禁忌搜索算法(Tabu Search,TS)及其Python和MATLAB实现
禁忌搜索算法是一种现代启发式搜索方案,主要用于解决组合优化问题。该算法由George F. Lugeral于1986年首次提出,旨在增强局部搜索算法的性能,避免其陷入局部最优解。禁忌搜索利用一个称为“禁忌表”的数据结构,记住最近访问的解决方案,从而禁止在短期内回到这些解,借此探索更广泛的解空间并寻求更优解。
### 一、背景
在许多组合优化问题中,比如旅行商问题、调度问题、背包问题等,寻找最优解往往是非常复杂的。传统的启发式算法,如爬山算法,往往容易陷入局部最优解,导致整体解的优化性能不足。禁忌搜索在此背景下应运而生,目的在于通过记忆和策略来引导搜索过程,从而跳出局部最优化的困境,接近全局最优解。
### 二、原理
禁忌搜索算法的核心思想是利用禁忌表记录近期的解,在搜索过程中避免再次访问这些解。该算法可视为改进的局部搜索,允许进行“非对称”的搜索,即尽管某些解在短期内被禁止,算法仍可以探索其他潜在的解。
#### 1. 解决方案表示
通常用一个向量或一个集合表示问题的解。例如,在旅行商问题中,可以用一个城市的排列来表示一个路线解。
#### 2. 邻域结构
一个解决方案的邻域是通过对当前解进行小的变更而形成的一组解决方案。邻域结构的设计非常重要,它直接影响到搜索的效率和效果。
#### 3. 禁忌表
禁忌表是禁忌搜索的重要组成部分,主要用于记录一定数量的“禁忌”解。它通常采用先进先出(FIFO)策略,删除最早的纪录,以保持大小恒定。禁忌表的长度是一个参数,影响着算法的性能。
#### 4. 目标函数
目标函数用于评估每个解决方案的质量。禁忌搜索算法通过最大化或最小化目标函数,来引导搜索过程。
### 三、实现过程
禁忌搜索的实现过程一般包括以下几个步骤:
#### 1. 初始化
- 选定初始解,并计算其目标函数值。
- 初始化禁忌表为空。
- 设定禁忌表的大小和最大迭代次数。
#### 2. 主循环
在指定的迭代次数内执行以下步骤:
- **邻域生成**:根据当前解生成解的邻域。
- **评估邻域解**:计算邻域中所有解的目标函数值,并找出最优解。
- **禁忌检查**:检查该邻域解是否在禁忌表中。如果是,则判断是否是最优解;如果不是,则更新当前解为邻域最优解。
- **更新禁忌表**:将当前解或某个特定的属性(如交换的元素)加入禁忌表,确保在之后的搜索中不再回到该解。
- **记录最优解**:如果当前解优于历史记录,更新最优解。
#### 3. 终止条件
- 根据事先设定的终止条件,如达到最大迭代次数或在一定时间内未找到新解,来结束搜索。
#### 4. 输出结果
- 输出最优解及其目标函数值。
### 四、流程示意图
```
开始 → 初始化 (初始解、目标函数、禁忌表) →
↓
主循环 (达到最大迭代次数?)
↙ ↘
是 否
↓ ↓
输出结果 邻域生成 →
评估邻域解 →
禁忌检查 →
更新禁忌表 →
记录最优解 →
返回主循环
```
### 五、算法性能分析
禁忌搜索算法的性能常常取决于多个因素,如禁忌表的大小、邻域结构的设计以及目标函数的计算复杂度。良好的邻域结构和适当的禁忌表大小能够在巨大的解空间中有效地引导搜索过程。此外,禁忌搜索的多样性和灵活性使其可以与其他算法(如遗传算法、模拟退火等)结合,形成混合算法。
### 六、应用领域
禁忌搜索被广泛应用于各种领域,包括但不限于:
1. **旅行商问题**:解决路径最优化。
2. **调度问题**:如制造与任务调度。
3. **资源分配**:最大化利益或最小化成本。
4. **图着色问题**:解决图的最小着色问题。
5. **路径规划**:自动驾驶与机器人导航等领域。
### 七、结论
禁忌搜索算法是一种强大的优化工具,能够有效地解决大量组合优化问题。通过使用禁忌表、邻域结构等机制,它克服了传统局部搜索的局限性,探索更广泛的解空间。禁忌搜索算法的灵活性及其与其他方法的结合能力,使得其在实际应用中具有重要的价值。随着计算技术的发展,禁忌搜索算法仍将继续在各类优化问题中发挥重要作用。
Python:
import numpy as np
class TabuSearch:
def __init__(self, objective_function, initial_solution, tabu_size, max_iterations):
self.objective_function = objective_function
self.current_solution = initial_solution
self.best_solution = initial_solution
self.tabu_list = []
self.tabu_size = tabu_size
self.max_iterations = max_iterations
def find_neighbors(self, solution):
neighbors = []
# Example of generating neighbors by swapping two elements
for i in range(len(solution)):
for j in range(i + 1, len(solution)):
neighbor = solution.copy()
neighbor[i], neighbor[j] = neighbor[j], neighbor[i]
neighbors.append(neighbor)
return neighbors
def run(self):
for _ in range(self.max_iterations):
neighbors = self.find_neighbors(self.current_solution)
best_neighbor = None
best_value = float('inf')
for neighbor in neighbors:
if neighbor not in self.tabu_list:
neighbor_value = self.objective_function(neighbor)
if neighbor_value < best_value:
best_value = neighbor_value
best_neighbor = neighbor
if best_neighbor is not None:
self.current_solution = best_neighbor
if self.objective_function(self.current_solution) < self.objective_function(self.best_solution):
self.best_solution = self.current_solution
self.tabu_list.append(self.current_solution)
if len(self.tabu_list) > self.tabu_size:
self.tabu_list.pop(0)
return self.best_solution, self.objective_function(self.best_solution)
# Example usage
def objective_function(solution):
return sum(solution) # Minimize the sum for example
initial_solution = [3, 1, 4, 1, 5]
tabu_search = TabuSearch(objective_function, initial_solution, tabu_size=5, max_iterations=100)
best_solution, best_value = tabu_search.run()
print("Best Solution:", best_solution)
print("Best Value:", best_value)
MATLAB:
classdef TabuSearch
properties
objective_function
current_solution
best_solution
tabu_list
tabu_size
max_iterations
end
methods
function obj = TabuSearch(objective_function, initial_solution, tabu_size, max_iterations)
obj.objective_function = objective_function;
obj.current_solution = initial_solution;
obj.best_solution = initial_solution;
obj.tabu_list = {};
obj.tabu_size = tabu_size;
obj.max_iterations = max_iterations;
end
function neighbors = find_neighbors(obj, solution)
neighbors = [];
n = length(solution);
% Generate neighbors by swapping two elements
for i = 1:n
for j = i+1:n
neighbor = solution;
neighbor([i, j]) = neighbor([j, i]);
neighbors = [neighbors; neighbor];
end
end
end
function [best_solution, best_value] = run(obj)
for iter = 1:obj.max_iterations
neighbors = obj.find_neighbors(obj.current_solution);
best_neighbor = [];
best_value = Inf;
for i = 1:size(neighbors, 1)
neighbor = neighbors(i, :);
if ~ismember(neighbor, obj.tabu_list, 'rows')
neighbor_value = obj.objective_function(neighbor);
if neighbor_value < best_value
best_value = neighbor_value;
best_neighbor = neighbor;
end
end
end
if ~isempty(best_neighbor)
obj.current_solution = best_neighbor;
if obj.objective_function(obj.current_solution) < obj.objective_function(obj.best_solution)
obj.best_solution = obj.current_solution;
end
obj.tabu_list{end+1} = obj.current_solution; %#ok<*AGROW>
if length(obj.tabu_list) > obj.tabu_size
obj.tabu_list(1) = [];
end
end
end
best_solution = obj.best_solution;
best_value = obj.objective_function(best_solution);
end
end
end
% Example usage
objective_function = @(solution) sum(solution); % Minimize the sum for example
initial_solution = [3, 1, 4, 1, 5];
tabu_search = TabuSearch(objective_function, initial_solution, 5, 100);
[best_solution, best_value] = tabu_search.run();
disp('Best Solution:');
disp(best_solution);
disp('Best Value:');
disp(best_value);
说明
邻域生成:在 Python 和 MATLAB 示例中,使用交换两个元素的方法生成邻域解。根据具体问题,其他邻域生成策略也可以应用。
目标函数:示例中使用的目标函数是求解数组元素的和。可以根据需要替换为其他目标函数。
禁忌列表:用于存放最近访问过的解,以避免将它们纳入后续搜索。
这两个实现提供了禁忌搜索的基本框架,可以根据实际需求修改和扩充。具体的优化问题和目标函数可以自行设计。
相关文章:
![](https://www.ngui.cc/images/no-images.jpg)
禁忌搜索算法(Tabu Search,TS)及其Python和MATLAB实现
禁忌搜索算法是一种现代启发式搜索方案,主要用于解决组合优化问题。该算法由George F. Lugeral于1986年首次提出,旨在增强局部搜索算法的性能,避免其陷入局部最优解。禁忌搜索利用一个称为“禁忌表”的数据结构,记住最近访问的解决…...
![](https://www.ngui.cc/images/no-images.jpg)
Meta发布Llama 3.1 405B模型:开源与闭源模型之争的新篇章
引言 在人工智能领域,开源与闭源模型之争一直是热点话题。近日,Meta发布了最新的Llama 3.1 405B模型,以其强大的性能和庞大的参数规模,成为了开源模型中的佼佼者。本文将详细介绍Llama 3.1 405B模型的性能、功能及其在开源领域的…...
![](https://www.ngui.cc/images/no-images.jpg)
Linux网络协议深度解析:从IP到TCP/IP堆栈
Linux网络协议深度解析是一个复杂而详细的主题,它涵盖了从基本的数据包传输到复杂的协议交互。以下是对"Linux网络协议深度解析:从IP到TCP/IP堆栈"这一主题的简要解析: IP协议(Internet Protocol) •作用:…...
![](https://i-blog.csdnimg.cn/direct/54c8043f9bed44a8be841efeb02d0524.png)
AWS DMS MySQL为源端,如何在更改分区的时候避免报错
问题描述: 文档[1]中描述MySQL compatible Databases作为DMS任务的源端,不支持MySQL 分区表的 DDL 更改。 在源端MySQL进行分区添加时,日志里会出现如下报错: [SOURCE_CAPTURE ]W: Cannot change partition in table members…...
![](https://www.ngui.cc/images/no-images.jpg)
Java从基础到高级特性及应用
Java,作为一门历史悠久且广泛应用的编程语言,自1995年问世以来,便以其跨平台性、面向对象、自动内存管理等特点,在软件开发领域占据了举足轻重的地位。从桌面应用到企业级系统,从移动开发到云计算服务,Java…...
![](https://i-blog.csdnimg.cn/direct/31afd2bcc06e4263943d5583e068b7bb.png)
JavaScript(17)——事件监听
什么是事件? 事件是在编程时系统内发生的动作或发生的事情,比如用户在网页上单击一个按钮 什么是事件监听? 就是让程序检测是否有事件产生,一旦有事件触发,就立刻调用一个函数做出响应,也称为绑定事件或…...
![](https://www.ngui.cc/images/no-images.jpg)
Dav_笔记11:SQL Tuning Overview-sql调优 之 4
开发高效的SQL语句 本节介绍了提高SQL语句效率的方法: ■验证优化程序统计信息 ■审查执行计划 ■重构SQL语句 ■重组索引 ■修改或禁用触发器和约束 ■重组数据 ■随着时间的推移维护执行计划 ■尽可能少地访问数据 验证优化程序统计信息 查询优化器在确定最佳执行…...
![](https://i-blog.csdnimg.cn/direct/fbeb4fe15700451f897bbffe9d65b06c.png)
vue3引入openlayers
安装ol包 OpenLayers作为 ol npm包提供,它提供了官方支持的API的所有模块。 官方地址:ol npm install ol模块和子模块约定 具有CamelCase名称的OpenLayers模块提供类作为默认导出,并且可能包含其他常量或函数作为命名导出: i…...
![](https://img-blog.csdnimg.cn/img_convert/5524d9ad0b567bca9dbf1d04d0da09b2.jpeg)
大数据管理中心设计规划方案(可编辑的43页PPT)
引言:随着企业业务的快速发展,数据量急剧增长,传统数据管理方式已无法满足高效处理和分析大数据的需求。建立一个集数据存储、处理、分析、可视化于一体的大数据管理中心,提升数据处理能力,加速业务决策过程࿰…...
![](https://i-blog.csdnimg.cn/direct/90bfb4ef31a5439e878bb0ed57632119.png)
Android --- 广播
广播是什么? 一种相互通信,传递信息的机制,组件内、进程间(App之间) 如何使用广播? 组成部分 发送者-发送广播 与启动其他四大组件一样,广播发送也是使用intent发送。 设置actionÿ…...
![](https://i-blog.csdnimg.cn/direct/57f907590af6480580a641d2048cd13a.png)
AR 眼镜之-蓝牙电话-实现方案
目录 📂 前言 AR 眼镜系统版本 蓝牙电话 来电铃声 1. 🔱 技术方案 1.1 结构框图 1.2 方案介绍 1.3 实现方案 步骤一:屏蔽原生蓝牙电话相关功能 步骤二:自定义蓝牙电话实现 2. 💠 屏蔽原生蓝牙电话相关功能 …...
![](https://i-blog.csdnimg.cn/direct/670c682ecf4e4d6f9d9c6225320f5b15.png)
stl-set
目录 目录 内部自动有序、不含重复元素 关于能不能自己造一个cmp,还挺复杂。 访问:只能用迭代器且受限 添加元素:没有pushback,用insert 复杂度:ologn 编辑 查找元素find()࿱…...
![](https://i-blog.csdnimg.cn/direct/6135b424ebe8470f9c16f4159316927f.png)
【Stable Diffusion】(基础篇五)—— 使用SD提升分辨率
使用SD提升分辨率 本系列博客笔记主要参考B站nenly同学的视频教程,传送门:B站第一套系统的AI绘画课!零基础学会Stable Diffusion,这绝对是你看过的最容易上手的AI绘画教程 | SD WebUI 保姆级攻略_哔哩哔哩_bilibili 在前期作画的…...
![](https://i-blog.csdnimg.cn/direct/e7d9bd1154e94cd4bfe81eb2c158cfa8.png)
5.CSS学习(浮动)
浮动(float) 是一种传统的网页布局方式,通过浮动,可以使元素脱离文档流的控制,使其横向排列。 其编写在CSS样式中。 float:none(默认值) 元素不浮动。 float:left 设置的元素在其包含…...
![](https://i-blog.csdnimg.cn/direct/65a9498b77144efead1da1417a028212.png)
Spring Cloud微服务项目统一封装数据响应体
在微服务架构下,处理服务之间的通信和数据一致性是一个重要的挑战。为了提高开发效率、保证数据的一致性及简化前端开发,统一封装数据响应体是一种非常有效的实践。本文博主将介绍如何在 Spring Cloud 微服务项目中统一封装数据响应体,并分享…...
![](https://i-blog.csdnimg.cn/direct/73f4e216406c48d1afd52efe6f9812d0.png)
java算法day20
java算法day20 701.二叉搜索树中的插入操作450.删除二叉搜索树中的节点108 将有序数组转换为二叉搜索树 本次的题目都是用递归函数的返回值来完成,多熟悉这样的用法,很方便。 其实我感觉,涉及构造二叉树的题目,用递归函数的返回值…...
![](https://www.ngui.cc/images/no-images.jpg)
web自动化测试-python+selenium+unitest
文章目录 Web自动化测试工具1. 主流的Web自动化测试工具2. Selenium家族史 Web自动化测试环境搭建基于Python环境搭建示例:通过程序启动浏览器,并打开百度首页,暂停3秒,关闭浏览器 页面元素定位1. 如何进行元素定位?2.…...
![](https://www.ngui.cc/images/no-images.jpg)
LeetCode题练习与总结:组合两个表--175
一、题目描述 SQL Schema > Pandas Schema > 表: Person ---------------------- | 列名 | 类型 | ---------------------- | PersonId | int | | FirstName | varchar | | LastName | varchar | ---------------------- personId 是该表的主…...
![](https://img-blog.csdnimg.cn/direct/ee192b61bd234c87be9d198fb540140e.png)
数据结构:二叉搜索树(简单C++代码实现)
目录 前言 1. 二叉搜索树的概念 2. 二叉搜索树的实现 2.1 二叉树的结构 2.2 二叉树查找 2.3 二叉树的插入和中序遍历 2.4 二叉树的删除 3. 二叉搜索树的应用 3.1 KV模型实现 3.2 应用 4. 二叉搜索树分析 总结 前言 本文将深入探讨二叉搜索树这一重要的数据结构。二…...
![](https://www.ngui.cc/images/no-images.jpg)
深入理解Prompt工程
前言:因为大模型的流行,衍生出了一个小领域“Prompt工程”,不知道大家会不会跟小编一样,不就是写提示吗,这有什么难的,不过大家还是不要小瞧了Prompt工程,现在很多大模型把会“Prompt工程”作为…...
![](https://img-blog.csdnimg.cn/img_convert/853c8d6560469329fa39f25933207988.png)
代码随想录算法训练营day6 | 242.有效的字母异位词、349. 两个数组的交集、202. 快乐数、1.两数之和
文章目录 哈希表键值 哈希函数哈希冲突拉链法线性探测法 常见的三种哈希结构集合映射C实现std::unordered_setstd::map 小结242.有效的字母异位词思路复习 349. 两个数组的交集使用数组实现哈希表的情况思路使用set实现哈希表的情况 202. 快乐数思路 1.两数之和思路 总结 今天是…...
![](https://i-blog.csdnimg.cn/direct/3172016da49d417d80efc57e3c2b0c93.png)
vue3 vxe-table 点击行,不显示选中状态,加上设置isCurrent: true就可以设置选中行的状态。
1、上个图,要实现这样的: Vxe Table v4.6 官方文档 2、使用 row-config.isCurrent 显示高亮行,当前行是唯一的;用户操作点击选项时会触发事件 current-change <template><div><p><vxe-button click"sel…...
![](https://www.ngui.cc/images/no-images.jpg)
Linux没有telnet 如何测试对端的端口状态
前段时间有人问uos没有telnet,又找不到包。 追问了一下为什么非要安装telnet,答复是要测试对端的端口号。 这里简单介绍一下,测试端口号的方法有很多,telent只是在windows上经常使用,linux已很少安装并使用该命令&…...
![](https://i-blog.csdnimg.cn/direct/d2211e8b186d44db807d85864ef5c424.png)
花几千上万学习Java,真没必要!(二十九)
1、基本数据类型包装类: 测试代码1: package apitest.com; //使用Integer类的不同方法处理整数。 //将字符串转换为整数(parseInt)和Integer对象(valueOf), //将整数转换回字符串(…...
![](https://i-blog.csdnimg.cn/direct/ee2f5efe37b4428799d56092e1885cdd.png)
C#如何引用dll动态链接库文件的注释
1、dll动态库文件项目生成属性中要勾选“XML文档文件” 注意:XML文件的名字切勿修改。 2、添加引用时XML文件要与DLL文件在同一个目录下。 3、如果要是添加引用的时候XML不在相同目录下,之后又将XML文件复制到相同的目录下,需要删除引用&am…...
![](https://i-blog.csdnimg.cn/direct/a0bb4cb885434ca3964309f2147640ac.png)
WordPress原创插件:自定义文章标题颜色
插件设置截图 文章编辑时,右边会出现一个标题颜色设置,可以设置为任何颜色 更新记录:从输入颜色css代码,改为颜色选择器,更方便! 插件免费下载 https://download.csdn.net/download/huayula/89585192…...
![](https://www.ngui.cc/images/no-images.jpg)
Unity分享:继承自MonoBehaviour的脚步不要对引用类型的字段在声明时就初始化
如果某些字段在每个构造函数中都要进行初始化,很多人都喜欢在字段声明时就进行初始化,对于一个非继承自MonoBehaviour的脚步,这样做是没有问题的,然而继承自MonoBehaviour后就会造成内存的浪费,为什么呢?因…...
![](https://www.ngui.cc/images/no-images.jpg)
.NET Core中如何集成RabbitMQ
在.NET Core中集成RabbitMQ主要涉及到几个步骤,包括安装RabbitMQ的NuGet包、建立连接、定义队列、发送和接收消息等。下面是一个简单的指南来展示如何在.NET Core应用程序中集成RabbitMQ。 目录 1. 安装RabbitMQ.Client NuGet包 2. 建立连接 3. 定义队列 4. 发…...
![](https://i-blog.csdnimg.cn/direct/7c50b7457fa14c0386e8b5fb9d4b162d.png)
嵌入式C++、STM32、MySQL、GPS、InfluxDB和MQTT协议数据可视化:智能物流管理系统设计思路流程(附代码示例)
目录 项目概述 系统设计 硬件设计 软件设计 系统架构图 代码实现 1. STM32微控制器与传感器代码 代码讲解 2. MQTT Broker设置 3. 数据接收与处理 代码讲解 4. 数据存储与分析 5. 数据分析与可视化 代码讲解 6. 数据可视化 项目总结 项目概述 随着电子商务的快…...
![](https://www.ngui.cc/images/no-images.jpg)
.net core docker部署教程和细节问题
在.NET Core中实现Docker一键部署,通常涉及以下几个步骤:编写Dockerfile以定义镜像构建过程、构建Docker镜像、运行Docker容器,以及(可选地)使用自动化工具如Docker Compose或CI/CD工具进行一键部署。以下是一个详细的…...
![](https://www.ngui.cc/images/no-images.jpg)
php数据库链接
Php超全局变量 GET 和 POST 都创建一个数组(例如 array( key1 > value1, key2 > value2, key3 > value3, ...))。此数组包含键/值对,其中 键是表单控件的名称,…...
![](https://i-blog.csdnimg.cn/direct/76f881b638404d40b4e283233bf0e7c8.png)
python+vue3+onlyoffice在线文档系统实战20240726笔记,左侧菜单实现和最近文档基本实现
解决右侧高度过高的问题 解决方案:去掉右侧顶部和底部。 实现左侧菜单 最近文档,纯粹文档 我的文档,既包括文件夹也包括文件 共享文档,别人分享给我的 基本实现代码: 渲染效果: 简单优化 设置默认菜…...
![](https://www.ngui.cc/images/no-images.jpg)
vue中的nexttrick
Vue.js 是一个用于构建用户界面的渐进式框架,它允许开发者通过声明式的数据绑定来构建网页应用。在 Vue 中,nextTick 是一个非常重要的 API,它用于延迟回调的执行,直到下次 DOM 更新循环之后。 为什么使用 nextTick? …...
![](https://img-blog.csdnimg.cn/direct/df413fc3bbea46f7962bc7fe31fa6a01.png)
【BUG】已解决:ModuleNotFoundError: No module named ‘requests‘
ModuleNotFoundError: No module named ‘requests‘ 目录 ModuleNotFoundError: No module named ‘requests‘ 【常见模块错误】 【解决方案】 欢迎来到英杰社区https://bbs.csdn.net/topics/617804998 欢迎来到我的主页,我是博主英杰,211科班出身&a…...
![](https://www.ngui.cc/images/no-images.jpg)
深入理解JS中的发布订阅模式和观察者模式
发布/订阅模式(Publish/Subscribe)和观察者模式(Observer Pattern)在概念上非常相似,都是用于实现对象之间的松耦合通信。尽管它们在实现细节和使用场景上有所不同,但核心思想是相通的。 观察者模式 直接通信:在观察者模式中,观察者(Observer)直接订阅主题(Subject…...
![](https://www.ngui.cc/images/no-images.jpg)
网站IPv6支持率怎么检测?
在当今数字化的时代,IPv6的推广和应用已经成为网络发展的重要趋势。IPv6拥有更大的地址空间、更高的安全性和更好的性能,对于满足日益增长的网络需求至关重要。对于网站所有者和管理员来说,了解其网站对IPv6的支持率是评估网站性能和兼容性的…...
![](https://i-blog.csdnimg.cn/direct/67da66f19c774c0f996bc96647112553.png)
react中简单的配置路由
1.安装react-router-dom npm install react-router-dom 2.新建文件 src下新建page文件夹,该文件夹下新建login和index文件夹用于存放登录页面和首页,再在对应文件夹下分别新建入口文件index.js; src下新建router文件用于存放路由配置文件…...
![](https://i-blog.csdnimg.cn/direct/e562262e778b45e09efa322f3e5319c0.png)
RocketMQ消息短暂而又精彩的一生(荣耀典藏版)
目录 前言 一、核心概念 二、消息诞生与发送 2.1.路由表 2.2.队列的选择 2.3.其它特殊情况处理 2.3.1.发送异常处理 2.3.2.消息过大的处理 三、消息存储 3.1.如何保证高性能读写 3.1.1.传统IO读写方式 3.2零拷贝 3.2.1.mmap() 3.2.2sendfile() 3.2.3.CommitLog …...
![](https://i-blog.csdnimg.cn/direct/00ef77f6aab54b13bb8c8cea38e08e03.png)
Linux中的文件操作
linux中exec*为加载器,可以将程序加载到内存。 main()函数也是函数,也要被调用,也要被传参 故在一个程序中exec*系列的函数先被执行 程序替换中execve是系统调用,其他的都是封装。 进程程序替换 1.创建子进程的目的࿱…...
![](https://i-blog.csdnimg.cn/direct/250e6ee2b51e4ffb86c48f9818cfc186.png)
[排序]hoare快速排序
今天我们继续来讲排序部分,顾名思义,快速排序是一种特别高效的排序方法,在C语言中qsort函数,底层便是用快排所实现的,快排适用于各个项目中,特别的实用,下面我们就由浅入深的全面刨析快速排序。…...
![](https://i-blog.csdnimg.cn/direct/863d59fb9cd04efabf3d9a4475360f15.png)
freertos的学习cubemx版
HAL 库的freertos 1 实时 2 任务->线程 3 移植 CMSIS_V2 V1版本 NVIC配置全部是抢占优先级 第四组 抢占级别有 0-15 编码规则, 变量名 :类型前缀, c - char S - int16_t L - int32_t U - unsigned Uc - uint8_t Us - uint…...
![](https://www.ngui.cc/images/no-images.jpg)
PyQt 信号与槽功能
PyQt 信号与槽功能 基本概念:在 PyQt 中,信号(Signal)与槽(Slot)是一种用于对象之间通信的机制。信号可以由一个对象发出,而槽是用于接收信号并执行相应操作的函数。 信号 信号是在 PyQt 的类…...
![](https://www.ngui.cc/images/no-images.jpg)
navicat premium安装和破解
https://blog.csdn.net/qq1031893936/article/details/90264688 提示信息 - 吾爱破解 - LCG - LSG |安卓破解|病毒分析|www.52pojie.cn...
![](https://www.ngui.cc/images/no-images.jpg)
OSI七层模型
OSI(Open System Interconnect),即开放式系统互连。 该体系结构标准定义了网络互连的七层框架(物理层、数据链路层、网络层、传输层、会话层、表示层和应用层 ),即OSI开放系统互连参考模型。 应用层 为用…...
![](https://i-blog.csdnimg.cn/direct/bed604686dab4d8e9b21357db4598e99.png)
Qt自定义MessageToast
效果: 文字长度自适应,自动居中到parent,会透明渐变消失。 CustomToast::MessageToast(QS("最多添加50张图片"),this);1. CustomToast.h #pragma once#include <QFrame>class CustomToast : public QFrame {Q_OBJECT pub…...
![](https://i-blog.csdnimg.cn/direct/d4630e9ad2c9438d9ab9409e2999530b.png)
自动化测试 pytest 中 scope 限制 fixture使用范围!
导读 fixture 是 pytest 中一个非常重要的模块,可以让代码更加简洁。 fixture 的 autouse 为 True 可以自动化加载 fixture。 如果不想每条用例执行前都运行初始化方法(可能多个fixture)怎么办?可不可以只运行一次初始化方法? 答…...
![](https://www.ngui.cc/images/no-images.jpg)
软件-vscode-plantUML-drawio
文章目录 vscode基础命令 实操1. vscode实现springboot项目搭建 (包括spring data jpa和sqlLite连接) PlantUMLDrawio基础实操 vscode 基础 命令 启动mysql命令 docker run --name mysql-container -e MYSQL_ROOT_PASSWORD123456 -p 3306:3306 -d my…...
![](https://i-blog.csdnimg.cn/direct/bf3dd7cbcf7f4053ba6620ae64022f08.png)
Python爬虫实战案例(爬取图片)
爬取图片的信息 爬取图片与爬取文本内容相似,只是需要加上图片的url,并且在查找图片位置的时候需要带上图片的属性。 这里选取了一个4K高清的壁纸网站(彼岸壁纸https://pic.netbian.com)进行爬取。 具体步骤如下: …...
![](https://img-blog.csdnimg.cn/img_convert/007003dfc50498e3fac3e51a0708b245.jpeg)
智慧工地视频汇聚管理平台:打造现代化工程管理的全新视界
一、方案背景 科技高速发展的今天,工地施工已发生翻天覆地的变化,传统工地管理模式很容易造成工地管理混乱、安全事故、数据延迟等问题,人力资源的不足也进一步加剧了监管不到位的局面,严重影响了施工进度质量和安全。 视频监控…...
![](https://www.ngui.cc/images/no-images.jpg)
ASP.NET中的六大对象有哪些?以及各自的功能以及使用方式
在ASP.NET Web Forms中,并没有严格意义上的“六大对象”,但通常我们指的是与HTTP请求和响应处理紧密相关的几个内置对象。以下是这些对象及其功能、使用方式以及简单的实现源码示例: Response对象 功能:用于向客户端发送HTTP响应…...