散分适可而止,请诸位版主协作一下,请散发帖子赶快结贴。

TheAres 2003-04-18 08:45:54
近期散分散的是在是....

已经散出来的结贴吧。

麻烦各位版主帮帮忙,特别是C#版。

我有个提议,如果谁的分实在是多,用不完,可以捐献出来。要分的朋友,可以在这里留下名字,不要再重复的散了。
比如我,TheAres一共还有900分,谁愿意捐献点给我. :)

谢谢大家。
...全文
277 281 打赏 收藏 转发到动态 举报
写回复
用AI写文章
281 条回复
切换为时间正序
请发表友善的回复…
发表回复
crazyzheng 2003-05-04
  • 打赏
  • 举报
回复
我是新手,给我点吧
FatflyGod 2003-05-01
  • 打赏
  • 举报
回复
请也给我一点吧,我才300分不到,问问题都不敢问,只敢看看人家的贴子。
我好苦呀
ppxstar 2003-05-01
  • 打赏
  • 举报
回复
我也想要分,不知大家哪里来的那么多分,我可是一直都是省着用的呀!
Foxer 2003-04-30
  • 打赏
  • 举报
回复
发错地方了:(
Foxer 2003-04-30
  • 打赏
  • 举报
回复
我捐8000分给你(dragontt)了

Foxer给dragontt捐献了8000可用分;dragontt收到了:7200可用分
lengend 2003-04-29
  • 打赏
  • 举报
回复
呵呵
czsd 2003-04-28
  • 打赏
  • 举报
回复
穷啊 我要分 谢谢
fishsward 2003-04-27
  • 打赏
  • 举报
回复
wo的可用分太少,版主明察,,急急急急急急急急急

急急急急急急急急急急
lxyjd 2003-04-27
  • 打赏
  • 举报
回复
我是个新手,提了几个问题就没分了,请各位大侠救济救济
daosh 2003-04-27
  • 打赏
  • 举报
回复
今天上来,竟然发现--可用分突然多了一倍~!
5555555,我好感动,衷心感谢各位//bow
lbx1979 2003-04-27
  • 打赏
  • 举报
回复
路过一下。。。
好久没来玩了,我的分不多就不捐了,不过如果俺能帮助解答的问题,0分我也会回帖的,哈哈,所以分不是最重要的
swpilogging 2003-04-27
  • 打赏
  • 举报
回复
hh
小默说AI 2003-04-27
  • 打赏
  • 举报
回复
to youngby:
你要过来登记一下啊

去新贴吧
http://expert.csdn.net/Expert/topic/1714/1714423.xml?temp=.698208
love4myxsg 2003-04-27
  • 打赏
  • 举报
回复
不知道来的晚不晚
fishsward 2003-04-27
  • 打赏
  • 举报
回复
谢谢星毅兄
小默说AI 2003-04-27
  • 打赏
  • 举报
回复
新帖子已经发了

大家都到哪里去跟贴吧

http://expert.csdn.net/Expert/topic/1714/1714423.xml?temp=.698208
小默说AI 2003-04-27
  • 打赏
  • 举报
回复
好了,这一次又被星毅兄搞定了

谢谢了

那好缺分的同志重新来登记

由于这里的回复已经很多了

建议班兄把帖子结了吧

我重新开一个帖子
gruse 2003-04-27
  • 打赏
  • 举报
回复
up
glboy 2003-04-27
  • 打赏
  • 举报
回复
glboy给gjwj捐献了600可用分;gjwj收到了:540可用分;
glboy给love4myxsg捐献了400可用分;love4myxsg收到了:360可用分
glboy给hanlixing捐献了400可用分;hanlixing收到了:360可用分
glboy给wsnet捐献了400可用分;wsnet收到了:360可用分

接下去会有相当一段时间暂时不上CSDN,散点分好了,:)

timmy3310 2003-04-27
  • 打赏
  • 举报
回复
To niwalker()

太感谢了!你真是好人!

加载更多回复(261)
内容概要:本文围绕不确定环境下的多式联运路径优化问题展开研究,提出并实现了基于AFO算法、遗传算法(GA)和粒子群优化算法(PSO)的三种智能优化方法,并借助Matlab平台完成算法编程与仿真。研究构建了考虑时间、成本、转运风险等多重不确定因素的路径优化模型,系统比较了AFO、GA、PSO三种算法在收敛速度、全局寻优能力和稳定性方面的表现,同时引入Matlab自带的全局优化搜索器作为基准对照,深入分析各算法在复杂物流网络中的适用边界与性能差异。研究表明,AFO算法在解决此类组合优化问题时展现出更快的收敛效率和更强的局部规避能力。; 适合人群:具备一定Matlab编程基础与运筹优化知识,从事物流工程、交通运输规划、智能算法开发等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于多式联运、综合货运网络中的路径决策支持系统构建;②为不确定性条件下复杂路径规划问题提供智能算法选型依据与技术实现方案;③支持科研人员复现主流优化算法并开展横向性能对比实验,推动算法改进与实际落地。; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现流程,重点理解目标函数设计、约束条件处理及参数敏感性分析部分,可通过调整问题规模与算法参数进行对比实验,进一步拓展至动态路径规划或大规模网络优化等延伸场景。
内容概要:本文研究了基于QLearning自适应强化学习的PID控制器在自主水下航行器(AUV)运动控制中的应用,通过Matlab代码实现了控制算法的仿真验证。该方法融合强化学习的在线自适应能力与传统PID控制的稳定性优势,利用QLearning算法动态优化PID控制器的比例、积分、微分参数,以应对水下复杂流体环境、模型不确定性及外部干扰等挑战,从而提升AUV轨迹跟踪的精度、鲁棒性与动态响应性能。文中系统阐述了AUV的六自由度非线性动力学建模过程、QLearning算法的状态空间与动作空间设计、奖励函数构造及训练机制,并详细说明了PID参数自整定的闭环控制架构。仿真结果表明,相较于传统固定参数PID控制器,该智能控制策略在多种工况下均展现出更优的控制效果,有效抑制了超调,加快了响应速度,并增强了抗干扰能力。; 适合人群:具备自动控制理论、强化学习基础及Matlab/Simulink仿真能力,从事水下机器人、智能控制、海洋工程、自动化等领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于AUV、UUV等无人水下平台的高精度自主导航与运动控制;②为解决非线性、强耦合、时变系统的控制器参数自适应整定问题提供智能化解决方案;③作为强化学习与经典控制理论深度融合的技术范例,推动智能控制算法在海洋装备中的工程化应用。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法实现细节,重点剖析QLearning的状态-动作-奖励机制设计、PID参数更新逻辑及仿真对比实验结果,有条件者可在更复杂的动力学模型或实际硬件平台上进一步验证与优化算法性能。

111,129

社区成员

发帖
与我相关
我的任务
社区描述
.NET技术 C#
社区管理员
  • C#
  • Creator Browser
  • by_封爱
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

让您成为最强悍的C#开发者

试试用AI创作助手写篇文章吧