粒子群算法的Python实现。除此之外，还有这些算法的集合：差分进化算法、遗传算法、粒子群算法、模拟退火算法、蚁群算法、免疫优化算法、鱼群算法
2022-03-16 00:05:01
55KB
1
Python：花了好久才写完的拉格朗日差值法和牛顿差商法的实现
文章目录首先简述一下拉格朗日算法的公式和思想其次，我们来看看什么是牛顿差值方法，差商表又是如何构造的呢？
首先简述一下拉格朗日算法的公式和思想
首先拉格朗日差值公式如下：
那么这个公式的思想是什么呢？
1.得到的差值计算式必须穿过所有的已知的节点。（已知节点必须互异：即已知点不重合）
2.当x=xi，对应的某一项系数必须为1，而其他项的系数均为0，此时结果为yi。
3.通过1和2的思想去构造系数因子，可以得到如下结果：
4.将得到的xi…xn与对应的yi…yn相乘得到最终的拉格朗日差值公式。
算法实现的角度考虑，如何对系数因
2022-03-11 14:52:10
208KB
1
Elements of Programming Interviews in Python The Insiders Guide.pdf
Elements of Programming Interviews in Python The Insiders Guide.pdf
Elements of Programming Interviews in Python The Insiders Guide.pdf
Elements of Programming Interviews in Python The Insiders Guide.pdf
2022-03-03 13:40:18
196.12MB
1
如下所示：
#!/usr/bin/python2.6
# -*- coding: utf-8 -*-
import time
class Node(object):
def __init__(self):
self.children = None
# The encode of word is UTF-8
def add_word(root,word):
node = root
for i in range(len(word)):
if node.children == None:
node.children = {}
node.chil
2022-03-01 10:49:08
52KB
1
Python有一随机函数可以产生[0,1)区间内的随机数，但是如果我们想生成随机分布在单位圆上的，那么我们可以首先生成随机分布在单位圆边上的点，然后随机调整每个点距离原点的距离，但是我们发现这个距离不是均匀分布于[0,1]的，而是与扇形的面积相关的
我们使用另外的随机函数生成从[0,1)的随机数r，我们发现r<s0的概率为s0，显而易见，如果r为0，那么对应的距离应该为0，如果是1，对应的距离自然也应该是1，假设我们产生了m个随机数，那么小于s0的随机数应该为s0*m左右，而且这些应该对应于扇形面积的s0倍处即图2的小扇形区域，落在这一区域的点应该为s0*m，此时扇形边长为s0^0.5,因此
2022-02-28 20:49:08
250KB
1
本文实例讲述了Python实现将n个点均匀地分布在球面上的方法。分享给大家供大家参考。具体分析如下：
最近工作上遇到一个需求，将10000左右个点均匀地分布在一个球面上。所谓的均匀，即相邻的两个点之间的距离尽量一致。
我的算法是用基于正多面体剖分球面，我选的是正八面体。
1. 效果图如下：
2.sphere.py代码如下
#!/usr/bin/python
# -*- coding: utf-8 -*-
import math
class Spherical(object):
'''球坐标系'''
def __init__(self, radial = 1.0, polar = 0
2022-02-28 15:45:22
182KB
1