搜索资源列表
class_37_homework_01
- 编写的一个python小游戏，乌龟吃小鱼： 假设游戏场景范围想（x，y）均为[0,10];游戏生成1只乌龟和10条鱼；他们移动方向均随机；乌龟最大移动能力为2（可为1或2），鱼最大移动能力为1；当移动到场景边缘自动向反方向动；乌龟初始体能为100（上限）；乌龟每移动一次体力消耗1；乌龟与鱼坐标重合，乌龟吃鱼，乌龟体力增20；鱼暂不计体力；当乌龟体力为0或鱼儿数量为0游戏结束(Prepared a python game, the turtle to eat fish: Assuming th
1-3
- 描述 某公司在对应聘者做过一轮笔试之后，从中选出n 人继续进行面试，每位应聘者被分配了一个整数ID。 为公平起见，组织者决定利用会议室外的圆桌，按以下方法“随机”确定面试顺序：第一个到达的应聘者在圆桌周围任意选择一个位置坐下；此后到达的每位应聘者都从前一应聘者出发，沿逆时针方向围圆桌走过m 人（前一应聘者算作走过的第1 人，同一人可能经过多次），并紧邻第m 人右侧就座；所有应聘者到齐后，从最后到达者出发，绕圆桌以顺时针方向为序进行面试。 这里假定应聘者到达的时刻
2048
- 游戏规则很简单，每次可以选择上下左右其中一个方向去滑动，每滑动一次，所有的数字方块都会往滑动的方向靠拢外，系统也会在空白的地方乱数出现一个数字方块，相同数字的方块在靠拢、相撞时会相加。系统给予的数字方块不是2就是4，玩家要想办法在这小小的16格范围中凑出“2048”这个数字方块。(The rules of the game is very simple, every time you can choose about one direction to sliding, sliding each
SOA
- SOA是对人的随机搜索行为进行分析，借助脑科学、认知科学、心理学、人工智能、多Agents系统、群体智能等的研究成果，分析研究人作为高级Agent的利己行为、利他行为、自组织聚集行为、预动行为和不确定性推理行为，并对其建模用于计算搜索方向和步长。(SOA is a random search of the human behavior analysis, the research results of brain science, cognitive science, psychology, a
Deep Neural Network
- 深度神经网络训练过程中：首先是进行初始化，根据需求设置神经网络的基本结构；然后进行前向传递（feedforward），层与层之间进行传递，求得误差；然后进行反向传播（back propogation），根据误差最小化原则，使用随机梯度下降法，对各个参数进行求导，确定下降方向，对各个参数进行更新(In the training process of deep neural network, firstly, initialization is carried out, and the basic
SOA程序
- 针对面临的问题寻找优化解是人类的思维习惯和行为方式。借鉴人类丰富的社会经验，模拟人类搜索活动的智能行为，提出了一种新的基于种群的启发式随机搜索算法，即人群搜索算法 SOA（seeker optimization Algorithm）。SOA 研究人类在随机搜索时所采用的交流、协作、记忆、推理、学习知识与经验等的智能行为，结合搜索和进化思想，以搜寻队伍为种群，以搜寻者位置为优化问题的候选解，通过模拟人类搜索的“经验梯度”和不确定性推理，分别确定搜索方向和步长，完成位置更新，实现对所求问题解的优化(
code
- Simulates n random angles from a von Mises distribution, with preferred direction thetahat and concentration parameter kappa(Simulates n random angles from a von Mises distribution, with preferred direction thetahat and concentration parameter kapp