今天离职,散分

shalen520 2006-12-29 09:20:13
团队解散,07年还没开始就面临失业

打算先不找工作,利用这段时间看看书,充点电

买了三本书:《精通css:高级web标准解决方案》《windows核心编程》《领域驱动设计》,大家还有没有推荐的?
...全文
967 108 打赏 收藏 转发到动态 举报
写回复
用AI写文章
108 条回复
切换为时间正序
请发表友善的回复…
发表回复
baiyunyuan2 2006-12-30
  • 打赏
  • 举报
回复
楼主走好!
andylauhai 2006-12-30
  • 打赏
  • 举报
回复
祝好运
andylauhai 2006-12-30
  • 打赏
  • 举报
回复
来年再战
xucq2004 2006-12-30
  • 打赏
  • 举报
回复
jf
jydqwe 2006-12-30
  • 打赏
  • 举报
回复
不错的假期啊
quwwnet 2006-12-30
  • 打赏
  • 举报
回复
要学就学个塌实,要玩就玩个痛快
ymqdcpy 2006-12-30
  • 打赏
  • 举报
回复
这些东西都太高升了,没有建意。还是看电影吧
viena 2006-12-30
  • 打赏
  • 举报
回复
100楼~
huizhouhym 2006-12-30
  • 打赏
  • 举报
回复
建议看<<笑傲江湖>>!
Xpengfee 2006-12-30
  • 打赏
  • 举报
回复
换个角度来看,说不定就是一更好的机会啊
GXY2005 2006-12-30
  • 打赏
  • 举报
回复
人在江湖飘,哪有不挨刀。。
-------------
其实所谓江湖,只有民工和程序员,其他行业都不在江湖好多年!
axian168 2006-12-30
  • 打赏
  • 举报
回复
机遇在其中.好好把握!!!!
midymidy 2006-12-30
  • 打赏
  • 举报
回复
支持
midymidy 2006-12-30
  • 打赏
  • 举报
回复
从新开始
jim97 2006-12-30
  • 打赏
  • 举报
回复
什么团队!
hellomh 2006-12-30
  • 打赏
  • 举报
回复
晕,都什么团队啊,说解散就解散
starrygis 2006-12-30
  • 打赏
  • 举报
回复
祝福、、、、
射天狼 2006-12-30
  • 打赏
  • 举报
回复
祝福




═══════════════════
 免费的源码、工具网站,欢迎大家访问!
 http://www.j2soft.cn/
═══════════════════
aaajedll 2006-12-29
  • 打赏
  • 举报
回复
加油LZ
linhaiqiang 2006-12-29
  • 打赏
  • 举报
回复
楼主好样的,永不言弃
加载更多回复(88)
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。

7,776

社区成员

发帖
与我相关
我的任务
社区描述
.NET技术 非技术区
社区管理员
  • 非技术区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧