博客文章

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