之前，我的部落格中寫了幾種經典的優化演算法和機器學習領域的方法：
模擬退火(simulated annealing, sa)演算法簡介與matlab實現
蟻群演算法(ant colony algorithm, aca)簡介及其matlab實現
粒子群優化演算法（pso）簡介及matlab實現
遺傳演算法原理簡介及其matlab實踐
決策樹演算法簡介及其matlab實現**
極限學習機(extreme learning machine, elm)原理詳解和matlab實現
簡單粗暴理解支援向量機（svm）及其matlab例項
競爭神經網路與som神經網路詳解與matlab實踐
grnn和pnn神經網路簡介與matlab實踐
簡單直白理解rbf神經網路及其matlab例項
bp神經網路：計算原理詳解和matlab實現
學習完畢這麼多優化演算法後，我們可以發現它們的思路無外乎兩個：
exploration，群優化，全域性搜尋，避免陷入區域性最優。
exploitation，區域性的精細化搜尋。
或者是以上兩種方法的融合使用：哪個階段用哪乙個方法。
除了直接使用別人的方法，如果我們也想自己設計乙個優化演算法，那麼就可以按照上面的兩種思路來做。
同時，看別人的演算法時，也要從以上兩個角度來思考，對方為什麼這麼做，我們可以如何改進。在寫**、做研究時，也要多加思考，盡量避免拿來主義、囫圇吞棗！
面試經驗之談
這裡是2017年11月7日，鄙人不才，17年應屆畢業，經驗不足，十一之後來到上海找工作，目前一無所獲。無奈，今天又逛了一趟培訓機構，看著和自己年齡相仿同學在前台焦急等待的時候感觸頗深，為什麼總是接到培訓機構的邀請，而不見想象之中offer也看不見期待的公司的回覆。剛好有哥哥姐姐在上海這邊，所以借住在...
併發控制經驗之談
多年使用鎖的經驗說明，我們很難駕輕就熟地使用鎖。併發的管理本來就非常棘手，而許多使用方法都可能導致錯誤。本文將總結一些併發控制中容易導致錯誤的東西。不明確的規則 恰當的鎖定模式需要清晰和明確的規則。當我們建立乙個可被並行訪問的物件時，應該同時定義用來控制訪問的鎖。鎖定模式必須在一開始就安排好，否則其...
幾次面試經驗之談
幾次面試經驗之談 文 飛天含雪 從十一假期結束到現在，近乙個月了，大大小小的面試總共參加了六七場，對面試有些感想，筆者知道網上談論該話題也多，但要麼片面，要麼扯淡，不僅達不到目的，反而有誤導民眾之嫌，筆者今日將經驗之談一一和盤托出，希望大家能有所借鑑。一 首當其衝 者 凶多吉少 收拾殘局 者 漁翁得...