5.8k 字 5 分钟

F:\blog>pip list Package Version ----------------------------- -------------------- absl-py 1.4.0 alabaster 0.7.12 anaconda-client 1.11.0 anaconda-navigator 2.3.1 anaconda-project 0.11.1 anyio 3.5.0 appdirs 1.4.4 argon2-cffi 21.3.0 argon2-cffi-bindings 21.2.0 arrow 1.2.2 astroid...
8.5k 字 8 分钟

毕业设计的系统中需要绘制货架在仓库中的分布以及机器人与拣货人员在调度安排的甘特图 # 一、使用 python 绘制网格分布图像   绘制网格分布图像主要需要使用 plt.fill() 函数，毕业设计中使用的程序如下： import matplotlib.pyplot as pltimport numpy as nplength = 5weight = 3n_pod = 3loc_pod = [[0, 0], [2, 2], [3, 1]]loc_station = [5, 1]x, y = [], []for i in range(len(loc_pod)):...
6.3k 字 6 分钟

python 线程中常用的两个模块为： _thread 和 threading （推荐使用）。（注： thread 模块已经被废弃，用户可以使用 threading 模块代替，所以 python3 中不能再使用 thread 模块，为了兼容性， python3 将 thread 重命名为 _thread ） # 一、Python 的线程使用方式    Python 中使用线程有两种方式：函数或者用类来包装线程对象。（分别对应 _thread 和 threading 模块） # 1.1 _thread - 函数式线程   调用 _thread 模块中的 start_new_thread()...
5.3k 字 5 分钟

# 一、一些常用图形    matplotlib 可支持的绘图类型可以参考官方文档：https://matplotlib.org/stable/plot_types/index.html # 1.1 plot - 绘制折线图（曲线图）   使用 plt.plot() 函数可以绘制折线图， plot() 函数的原型为 plt.plot(x, y, format_string, **kwargs) ，其中，仓用参数的解释如下： x：x 轴数据，列表或数组，可选 y：y 轴数据，列表或数组 format_string：控制曲线的格式字符串，可选，由颜色字符、风格字符和标记字符组成（等同于...
29k 字 26 分钟

有关 jMetal 的使用可以参考官方手册（不完整，正在完善中）：https://jmetal.github.io/jMetalPy/index.html#和 GitHub 网页说明：https://github.com/jMetal/jMetalPy。本文使用的 jMetalpy 版本为 1.5.5 # 一、一些使用技巧 （1）在开始编写 jMetal 时，可以参考 GitHub 下载路径下的 jMetal-main/examples 中的案例，找到需要解决问题对应的案例，在两个（或一个）案例的基础上进行更改； （2）第一个案例：选择单目标 /...
209 字 1 分钟

AttributeError: 'FigureCanvasTkAgg' object has no attribute 'set_window_title' fig.canvas.set_window_title(window_title)上述代码运行报错，原因是 matplotlib 版本变动，主要是在前面加一个 manager 就可以了 fig.canvas.manager.set_window_title(window_title)
2.6k 字 2 分钟

参考链接：https://blog.csdn.net/qq_33801641/article/details/119793104 # 一、python 类型提示概述    python 是一种动态类型语言，这意味着我们在编写代码的时候更为自由，运行时不需要指定变量类型。但是与此同时 IDE 无法像静态类型语言那样分析代码，进而反馈响应的提示。如在下面的代码中 def split_str(s): strs = s.split(",") return strs  由于不知道参数 s 是什么类型，所以当在 pycharm 中输入 s. 的时候不会出现 split...
3.9k 字 4 分钟

# 一、强度 Pareto 进化算法（SPEA）    SPEA(Strength Pareto Evolutionary Algorithm) 将已有技术与新技术想结合以并行的找到多个 Pareto 最优解决方案。它与其他多目标 EA 算法的共同点有： 将目前为止发现的非支配解进行存储； 采用 Pareto 优势的概念对个体分配虚拟适应值； 在不破坏多样性的情况下执行聚类以减少存储的非支配解决方案的数量。   另一方面， SPEA...
5k 字 5 分钟

分解是传统多目标优化的一种基本策略。基于分解的多目标进化算法（ MOEA/D ）将一个多目标优化问题分解为若干个标量优化子问题，并同时对其进行优化。每个子问题仅利用其邻近子问题的信息进行优化，使得 MOEA/D 算法每一代的计算复杂度低于 MOGLS 和非支配排序遗传算法 II （ NSGA-II ）。 # 一、多目标优化问题的分解 # 1.1 加权和方法（Weighted Sum...
11k 字 10 分钟

# 前言：Pareto 最优解定义   多目标优化问题与单目标优化问题有很大差异。当只有一个目标函数时，人们寻找最好的解，这个解优于其他所有解，通常是全局最大或最小，即全局最优解。   而当存在多个目标时，由于目标之间存在冲突无法比较，所以很难找到一个解使得所有的目标函数同时最优，也就是说，一个解可能对于某个目标函数是最好的，但对于其他的目标函数却不是最好的，甚至是最差的。   因此，对于多目标优化问题，通常存在一个解集，这些解之间就全体目标函数而言是无法比较优劣的，其特点是：无法在改进任何目标函数的同时不削弱至少一个其他目标函数。这种解称作非支配解（ nondominated...