Cherry的博客

C语言基础实例

算法设计与分析，C语言

【解析】结构化程序主要由3种基本控制结构组成，顺序结构是最基本的算法结构，当执行由这些语句构成的程序时，将按这些语句在程序中的先后顺序逐条执行，没有分支，没有转移，没有步骤之间的相互约束，没有对某一步骤的多次使用，完全按照步骤的原有次序依次执行，B选项叙述正确。【解析】C编译程序把文件后缀为C的源程序文件编译成文件后缀为.obj的二进制文件，链接将一个或多个目标文件与程序用到的库文件连接起来，形成一个可以在操作系统直接运行的执行程序.exe，故排除B、C、D项，答案选择A选项。故选项A、D说法正确。

群智能优化算法，北极熊算法

部分算法解释全局最优适应度值寻优结果完整代码# -*- coding:utf-8 -*-import numpy as npimport matplotlib.pyplot as pltimport mathdef getweight(): # print("
") # print(" ========== func ============= ") ...

灰狼优化算法的Ackley函数的Python实现

FWA 是一种新型群体智能(Swarm Intelligence, SI)优化算法，对于待求解的优化问题 minf(x)∈Rmin f(x)∈Rminf(x)∈R， x∈Ωx∈Ωx∈Ω 采用 FWA 算法求解该优化问题，具体步骤 如下：① 种群初始化。在特定解空间中随机产生一 些烟花，每一个烟花个体 xix_ixi​代表解空间中的一个解， 即 xi∈Ωx_i∈Ωxi​∈Ω。② 计算适应度值。对初始种群中的每一个烟 花个体 xixixi根据适应度函数 f(x)f(x)f(x)计算适应度值 f(xi)f(x

import numpy as npimport dataimport readimport evaimport matplotlib.pyplot as pltimport showimport mathimport datetimestart = datetime.datetime.now()def distance(X,Y): '''计算两个样本之间的距离 ''' # print("X:",X) # print(len(X)) # print

有问题欢迎和我联系，加微信下图import numpy as npimport pandas as pdfrom sklearn.svm import SVRfrom sklearn.metrics import mean_absolute_error, mean_squared_errorimport matplotlib.pyplot as pltimport datetimestart = datetime.datetime.now()df = pd.read_csv("./dat

机器学习之径向基神经网络RBFNN训练import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom sklearn.cluster import KMeansimport evaimport datetimestart = datetime.datetime.now()def tanh(x): return (np.exp(x)-np.exp(-x))/(np.exp(x)+np.exp(-x)