【Matlab】智能优化算法_算数优化算法AOA

news2025/1/27 12:59:30

【Matlab】智能优化算法_算数优化算法AOA

  • 1.背景介绍
  • 2.数学模型
    • 2.1 初始化阶段
    • 2.2 勘探阶段
    • 2.3 开采阶段
  • 3.文件结构
  • 4.伪代码
  • 5.详细代码及注释
    • 5.1 AOA.m
    • 5.2 func_plot.m
    • 5.3 Get_F.m
    • 5.4 initialization.m
    • 5.5 main.m
  • 6.运行结果
  • 7.参考文献

1.背景介绍

算术是数论的基本组成部分,与几何、代数和分析一样,也是现代数学的重要组成部分。算术运算符(即乘法、除法、减法和加法)是通常用于研究数字的传统计算方法[31]。我们使用这些简单的算子作为数学优化,从一些候选备选方案(解决方案)中确定符合特定标准的最佳元素。优化问题出现在从工程、经济学、计算机科学到运筹学和工业的所有定量学科中,求解技术的改进吸引了数学界几个时代的兴趣。

所提出的AOA的主要灵感来自于在解决算术问题时使用算术运算符。在下面的小节中,将讨论算术运算符(即乘法、除法、减法和加法)的行为及其在所提出的算法中的影响。下图显示了算术运算符的层次结构及其从外到内的主导地位。然后在数学模型的基础上提出了AOA。

在这里插入图片描述

2.数学模型

2.1 初始化阶段

在AOA中,优化过程从矩阵(1)中所示的一组候选解(X)开始,该候选解是随机生成的,并且每次迭代中的最佳候选解被认为是迄今为止获得的最佳解或接近最佳解。

在这里插入图片描述

在AOA开始工作之前,它应该选择搜索阶段(即探索或开发)。,因此,数学优化器加速(MOA)函数是由式(2)计算出的系数,用于以下搜索阶段。

在这里插入图片描述

其中,MOA(C_Iter)表示第t次迭代时的函数值,该函数值由等式(2)计算。C_Iter表示当前迭代,其在1和最大迭代次数(M_Iter)之间。Min和Max分别表示加速函数的最小值和最大值。

2.2 勘探阶段

本节将介绍AOA的探索行为。根据算术运算符,使用除法(D)运算符或乘法(M)运算符进行的数学计算会得到高分布的值或判定(参考各种规则),这就需要探索搜索机制。然而,与其他运算符(S和A)不同,这些运算符(D和M)由于高度分散而无法轻易接近目标。图3显示了算术算子在数学计算中的影响和行为。图3显示了算术运算在数学运算中的影响和行为,使用一个基于四种数学运算的函数来显示不同运算符分布值的影响。因此,探索搜索可以检测到经过多次努力(迭代)后可能推导出的近似最优解。此外,探索算子(D和M)在这一优化阶段进行操作,以通过加强它们之间的通信来支持搜索过程中的另一阶段(开发)。

在这里插入图片描述

AOA的探索算子在搜索区域内随机探索多个区域,并根据两种主要搜索策略(除法搜索策略(D)和乘法搜索策略)找到更好的解决方案,其模型如式(3)所示。搜索阶段(通过执行D或M进行探索搜索,见图4)由数学优化加速(MOA)函数(见式(2))决定,条件为r 1 > MOA(r 1为随机数)。图4显示了所使用的算子如何向最优区域收敛。在此阶段,第一个算子(D)(公式(3)中的第一条规则)以r 2 < 0.5为条件,另一个算子(M)将被忽略,直到该算子完成当前任务。否则,第二个算子(M)将代替D执行当前任务(r 2为随机数)。需要注意的是,我们考虑了一个随机比例系数,以产生更多的多样化过程,并探索搜索空间的不同区域。我们采用了最简单的规则,它能够模拟算术算子的行为。本文为探索部分提出了以下位置更新方程:

在这里插入图片描述

其中,xi (C_Iter+1)表示下一次迭代的第 i 个解,xi, j (C_Iter)表示当前迭代第 i 个解的第 j 个位置,best(xj)是目前获得的最佳解中的第 j 个位置。ε是一个小整数,UB j和LB j分别表示第j个位置的上限值和下限值,μ是一个调整搜索过程的控制参数,根据本文的实验,将其固定为0.5。

在这里插入图片描述
在这里插入图片描述

其中,数学优化器概率(M O P)是一个系数,M O P(C Iter)表示第t次迭代时的函数值,C I ter表示当前迭代,(M I ter)表示最大迭代次数。α是一个敏感参数,定义了迭代过程中的开发精度,根据本文的实验,该精度固定为5。

2.3 开采阶段

在本节中,介绍了AOA的开发策略。根据算术算子,使用减法(S)或加法(A)的数学计算得到了高密度的结果,这参考了利用搜索机制。然而,与其他算子不同,这些算子(S和A)由于其低分散性,可以很容易地接近目标,如图3所示。因此,利用搜索检测到在几次尝试(迭代)之后可能推导出的接近最优的解决方案。此外,开发操作员(S和A)在优化的这一阶段进行了操作,以通过增强他们之间的通信来支持开发阶段。

搜索的这个阶段(通过执行S或A的利用搜索)由条件r 1不大于当前M O A(C Iter)值的MOA函数值来调节(参见等式(2))。在AOA中,AOA的利用算子(减法(S)和加法(A))在几个密集区域上深入探索搜索区域,并基于两种主要的搜索策略(即减法(S)搜索策略和加法(A)搜索策略)寻求更好的解决方案,这两种搜索策略在等式(5)中建模。

在这里插入图片描述

该阶段通过深度搜索来利用搜索空间,这一点在图3中非常明显。在这一阶段,第一个算子(S)(公式(5)中的第一条规则)以r 3 <0.5为条件,其他算子(A)将被忽略,直到该算子完成当前任务。否则,第二个算子(A)将代替S执行当前任务。本阶段的这些程序与上一阶段的分区类似。然而,探索搜索运算符(S和A)经常试图避免陷入局部搜索区域。这一过程有助于探索搜索策略找到最优解并保持候选解的多样性。我们精心设计了μ参数,使其在每次迭代时产生一个随机值,从而不仅在第一次迭代时保持探索性,而且在最后一次迭代时也保持探索性。这部分搜索在局部最优停滞的情况下非常有用,尤其是在最后一次迭代中。

图4解释了搜索解决方案如何在二维搜索空间中根据D、M、S和a更新其变量(位置)。可以看出,最终获得的位置可以处于由搜索范围中的D、M、S和a的位置确定的范围内的随机位置。在其他概念中,D、M、S和A估计接近最优解的位置,并且其他解在接近最优解区域周围随机地更新它们的位置。

3.文件结构

在这里插入图片描述

AOA.m							% 算数优化算法
func_plot.m						% 绘图函数
Get_F.m 						% 获取基准方法
initialization.m				% 初始化
main.m							% 主函数

4.伪代码

在这里插入图片描述

5.详细代码及注释

5.1 AOA.m


function [Best_FF,Best_P,Conv_curve]=AOA(N,M_Iter,LB,UB,Dim,F_obj)
display('AOA Working');
%Two variables to keep the positions and the fitness value of the best-obtained solution

Best_P=zeros(1,Dim);
Best_FF=inf;
Conv_curve=zeros(1,M_Iter);

%Initialize the positions of solution
X=initialization(N,Dim,UB,LB);
Xnew=X;
Ffun=zeros(1,size(X,1));% (fitness values)
Ffun_new=zeros(1,size(Xnew,1));% (fitness values)

MOP_Max=1;
MOP_Min=0.2;
C_Iter=1;
Alpha=5;
Mu=0.499;


for i=1:size(X,1)
    Ffun(1,i)=F_obj(X(i,:));  %Calculate the fitness values of solutions
    if Ffun(1,i)<Best_FF
        Best_FF=Ffun(1,i);
        Best_P=X(i,:);
    end
end
    
    

while C_Iter<M_Iter+1  %Main loop
    MOP=1-((C_Iter)^(1/Alpha)/(M_Iter)^(1/Alpha));   % Probability Ratio 
    MOA=MOP_Min+C_Iter*((MOP_Max-MOP_Min)/M_Iter); %Accelerated function
   
    %Update the Position of solutions
    for i=1:size(X,1)   % if each of the UB and LB has a just value 
        for j=1:size(X,2)
           r1=rand();
            if (size(LB,2)==1)
                if r1<MOA
                    r2=rand();
                    if r2>0.5
                        Xnew(i,j)=Best_P(1,j)/(MOP+eps)*((UB-LB)*Mu+LB);
                    else
                        Xnew(i,j)=Best_P(1,j)*MOP*((UB-LB)*Mu+LB);
                    end
                else
                    r3=rand();
                    if r3>0.5
                        Xnew(i,j)=Best_P(1,j)-MOP*((UB-LB)*Mu+LB);
                    else
                        Xnew(i,j)=Best_P(1,j)+MOP*((UB-LB)*Mu+LB);
                    end
                end               
            end
            
           
            if (size(LB,2)~=1)   % if each of the UB and LB has more than one value 
                r1=rand();
                if r1<MOA
                    r2=rand();
                    if r2>0.5
                        Xnew(i,j)=Best_P(1,j)/(MOP+eps)*((UB(j)-LB(j))*Mu+LB(j));
                    else
                        Xnew(i,j)=Best_P(1,j)*MOP*((UB(j)-LB(j))*Mu+LB(j));
                    end
                else
                    r3=rand();
                    if r3>0.5
                        Xnew(i,j)=Best_P(1,j)-MOP*((UB(j)-LB(j))*Mu+LB(j));
                    else
                        Xnew(i,j)=Best_P(1,j)+MOP*((UB(j)-LB(j))*Mu+LB(j));
                    end
                end               
            end
            
        end
        
        Flag_UB=Xnew(i,:)>UB; % check if they exceed (up) the boundaries
        Flag_LB=Xnew(i,:)<LB; % check if they exceed (down) the boundaries
        Xnew(i,:)=(Xnew(i,:).*(~(Flag_UB+Flag_LB)))+UB.*Flag_UB+LB.*Flag_LB;
 
        Ffun_new(1,i)=F_obj(Xnew(i,:));  % calculate Fitness function 
        if Ffun_new(1,i)<Ffun(1,i)
            X(i,:)=Xnew(i,:);
            Ffun(1,i)=Ffun_new(1,i);
        end
        if Ffun(1,i)<Best_FF
        Best_FF=Ffun(1,i);
        Best_P=X(i,:);
        end
       
    end
    

    %Update the convergence curve
    Conv_curve(C_Iter)=Best_FF;
    
    %Print the best solution details after every 50 iterations
    if mod(C_Iter,50)==0
        display(['At iteration ', num2str(C_Iter), ' the best solution fitness is ', num2str(Best_FF)]);
    end
     
    C_Iter=C_Iter+1;  % incremental iteration
   
end




5.2 func_plot.m


function func_plot(func_name)

[LB,UB,Dim,F_obj]=Get_F(func_name);

switch func_name 
    case 'F1' 
        x=-100:2:100; y=x; %[-100,100]
        
    case 'F2' 
        x=-100:2:100; y=x; %[-10,10]
        
    case 'F3' 
        x=-100:2:100; y=x; %[-100,100]
        
    case 'F4' 
        x=-100:2:100; y=x; %[-100,100]
    case 'F5' 
        x=-200:2:200; y=x; %[-5,5]
    case 'F6' 
        x=-100:2:100; y=x; %[-100,100]
    case 'F7' 
        x=-1:0.03:1;  y=x  %[-1,1]
    case 'F8' 
        x=-500:10:500;y=x; %[-500,500]
    case 'F9' 
        x=-5:0.1:5;   y=x; %[-5,5]    
    case 'F10' 
        x=-20:0.5:20; y=x;%[-500,500]
    case 'F11' 
        x=-500:10:500; y=x;%[-0.5,0.5]
    case 'F12' 
        x=-10:0.1:10; y=x;%[-pi,pi]
    case 'F13' 
        x=-5:0.08:5; y=x;%[-3,1]
    case 'F14' 
        x=-100:2:100; y=x;%[-100,100]
    case 'F15' 
        x=-5:0.1:5; y=x;%[-5,5]
    case 'F16' 
        x=-1:0.01:1; y=x;%[-5,5]
    case 'F17' 
        x=-5:0.1:5; y=x;%[-5,5]
    case 'F18' 
        x=-5:0.06:5; y=x;%[-5,5]
    case 'F19' 
        x=-5:0.1:5; y=x;%[-5,5]
    case 'F20' 
        x=-5:0.1:5; y=x;%[-5,5]        
    case 'F21' 
        x=-5:0.1:5; y=x;%[-5,5]
    case 'F22' 
        x=-5:0.1:5; y=x;%[-5,5]     
    case 'F23' 
        x=-5:0.1:5; y=x;%[-5,5]  
end    

    

L=length(x);
f=[];

for i=1:L
    for j=1:L
        if strcmp(func_name,'F15')==0 && strcmp(func_name,'F19')==0 && strcmp(func_name,'F20')==0 && strcmp(func_name,'F21')==0 && strcmp(func_name,'F22')==0 && strcmp(func_name,'F23')==0
            f(i,j)=F_obj([x(i),y(j)]);
        end
        if strcmp(func_name,'F15')==1
            f(i,j)=F_obj([x(i),y(j),0,0]);
        end
        if strcmp(func_name,'F19')==1
            f(i,j)=F_obj([x(i),y(j),0]);
        end
        if strcmp(func_name,'F20')==1
            f(i,j)=F_obj([x(i),y(j),0,0,0,0]);
        end       
        if strcmp(func_name,'F21')==1 || strcmp(func_name,'F22')==1 ||strcmp(func_name,'F23')==1
            f(i,j)=F_obj([x(i),y(j),0,0]);
        end          
    end
end

surfc(x,y,f,'LineStyle','none');

end


5.3 Get_F.m



function [LB,UB,Dim,F_obj] = Get_F(F)


switch F
    case 'F1'
        F_obj = @F1;
        LB=-100;
        UB=100;
        Dim=10;
        
    case 'F2'
        F_obj = @F2;
        LB=-10;
        UB=10;
        Dim=10;
        
    case 'F3'
        F_obj = @F3;
        LB=-100;
        UB=100;
        Dim=10;
        
    case 'F4'
        F_obj = @F4;
        LB=-100;
        UB=100;
        Dim=10;
        
    case 'F5'
        F_obj = @F5;
        LB=-30;
        UB=30;
        Dim=10;
        
    case 'F6'
        F_obj = @F6;
        LB=-100;
        UB=100;
        Dim=10;
        
    case 'F7'
        F_obj = @F7;
        LB=-1.28;
        UB=1.28;
        Dim=10;
        
    case 'F8'
        F_obj = @F8;
        LB=-500;
        UB=500;
        Dim=10;
        
    case 'F9'
        F_obj = @F9;
        LB=-5.12;
        UB=5.12;
        Dim=10;
        
    case 'F10'
        F_obj = @F10;
        LB=-32;
        UB=32;
        Dim=10;
        
    case 'F11'
        F_obj = @F11;
        LB=-600;
        UB=600;
        Dim=10;
        
    case 'F12'
        F_obj = @F12;
        LB=-50;
        UB=50;
        Dim=50;
        
    case 'F13'
        F_obj = @F13;
        LB=-50;
        UB=50;
        Dim=10;
        
    case 'F14'
        F_obj = @F14;
        LB=-65.536;
        UB=65.536;
        Dim=2;
        
    case 'F15'
        F_obj = @F15;
        LB=-5;
        UB=5;
        Dim=4;
        
    case 'F16'
        F_obj = @F16;
        LB=-5;
        UB=5;
        Dim=2;
        
    case 'F17'
        F_obj = @F17;
        LB=[-5,0];
        UB=[10,15];
        Dim=2;
        
    case 'F18'
        F_obj = @F18;
        LB=-2;
        UB=2;
        Dim=2;
        
    case 'F19'
        F_obj = @F19;
        LB=0;
        UB=1;
        Dim=3;
        
    case 'F20'
        F_obj = @F20;
        LB=0;
        UB=1;
        Dim=6;     
        
    case 'F21'
        F_obj = @F21;
        LB=0;
        UB=10;
        Dim=4;    
        
    case 'F22'
        F_obj = @F22;
        LB=0;
        UB=10;
        Dim=4;    
        
    case 'F23'
        F_obj = @F23;
        LB=0;
        UB=10;
        Dim=4;            
end

end

% F1

function o = F1(x)
o=sum(x.^2);
end

% F2

function o = F2(x)
o=sum(abs(x))+prod(abs(x));
end

% F3

function o = F3(x)
dim=size(x,2);
o=0;
for i=1:dim
    o=o+sum(x(1:i))^2;
end
end

% F4

function o = F4(x)
o=max(abs(x));
end

% F5

function o = F5(x)
dim=size(x,2);
o=sum(100*(x(2:dim)-(x(1:dim-1).^2)).^2+(x(1:dim-1)-1).^2);
end

% F6

function o = F6(x)
o=sum(abs((x+.5)).^2);
end

% F7

function o = F7(x)
dim=size(x,2);
o=sum([1:dim].*(x.^4))+rand;
end

% F8

function o = F8(x)
o=sum(-x.*sin(sqrt(abs(x))));
end

% F9

function o = F9(x)
dim=size(x,2);
o=sum(x.^2-10*cos(2*pi.*x))+10*dim;
end

% F10

function o = F10(x)
dim=size(x,2);
o=-20*exp(-.2*sqrt(sum(x.^2)/dim))-exp(sum(cos(2*pi.*x))/dim)+20+exp(1);
end

% F11

function o = F11(x)
dim=size(x,2);
o=sum(x.^2)/4000-prod(cos(x./sqrt([1:dim])))+1;
end

% F12

function o = F12(x)
dim=size(x,2);
o=(pi/dim)*(10*((sin(pi*(1+(x(1)+1)/4)))^2)+sum((((x(1:dim-1)+1)./4).^2).*...
(1+10.*((sin(pi.*(1+(x(2:dim)+1)./4)))).^2))+((x(dim)+1)/4)^2)+sum(Ufun(x,10,100,4));
end

% F13

function o = F13(x)
dim=size(x,2);
o=.1*((sin(3*pi*x(1)))^2+sum((x(1:dim-1)-1).^2.*(1+(sin(3.*pi.*x(2:dim))).^2))+...
((x(dim)-1)^2)*(1+(sin(2*pi*x(dim)))^2))+sum(Ufun(x,5,100,4));
end

% F14

function o = F14(x)
aS=[-32 -16 0 16 32 -32 -16 0 16 32 -32 -16 0 16 32 -32 -16 0 16 32 -32 -16 0 16 32;,...
-32 -32 -32 -32 -32 -16 -16 -16 -16 -16 0 0 0 0 0 16 16 16 16 16 32 32 32 32 32];

for j=1:25
    bS(j)=sum((x'-aS(:,j)).^6);
end
o=(1/500+sum(1./([1:25]+bS))).^(-1);
end

% F15

function o = F15(x)
aK=[.1957 .1947 .1735 .16 .0844 .0627 .0456 .0342 .0323 .0235 .0246];
bK=[.25 .5 1 2 4 6 8 10 12 14 16];bK=1./bK;
o=sum((aK-((x(1).*(bK.^2+x(2).*bK))./(bK.^2+x(3).*bK+x(4)))).^2);
end

% F16

function o = F16(x)
o=4*(x(1)^2)-2.1*(x(1)^4)+(x(1)^6)/3+x(1)*x(2)-4*(x(2)^2)+4*(x(2)^4);
end

% F17

function o = F17(x)
o=(x(2)-(x(1)^2)*5.1/(4*(pi^2))+5/pi*x(1)-6)^2+10*(1-1/(8*pi))*cos(x(1))+10;
end

% F18

function o = F18(x)
o=(1+(x(1)+x(2)+1)^2*(19-14*x(1)+3*(x(1)^2)-14*x(2)+6*x(1)*x(2)+3*x(2)^2))*...
    (30+(2*x(1)-3*x(2))^2*(18-32*x(1)+12*(x(1)^2)+48*x(2)-36*x(1)*x(2)+27*(x(2)^2)));
end

% F19

function o = F19(x)
aH=[3 10 30;.1 10 35;3 10 30;.1 10 35];cH=[1 1.2 3 3.2];
pH=[.3689 .117 .2673;.4699 .4387 .747;.1091 .8732 .5547;.03815 .5743 .8828];
o=0;
for i=1:4
    o=o-cH(i)*exp(-(sum(aH(i,:).*((x-pH(i,:)).^2))));
end
end

% F20

function o = F20(x)
aH=[10 3 17 3.5 1.7 8;.05 10 17 .1 8 14;3 3.5 1.7 10 17 8;17 8 .05 10 .1 14];
cH=[1 1.2 3 3.2];
pH=[.1312 .1696 .5569 .0124 .8283 .5886;.2329 .4135 .8307 .3736 .1004 .9991;...
.2348 .1415 .3522 .2883 .3047 .6650;.4047 .8828 .8732 .5743 .1091 .0381];
o=0;
for i=1:4
    o=o-cH(i)*exp(-(sum(aH(i,:).*((x-pH(i,:)).^2))));
end
end

% F21

function o = F21(x)
aSH=[4 4 4 4;1 1 1 1;8 8 8 8;6 6 6 6;3 7 3 7;2 9 2 9;5 5 3 3;8 1 8 1;6 2 6 2;7 3.6 7 3.6];
cSH=[.1 .2 .2 .4 .4 .6 .3 .7 .5 .5];

o=0;
for i=1:5
    o=o-((x-aSH(i,:))*(x-aSH(i,:))'+cSH(i))^(-1);
end
end

% F22

function o = F22(x)
aSH=[4 4 4 4;1 1 1 1;8 8 8 8;6 6 6 6;3 7 3 7;2 9 2 9;5 5 3 3;8 1 8 1;6 2 6 2;7 3.6 7 3.6];
cSH=[.1 .2 .2 .4 .4 .6 .3 .7 .5 .5];

o=0;
for i=1:7
    o=o-((x-aSH(i,:))*(x-aSH(i,:))'+cSH(i))^(-1);
end
end

% F23

function o = F23(x)
aSH=[4 4 4 4;1 1 1 1;8 8 8 8;6 6 6 6;3 7 3 7;2 9 2 9;5 5 3 3;8 1 8 1;6 2 6 2;7 3.6 7 3.6];
cSH=[.1 .2 .2 .4 .4 .6 .3 .7 .5 .5];

o=0;
for i=1:10
    o=o-((x-aSH(i,:))*(x-aSH(i,:))'+cSH(i))^(-1);
end
end

function o=Ufun(x,a,k,m)
o=k.*((x-a).^m).*(x>a)+k.*((-x-a).^m).*(x<(-a));
end

5.4 initialization.m


function X=initialization(N,Dim,UB,LB)

B_no= size(UB,2); % numnber of boundaries

if B_no==1
    X=rand(N,Dim).*(UB-LB)+LB;
end

% If each variable has a different lb and ub
if B_no>1
    for i=1:Dim
        Ub_i=UB(i);
        Lb_i=LB(i);
        X(:,i)=rand(N,1).*(Ub_i-Lb_i)+Lb_i;
    end
end

5.5 main.m

clear all 
clc


Solution_no=20; %Number of search solutions
F_name='F1';    %Name of the test function F1-f23
M_Iter=1000;    %Maximum number of iterations
 
[LB,UB,Dim,F_obj]=Get_F(F_name); %Give details of the underlying benchmark function

[Best_FF,Best_P,Conv_curve]=AOA(Solution_no,M_Iter,LB,UB,Dim,F_obj); % Call the AOA 

 

figure('Position',[454   445   694   297]);
subplot(1,2,1);
func_plot(F_name);
title('Parameter space')
xlabel('x_1');
ylabel('x_2');
zlabel([F_name,'( x_1 , x_2 )'])


subplot(1,2,2);
semilogy(Conv_curve,'Color','r','LineWidth',2)
title('Convergence curve')
xlabel('Iteration#');
ylabel('Best fitness function');
axis tight
legend('AOA')



display(['The best-obtained solution by Math Optimizer is : ', num2str(Best_P)]);
display(['The best optimal value of the objective funciton found by Math Optimizer is : ', num2str(Best_FF)]);

6.运行结果

在这里插入图片描述

7.参考文献

[1]Laith A,Ali D,Seyedali M, et al. The Arithmetic Optimization Algorithm[J]. Computer Methods in Applied Mechanics and Engineering,2021,376.

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/743323.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

MySQL的表操作DML,DDL

建表 mysql> create table work(-> dept_id int(11) not null comment 部门号,-> staff_id int(11) not null comment 职工号,-> work_time date not null comment 工作时间,-> wage float(8.2) not null comment 工资,-> poli_face varchar(20) not null …

软考A计划-系统集成项目管理工程师-项目成本管理-中

点击跳转专栏>Unity3D特效百例点击跳转专栏>案例项目实战源码点击跳转专栏>游戏脚本-辅助自动化点击跳转专栏>Android控件全解手册点击跳转专栏>Scratch编程案例点击跳转>软考全系列 &#x1f449;关于作者 专注于Android/Unity和各种游戏开发技巧&#xff…

如何在本地组策略编辑器中启用或禁用剪贴板历史记录

复制粘贴是我们大家都会做的事情,可能一天要做多次。但是,如果你需要一次又一次地复制同样的几件事,你该怎么办?如何在设备上复制内容? 从Windows 10版本17666开始,微软正在解决这一问题,并将剪贴板提升到一个新的水平,只需按下Win+V,你将获得全新的剪贴板体验。 你…

session共享问题和其他常见问题及解决方案

目录 1.shirospringboot中session的共享问题 1.1 如何解决session共享问题 2. 解决前端不支持cookie的效果 2.1.如何把sessionId放入请求头 2.2.重写DefaultWebSessionManager的方法 3.设置前端前置路由守卫 4.如何防止恶意重复登录 5.退出 6.获取当前登录用户的信息 …

jQuery根据数据动态创建表格:列固定,行超出滚动条,绑定td点击事件等

示例如图&#xff0c;代码如下: html: <div class"layui-row" id"avTableulL"><ul></ul></div><div id"avTableulR"><div id"avTableulT"><ul></ul></div><div id"avT…

【华为认证】HCIP-Datacom 2023最新题库

正在备考华为认证的小伙伴应该知道&#xff0c;除了理论知识外&#xff0c;刷题也相当重要&#xff0c;周工这里有一份HCIAHCIP-Datacom带解析的最新题库 点赞留言 即可领取。 1. &#xff08;多选题&#xff09;ISIS的Hello报文主要分为哪几种类型? A.P2P LAN IIH B.…

UnityVR--机械臂场景12-简单流水线应用4

目录 一. 手爪 二. 红外线传感器 三. 工件生成器 四. 总结 上一篇已经实现了机械臂各种动作的控制&#xff0c;本篇实现一下其余的组成部分&#xff0c;比如手爪、传感器和自动放置工件等。 一. 手爪 手爪的模型调整就不多说了&#xff0c;需要设置的是Rigidbody、Collide…

在Visual Studio Code里导出8266固件

1.编辑 .vscode目录下 arduion.json 添加 一个配置项output即输出目录.当然你不设置其它软固件一样会生成,只是就不知道你能不能找到了.我的配置如下 当然这个路径你想写什么 就是什么 . 2. 切换到 arduion的项目文件 xxxx.ino.点击vsc右上的验证 即可在上面设置的目录下找到…

Nginx系列之 一 入门

目录 一、Nginx概述 二、yum安装 三、nginx.conf配置文件详解 3.1 全局块 3.2 events 块 3.3 HTTP 块 四、Nginx 常用命令 五、Nginx代理 4.1 正向代理 4.2 反向代理 六、Nginx的Master-Worker模式 6.1 Master进程的作用是&#xff1f; 6.2 Worker进程的作用是&am…

Layui动态树详解

Layui动态树详解 一、什么是动态树形&#xff1f;二、Layui动态树形基本使用三、动态加载数据4.案列1.实体类2.dao方法3.子实现类4.jsp页面 前言 在前端开发过程中&#xff0c;树形控件是比较常用的控件之一。而Layui框架中&#xff0c;也提供了基于jQuery的树形控件。除了普通…

小程序接口返回errno: 600009 errMsg: “request:fail invalid url “异常问题排查修复记录

小程序封装wxrequest更换域名baseurl后调用接口返回errMsg: "request:fail invalid url "&#xff0c;errno: 600009 控制台输出request的url也是正常的&#xff0c;起初怀疑是没配置域名白名单&#xff0c;但是小程序模拟器勾选了不校验合法域名的&#xff0c;而且…

PWM技术在嵌入式设备运行中的调节应用

PWM&#xff08;脉宽调制&#xff09;是一种通过改变信号的脉冲宽度来控制电压或电流的技术。PWM的等效电压是指将PWM信号转换为相应的直流电压或电流的数值。 在PWM信号中&#xff0c;占空比表示高电平和低电平脉冲宽度的比例。例如&#xff0c;一个占空比为50%的PWM信号意味…

ApiPost - 踩坑指南

1.应用场景 主要用于记录apipost遇到的坑, 以及为遇到的开发者提供参考. 2.学习/操作 1.文档阅读 chatgpt & 其他资料 ApiPost问答-localhost的坑的问题列表 localhost 不能正确解析为本机-ApiPost使用-ApiPost问答 断网了&#xff0c;还能ping通 127.0.0.1 吗&#xff1…

基于STM32的智能花盆系统设计与实现(华为云IOT)

一、设计需求 1.1 设计需求总结 伴随着人们生活水平以及现在科学技术的急速发展,越来越多的人喜欢在家庭栽培一些盆栽植物。可是当代生活节奏过快,导致盆栽大多数都不能得到很好的补充水分和阳光照射,从而导致盆栽的生活周期变短。如何利用现代电子技术设计一种可自动浇水…

Android Java代码与JNI交互 JNI访问Java类方法 (七)

🔥 Android Studio 版本 🔥 🔥 创建包含JNI的类 JNIAccessMethod.java 🔥 package com.cmake.ndk1.jni;import com.cmake.ndk1.model.Animal;public class JNIAccessMethod {static {System.loadLibrary("access-method-lib");}public native void access…

Spring Bean生命周期以及PostProcessor后置处理器

简介 所谓Bean的生命周期&#xff0c;就是一个 Bean 从创建到销毁&#xff0c;所经历的各种方法调用。 一个Bean的生命周期分为四个阶段&#xff1a; 实例化(Instantiation)&#xff1a;Spring容器负责创建Bean的实例&#xff0c;可以通过构造方法或者无参构造方法进行实例化…

电脑应用程序发生异常怎么办?

有时候我们打开电脑上面的某个软件时&#xff0c;会打不开&#xff0c;并且会弹出如下的错误提示“应用程序发生异常 未知的软件异常&#xff08;&#xff58;&#xff58;&#xff58;&#xff09;&#xff0c;位置为&#xff58;&#xff58;”。相信大多数的人在使用电脑的时…

springMVC(三)—— 整合SSM框架

环境 IDEA Mysql 5.7.19 tomcat 8 maven 3.8.4 数据库设计 CREATE DATABASE ssmbuild;USE ssmbuild;DROP TABLE IF EXISTS books;CREATE TABLE books(bookID INT(10) NOT NULL AUTO_INCREMENT COMMENT 书id,bookName VARCHAR(100) NOT NULL COMMENT 书名,bookCounts INT(…

github 最简单的使用步骤(个人学习记录~)

github 使用步骤&#xff1a; (11条消息) github新手用法详解&#xff08;建议收藏&#xff01;&#xff01;&#xff01;&#xff09;_github详解_怪 咖的博客-CSDN博客 1.获取ssh密钥 打开输入&#xff1a;ssh-keygen -t rsa -C “git账号” 输入之后一路Enter&#xff08…

Tomcat之高可用配置

Nginx搭配Tomcat实现负载均衡 传统模型下&#xff0c;一个项目部署在一台tomcat上&#xff0c;这个时候&#xff0c;假如tomcat因为服务器资源不够&#xff0c;突然挂机了&#xff0c;那么整个项目就无法使用。 Nginx就可以避免单台服务如果挂机&#xff0c;依然能保证服务正…