各种启发式方法很复杂，当时一般不需要自己手动实现，python中找到GeatPy是个还不错的包，geatpy 是 Python 中的一个进化算法库，专门用于解决复杂的优化问题。它基于遗传算法和进化策略，提供了一个高效、灵活的工具集，用于处理各种优化问题。本文以TSP问题为基础，介绍面向过程，这种最基本也是最直观的想法来介绍库中的基本API。 一、问题描述TSP问题需要从起始点出发，经过每个点一次，

对于图的基础认识和问题描述，进而给出基本的图遍历求解问题的思路 0x01 对于图的基本认识对于数据结构的存储无非就是“增删改查”，所以对于图（Graph）的认识也可以从这个角度出发。 不过与基本的数组和链表不同的是，数组作为顺序存储、链表作为链接存储更多的是代表计算机存储的一种方式，是更为适合计算理解而对人类不友好的；图作为一个存在日常生活中的数据结构，可以很容易的被人理解，但是往往在计算机存储中

堆栈 Stack是一种线性表数据，只允许在表的一端进行插入（push）和删除（pop）操作。堆栈的好处在于操作时间为线性的。因此可以极大的提供效率。最基本的题目是《T20 有效的大括号》，而在其中更加复杂的是单调栈： 单调栈（Monotone stack）：一种特殊的栈，在先进先出的基础上，要求从top到bottom的元素是单调的（单调递增 or 单调递减） 0x01 理解单调栈维护一个单调

回顾说明是基于树的集成学习，同时给出基本的随机森林和Adaboost解释，以及GBDT的两种工程实现XGboost和lightGBM的介绍，并用实际的Kaggle例子解释使用。 0x01 树（Tree）与集成学习（Ensemble learning）1.1 什么是决策树在之前的文章已经提到过 决策树CART与手撕代码，决策树是一类基于分治思想的非参数的机器学习方法。通过自上而下的树形拆分对数据进行

重新回顾二分查找必要的细节 0x01 算法想法二分查找（Binary search algorithm），是在数组章节第一次体会到算法精神的算法。其基本思想是：先确定待查元素的范围，之后以某种方式缩小范围，直到到达某种条件为支。很while 其基本的算法思想是“减而治之”，和分而治之类似，但是更加的巧妙的是在于如何减小问题的规模或者排除问题。二分查找算法流程为： 每次查找从数组的中间元素开始，如

这次详细介绍一下transformer框架，以及潜在的想法。在我心中这个是和Alexnet一样的文章。主要从基于RNN的encoder-decoder缺陷中引入attention，并从并行的角度完全引入attention。在第二章介绍attention的机制，在第三章介绍相关的论文细节。在第四章介绍基于torch的实现过程。参考了很多文章！ 0x01 从RNN到Attention的Encoder-

相比较MLP和CNN，RNN结构仿佛尤其的神秘。相比较更加直观的可视化，实现端到端的输出，包含隐藏状态（Hidden state）的时序建模方式对于RNN代码的理解真是尤其的困难。虽然Torch为我们提供封装好函数，但是我更加希望去探索其封装借口背后的结构，来提高自己的理解能力。 0x01 缘起相比较MLP和CNN，RNN结构仿佛尤其的神秘。相比较更加直观的可视化，实现端到端的输出，包含隐藏状态（

openAI的gym中提供了很多封装好的环境，在此基础上我们可以使用其来跑通深度强化学习的代码，但是更多的时候我们希望调用算法来解决一个实际问题，因此尝试为定制化的问题转换成为MDP六元组《变量、状态、动作、奖励、状态转移、终止条件》后编程为可以交互的环境即可。本文介绍学习gymnasium和stable- baseline3的学习思路并手动实现一个MyCar的环境。 0x01 巨人的肩膀 ：调库

行为流派01_智能体与搜索blog.tjdata.site/posts/9c6b1465.html 根据CS188《Intro to AI》来对搜索策略进行一定的总结 0x01 智能体在人工智能中，核心问题是创建一个理性的智能体(Rational agent)，是一个实体通过一些系列的动作(Actions)来实现目标或者是喜好(Goal or perferences),它存在于

在研究生使用半年的Macbook Air（2020M1）之后由于存储、屏幕等原因，转向具有诸多优点的MacbookPro14（2021），在深度磨合半年之后介绍这台设备的优点。从工业设计、外部接口、硬件配置、屏幕素质介绍使用感受，并从文件处理、知识管理、系统工具、娱乐角度介绍软件资源，最后给出文件管理和待办管理的工作流。 本文主要介绍2021款MacBook Pro 14inch, 具体的参数规格