博客文章

内容简介 一群年轻人的创业故事，从一家小公司逐步发展成为一家经营稳定的大公司的故事。 志同道合的人分分合合，最终各得其所。 主要人物 主要几个精彩的情节 赵川、段倩、莫楠、裴曼的小聚会 感觉这个阶段的情节，氛围是最好的。 当时他们的公司还很小，几个创始人在一起玩的很好，没有什么拘束。 赵川、莫楠通宵加班轮流写代码 这种钻研技术的精神也是很令人佩服，还有共事多年的朋友一起，虽然莫楠与赵川是员工与老板

前言 最近真的好久好久没有更新博客和公众号了，特别我这个新开的分享生活的公众号，自从三月底把去年拍的看鱼的照片发上来之后至今都没有发新推文…… 有小伙伴说我那个技术的公众号更新得很勤但是这个号不怎么更新，肯定是没有生活的技术宅，倒不是说没有生活可以分享，其实我每周都会有很多想分享的内容记在了todo list上，结果……又忙又懒，就一直拖着没写了。 初识 本文要介绍的是黑曜圣石大佬的《太阳的距离》

前言 几个星期前写了《围城》的简评，为了尽量精简语言，就没有把摘选的笔记放进去。 这次把之前摘选的片段做一个小结。也许以后会添加新的片段。 片段 他想现在想到重逢唐晓芙的可能性，木然无动于中，真见了面，准也如此。缘故是一年前爱她的自己早死了，爱好，怕苏文纨，给鲍小姐诱惑这许多自己，一个个全死了。有几个死掉的自己埋葬在记里，立碑志墓，偶一凭吊，像对唐晓芙的一番情感，有几个自己，仿佛是路毙的，不去收拾

每一位成功的程序员，背后也许都站着无数秃头的男人——为其提供各种开发工具&代码库，当然也包括…… 各种玄学bug…… 玄学的开端 最近在用Python做一个爬虫项目的时候遇到一个很奇怪的问题，而且还不是每次都会触发，实在是令人费解…… 报错信息如下： UnicodeEncodeError: 'latin-1' codec can't encode character '\u2026' in pos

前言 最近在搞公司内部系统，累的一批，需要从另一个内部系统导出数据存到数据库做分析，有大量的数据采集工作，又没办法去直接拿到那个系统的接口，太难了，只能爬虫，但是cookie还经常失效，为了不每次登录失效就来找我重新注入Cookie，我写了一个手机版的网页，用来控制后台的selenium自动登录，截取token和cookie。 ajax请求抓包方案 搜索资料的过程真的痛苦，不过还好这时间没有白花，

前言 同样是为了刷课，没想到工作后依然和大学一样逃脱不了需要刷网课的命运…… 正文 直接说干货了，截取图片，需要截取的图片是什么图片大家都懂（说的就是你，验证码），其他图片的话不需要截取，直接拿到地址下载就行，验证码不行，同样的地址再访问一次内容就变了。 我不知道为啥selenium不能直接把特定img元素的图片拿出来，太反人类了。 根据我找到的资料，主要有两种思路，一种是模拟鼠标操作，在验证码上

代理模式 在客户端与实体之间建立一个代理对象（proxy），客户端对实体进行操作全部委派给代理对象， 隐藏实体的具体实现细节。 Proxy还可以与业务代码分离，部署到另外的服务器。业务代码中通过RPC来委派任务。 代理模式与父类和接口的异同 相同点:代理模式的作用和父类以及接口和组合的作用类似,都是为了聚合共用部分,减少公共部分的代码 不同点: 相比起父类,他们的语境不同,父类要表达的含义是 is

前言 开始学习编译原理了耶～ 关于编译原理的所有练习，按照老规矩，还是用我最喜欢的C#语言来实现，运行在.NetCore平台上～ 关于这个系列的所有代码已经上传到github了，项目主页： https://github.com/Deali-Axy/CompilerConstructionLearning 本次题目 对C或C++等高级程序设计语言编写的源程序中的//注释和/…/注释进行删除，保留删除

目的 1． 掌握进程（线程）的同步与互斥。 2． 掌握生产者消费者问题的实现方法。 3． 掌握VC的多线程编程方法。 内容 本实验要求设计并实现一个进程，该进程拥有3个生产者线程和1个消费者线程，它们使用10个不同的缓冲区。需要使用如下信号量： 一个mutex信号量，用以阻止生产者线程和消费者线程同时操作缓冲区队列； 一个full信号量，当生产者线程生产出一个物品时可以用它向消费者线程发出信号；

前言 这是操作系统学习的第三篇啦，关于进程调度有很多内容，操作系统在调度进程的时候最容易遇到的问题就是死锁了，银行家算法是一个典型的避免死锁算法。 死锁的概念 先来了解一下死锁的基本概念：一组竞争系统资源或相互通信的进程相互的“永久”阻塞。若无外力作用，这组进程将永远不能继续执行。 看下面两幅图片，左边是可能产生死锁的状态，四辆汽车（进程）要竞争同一个资源（通过路口），如果系统调度不当，就会陷入死

首先是构建数据集 这里我使用了随机生成用户和项目，以及用户对项目的评价，喜欢（1）与不喜欢（0） import random import pandas import numpy as np def build_dataframe() - pandas.DataFrame: datasets = { 'userID': [], 'itemID': [],

交叉算子 在常见的交叉算子中，经常会有选取基因片段的操作，有的是连续选取，有的是不连续选取，对于连续选取的交叉算子，我使用的都是环形选择，具体操作是这样的：首先给定起点l和终点m，以及基因长度L，如果l<m，则选取l到m这段基因；如果l>m，则选取0到m和l到L这两段基因，这样可以保证每一“碱基对”被选到的概率是相等的。 交叉算子这里我主要参考的是： https://blog.csdn.net/u

前言 遗传算法的一些思路我在开篇有提到一些，这里给出具体过程： 1、生成两个种群，分别使用BL算法和BL_plus算法； 2、开始迭代 3、调用两个种群的update_max()函数更新最优个体 4、如果两个种群中有最优解（也就是12家店铺全部铺上去了），则跳出循环，返回该个体； 5、如果达到迭代次数，则跳出循环，返回两个种群的最优个体； 6、如果达到交换迭代次数，则： 假设种群P1的最优个体适应

个体类：Individual 属性 一个个体在遗传算法中最关键的属性是基因编码和性状，为此还需要引出一个原始基因的定义（在敲代码的时候我把这玩意儿叫做基因库，但是后来查资料才发现，基因库是用来储存优秀个体，提高种群质量的，和我这里的作用并不相同，所以作出修正）。原始基因就是题目给定的这12个店铺，而在生成个体的基因的时候就只是单纯的在这条原始基因上进行随机重排序操作和随机旋转操作；性状则是进行这两

种群类：Population 属性 种群类首先要储存的便是上一篇中提到的原始基因；其次为了应用精英保存策略、择伏分配等，需要记录最优个体的相关信息；同时在计算交叉变异概率的时候，需要用到求平均适应值的方法，所以为了简化计算，储存每个个体的适应值是很有必要的。 /// summary /// 个体列表 /// /summary public ListIndividual ind; /// summ

介绍 本代码是用C#实现的。在开始代码解析之前，先把要用到的数据贴出来： | 店铺id | 店铺宽度 | 店铺高度 | 入口位置 | | ------ | -------- | -------- | -------- | | 1 | 9 | 6 | （5，6） | | 2 | 5 | 6 | （1，6） | | 3