#xff08;Node V…...

微机惊魂记

春天午后的阳光懒洋洋地洒在教学楼的走廊上&#xff0c;我跟着同学们排着队往四楼的微机教室走去。楼梯间的窗户开着&#xff0c;飘进来阵阵樱花的香气&#xff0c;让人昏昏欲睡。 微机教室在一栋普通的五层教学楼里&#xff0c;墙壁刷着淡绿色的漆&#xff0c;墙角还有些剥落…...

Windows下安装VMware Workstation 17并设置支持MacOS

VMware Workstation 17 介绍 VMware Workstation 17 是 VMware 公司推出的一款强大的桌面虚拟化软件&#xff0c;适用于 Windows 、 Linux 和FreeBSD等操作系统。它允许用户在单一物理计算机上创建、运行和管理多个虚拟机&#xff08;VM&#xff09;&#xff0c;每个虚拟机都可…...

[MySQL初阶]MySQL(5)内置函数详解

标题&#xff1a;[MySQL初阶]MySQL&#xff08;5&#xff09;内置函数详解 水墨不写bug 文章目录 一、日期函数1. current_date()2. current_time()3. current_timestamp()4. date(datetime)5. date_add(date, interval expr unit)6. date_sub(date, interval expr unit)7. dat…...

Linux下安装elasticsearch(Elasticsearch 7.17.23)

Elasticsearch 是一个分布式的搜索和分析引擎&#xff0c;能够以近乎实时的速度存储、搜索和分析大量数据。它被广泛应用于日志分析、全文搜索、应用程序监控等场景。 本文将带你一步步在 Linux 系统上安装 Elasticsearch 7.17.23 版本&#xff0c;并完成基本的配置&#xff0…...

华为云 | 快速搭建DeepSeek推理系统

DeepSeek&#xff08;深度求索&#xff09;作为一款国产AI大模型&#xff0c;凭借其高性能、低成本和多模态融合能力&#xff0c;在人工智能领域崛起&#xff0c;并在多个行业中展现出广泛的应用潜力。 如上所示&#xff0c;在华为云解决方案实践中&#xff0c;华为云提供的快速…...

宠物医院台账怎么做,兽医电子处方单模板打印样式,佳易王兽医兽药开方宠物病历填写打印操作教程

一、概述 本实例以佳易王兽医宠物电子处方开单系统版本为例说明&#xff0c;其他版本可参考本实例。试用版软件资源可到文章最后了解&#xff0c;下载的文件为压缩包文件&#xff0c;请使用免费版的解压工具解压即可试用。 软件特点&#xff1a; 多场景处方兼容性针对宠物医…...

STM32之DMA

Flash是主闪存&#xff0c;下载程序的地方&#xff0c;系统存储器出厂自动写入&#xff0c;不许修改。系统存储器是存储Bootloader&#xff0c;选项字节存的是flash的读保护&#xff0c;写保护&#xff0c;还有看门狗等。运行内存SRAM存的临时变量&#xff0c;也就是程序中定义…...

用低代码平台集成人工智能:无需专业开发也能实现智能化

引言&#xff1a;人工智能的普及与企业需求 随着人工智能&#xff08;AI&#xff09;技术的飞速发展&#xff0c;越来越多的企业开始意识到其在提升运营效率、优化客户体验和推动业务创新方面的巨大潜力。从智能客服到自动化决策支持&#xff0c;从数据分析到个性化推荐&#x…...

UI自动化:利用百度ocr识别解决图形验证码登录问题

相信大家在做自动化测试过程中都遇到过图形验证码的问题&#xff0c;最近我也是遇到了&#xff0c;网上搜了很多方法&#xff0c;最简单的方法无非就是去掉图形验证码或者设置一个万能验证码&#xff0c;但是这个都需要开发来帮忙解决&#xff0c;对于我们这种自学的人来说就不…...

1236 - 二分查找

题目描述 请在一个有序递增数组中&#xff08;不存在相同元素&#xff09;&#xff0c;采用二分查找&#xff0c;找出值 xx 的位置&#xff0c;如果 xx 在数组中不存在&#xff0c;请输出 -1 &#xff01; 输入 第一行&#xff0c;一个整数 nn &#xff0c;代表数组元素个数…...

MARL零样本协调之Fictitious Co-Play学习笔记

下列引用来自知乎作者Algernon 知乎link FCP作为ZSC领域两阶段训练方法的开创者 论文《Collaborating with Humans without Human Data》来自 NeurIPS 2021。这篇论文提出 Fictitious Co-Play (FCP) 来解决 ZSC 问题。论文认为&#xff0c;ZSC 的第一个重要问题是对称性&#x…...

设计模式 + java8方法引用 实现任意表的过滤器

会用到下面2个依赖&#xff0c;原因是在今天的案例中&#xff0c;我想在我代码中使用上Entity::getFieldName 这种形式 LambdaQueryWrapper<ApplicationDashboard> queryWrapper new LambdaQueryWrapper<>(); queryWrapper.eq(ApplicationDashboard::getAppCode,…...

thingsboard edge 在windows 环境下的配置

按照官方文档&#xff1a;Installing ThingsBoard Edge on Windows | ThingsBoard Edge&#xff0c;配置好java环境和PostgreSQL。 下载对应的windows 环境下的tb-edge安装包。下载附件 接下来操作具体如下 步骤1&#xff0c;需要先在thingsboard 服务上开启edge 权限 步骤2…...

OpenAI Whisper:开启语音转文本的智能时代

在人工智能技术飞速发展的今天,OpenAI推出的Whisper语音识别系统正悄然改变着人类与机器的交互方式。作为一款开源的AI驱动语音转文本工具,Whisper凭借其跨语言能力、高精度识别和灵活的生态系统,成为开发者和普通用户共同追捧的技术标杆。 核心技术与突破 Whisper基于深度…...

OpenHarmony4.0_Linux环境搭建

查看链接&#xff1a;OpenHarmony4.0_Linux环境搭建https://www.yuque.com/xinzaigeek/jishu/fs9msruqhd5nhw4i...