目录 IE级别认证考试 NA和NP级别认证考试

通过环境温度，湿度，土壤湿度，光照强度预测农作物需水量

好资源，齐分享。是NA到NP到IE是实验的最佳选择，有实验才有效果

遗传算法是进化算法的一种，算法的核心思想是通过选择（算子）、重组（交叉算子）和变异（算子）这三种基本遗传操作来实现优化问题的求解。流水车间调度问题（FSP）是与城市不对称情况下的旅行商问题难度相当的同一类型的NP完全问题中最困难的问题之一。在多数情况下很难用数学方法求解生产调度问题，数学计算和智能算法的结合往往是有效的。本文着重介绍利用遗传算法求解基本的流水车间问题，如何通过选择、交叉、变异等操作求解FSP的最优解，并求解出最优解收敛图、平均值收敛图以及画出相应的及其甘特图。

数通行业，通信行业，华为网络工程师

算法分析的实验。 顶点覆盖问题属于NP问题，因此要找到G的一个最小顶点覆盖可能是很困难的，但是要找到一个近似最优顶点覆盖却不是太困难。下面为近似算法以无向图G作为输入，并且计算G的近似顶点覆盖，可以保证计算出的近似最优顶点覆盖的大小不会超过最小顶点覆盖大小的2倍。

计算复杂性理论经典教材，Garey&Johnson

这里汇集了浙江大学一些同学的算法，列表如下： 几何\ 多边形 多边形切割 浮点函数 几何公式 面积 球面 三角形 三维几何 凸包(graham) 网格(pick) 圆 整数函数 注意 结构\ 并查集 并查集扩展(friend_enemy) 堆(binary) 堆(mapped) 矩形切割 线段树 线段树扩展 线段树应用 子段和 子阵和 其他\ 大数(整数类封装) 分数 矩阵 线性方程组(gauss) 日期 线性相关 数论\ 阶乘最后非零位 模线性方程(组) 质数表 质数随机判定(miller_rabin) 质因数分解 最大公约数欧拉函数 数值计算\ 定积分计算(Romberg) 多项式求根(牛顿法) 周期性方程(追赶法) 图论_NP搜索\ 最大团(n小于64) 最大团 图论_连通性\ 无向图关键边(dfs邻接阵形式) 无向图关键点(dfs邻接阵形式) 无向图块(bfs邻接阵形式) 无向图连通分支(bfs邻接阵形式) 无向图连通分支(dfs邻接阵形式) 有向图强连通分支(bfs邻接阵形式) 有向图强连通分支(dfs邻接阵形式) 有向图最小点基(邻接阵形式) 图论_匹配\ 二分图最大匹配(hungary邻接表形式) 二分图最大匹配(hungary邻接阵形式) 二分图最大匹配(hungary邻接表形式,邻接阵接口) 二分图最大匹配(hungary正向表形式) 二分图最佳匹配(kuhn_munkras邻接阵形式) 一般图最大匹配(邻接表形式) 一般图最大匹配(邻接阵形式) 一般图最大匹配(正向表形式) 一般图匹配(邻接表形式,邻接阵接口) 图论_网络流\ 上下界最大流(邻接阵形式) 上下界最小流(邻接阵形式) 上下界最大流(邻接表形式) 上下界最小流(邻接表形式) 最大流(邻接阵形式) 最大流(邻接表形式) 最大流(邻接表形式,邻接阵接口) 最大流无流量(邻接阵形式) 最小费用最大流(邻接阵形式) 图论_应用\ 欧拉回路(邻接阵形式) 前序表转化 树的优化算法 拓扑排序(邻接阵形式) 最佳边割集 最佳顶点割集 最小边割集 最小顶点割集 最小路径覆盖 图论_最短路径\ 最短路径(单源bellman_ford邻接阵形式) 最短路径(单源dijkstra邻接阵形式) 最短路径(单源dijkstra_bfs邻接表形式) 最短路径(单源dijkstra_bfs正向表形式) 最短路径(单源dijkstra+binary_heap邻接表形式) 最短路径(单源dijkstra+binary_heap正向表形式) 最短路径(单源dijkstra+mapped_heap邻接表形式) 最短路径(单源dijkstra+mapped_heap正向表形式) 最短路径(多源floyd_warshall邻接阵形式) 图论_支撑树\ 最小生成树(kruskal邻接表形式) 最小生成树(kruskal正向表形式) 最小生成树(prim邻接阵形式) 最小生成树(prim+binary_heap邻接表形式) 最小生成树(prim+binary_heap正向表形式) 最小生成树(prim+mapped_heap邻接表形式) 最小生成树(prim+mapped_heap正向表形式) 最小树形图(邻接阵形式) 应用\ joseph模拟 N皇后构造解 布尔母函数 第k元素 幻方构造 模式匹配(kmp) 逆序对数 字符串最小表示 最长公共单调子序列 最长子序列 最大子串匹配 最大子段和 最大子阵和 组合\ 排列组合生成 生成gray码 置换(polya) 字典序全排列 字典序组合 组合公式

神经过程家族 主要入口： 。 什么 ？ 该存储库包含： 的文本 Pytorch代码（训练/绘图）以及预训练模型，以研究图像和合成一维数据集上的以下模型： 来自CNP 来自LNP AttnCNP和AttnLNP ConvCNP ConvLNP （“官方”）代码复制所有图像实验和带。 对于一维实验，请参见和 。 有关如何使用npf库的教程，请参阅NPF网站的“可 再现性”部分。 安装 点子 # clone repo pip install -r requirements.txt 请注意，skorch的版本必须为0.8，以确保可以正确上传预训练的模型。 码头工人 安装nvidia-docker 使用Dockerfile构建映像或使用Dockerfile docker pull yanndubs/npf:gpu 创建并运行一个容器，例如： docker run --

在高校的教务管理中，排课问题是复杂又关键的环节，科目数量众多，教学资源有限等等因素都制约着排课的复杂程度和结果.排课本质就是将课程、班级在合适的时间段安排到合适的教学位置，是一个NP问题的求解.随着规模的不断扩大，问题求解难度呈指数形式增加，当规模达到一定程度的时候就很难在短的时间内求出最优解.鉴于此，本文提出了遗传-蚁群混合算法，将两种算法混合使用，依靠遗传算法生成信息素分布，利用蚁群算法求最优解.实验结果表明，混合算法提高了排课的效率和课表的合理度.