! 沒寫完，先別看t.t
貪吃蛇的尋路問題是最簡單的一類路徑搜尋問題， 在我之前的部落格中，對於單一路徑權值、單一目標、且目標未知的貪吃蛇尋路問題我已經用bfs解決了。但是，我們的終極目標是讓蛇可以根據自己的喜好尋找食物，這個時候，就該a*出馬了。在使用a*演算法解決問題之前，我們得知道大名鼎鼎的a*演算法是啥。其實網上關於a*的教程已經很多了，我這裡不再具體細緻的說，讀者只需要了解以下幾點a*的特點即可：演算法思路是先使用廣度優先搜尋將地圖中所有的「可能的食物」搜尋出來後，使用a*演算法進行路徑權值評估，最後與所得到的食物權值進行價效比排序，最後得到乙個獲取最佳食物的最佳路徑。
注：本文偏新手向，如有錯漏請多指教
在本文標題中，貪吃蛇的後邊有個（偽）字，意思是我們的主角並不僅僅是可愛的蛇，而可以是任何的動物。舉個栗子，在乙個森林裡，有愛吃蘿蔔的兔子，愛吃青草的羊，還有愛吃兔子的狐狸，和愛吃羊的老虎。對於不同的動物來說，每一種食物的吸引力是不一樣的，我們通過權值來對吸引力作出量化。因此，有可能會出現以下情況：森林裡沒有蘿蔔的時候，兔子也會選擇去吃草，或者森林裡沒有羊的時候，老虎也會吃兔子，因為這是當前狀態下兔子和老虎維持生存的最佳選擇。對於我們的演算法而言，就可以抽象為乙個權重選擇的問題，一方面是路徑的權重選擇（路徑行走的難度），另一方面就是得到的食物與路徑難度之間的價效比問題，解決了這兩個問題，動物們就可以選擇最佳的食物，並以最短最優的路徑抵達食物了。
那麼，我們的世界架構就很清晰了。我把這個世界稱作
dijkstra演算法關於負權值的問題
dijkstra由於是貪心的，每次都找乙個距源點最近的點 dmin 然後將該距離定為這個點到源點的最短路徑 d i 1.從a點出發 2.首先找到距a最近的且直接相連的點，有b跟c，a到c更短，所以先把c標記 3.再尋找c點的下乙個鄰居，沒有鄰居 4.找到距a次近的且未被標記的點b，標記b 5.找出b...
基於權值熵的深度神經網路量化
weighted entropy based quantization for deep neural networks cvpr2017 1.緒論部分 量化是優化神經網路模型前向計算耗時的最有效的方法之一，以便它們部署到資源受限的移動或嵌入式系統中。在這類方法中，最重要是提供低精度損失量化。在這篇...
基於opencv的sauvola二值演算法
sauvola演算法是乙個比較不錯的區域性二值化演算法，有不少人也具體實現了其 但是本人覺得裡面存在一些bug和不方便opencv呼叫，所以對其適當的修改。但是修改之後，仍然就是存在一些問題，就是難以找到乙個比較大的資料型別去儲存，這個bug等以後有空再處理。不過通過修改後的 進行學習，還是很不錯的...