python
網(wǎng)站建設(shè)哪家好,找創(chuàng)新互聯(lián)公司!專注于網(wǎng)頁設(shè)計(jì)、網(wǎng)站建設(shè)、微信開發(fā)、微信平臺(tái)小程序開發(fā)、集團(tuán)企業(yè)網(wǎng)站建設(shè)等服務(wù)項(xiàng)目。為回饋新老客戶創(chuàng)新互聯(lián)還提供了新羅免費(fèi)建站歡迎大家使用!
有一個(gè)相應(yīng)的特殊解構(gòu)器(destructor)方法名為__del__()。然而,由于python具有垃圾對(duì)象回收機(jī)制(靠引用計(jì)數(shù)),這個(gè)函數(shù)要直
到該實(shí)例對(duì)象所有的引用都被清除掉后才會(huì)被執(zhí)行。python中的解構(gòu)器是在實(shí)例釋放前提供特殊處理功能方法,它們通常沒有被實(shí)現(xiàn),因?yàn)閷?shí)例很少被顯式釋
放。
#!/usr/bin/env python
#coding=utf-8
class P():
def __del__(self):
pass
class C(P):
def __init__(self):
print 'initialized'
def __del__(self):
P.__del__(self)
print 'deleted'
c1 = C()
c2 = c1
c3 = c1
print id(c1), id(c2), id(c3)
del c1
del c2
del c3
Python 中的變量不需要聲明。每個(gè)變量在使用前都必須賦值,變量賦值以后該變量才會(huì)被創(chuàng)建。
在 Python 中,變量就是變量,它沒有類型,我們所說的"類型"是變量所指的內(nèi)存中對(duì)象的類型。
等號(hào)(=)用來給變量賦值。
等號(hào)(=)運(yùn)算符左邊是一個(gè)變量名,等號(hào)(=)運(yùn)算符右邊是存儲(chǔ)在變量中的值。
下圖介紹了兩種不同種類的Metaheuristics,我們主要用左邊的,尤其是Iterated Greedy。
I 和D 的過程用圖像表示如下:
我在這里只用Iterated Greedy算法。原因如下:
其他算法諸如蟻群算法等,可能能提供非常接近最優(yōu)解的方案,有些算法的運(yùn)行速度也很快,可以彌補(bǔ)python運(yùn)行慢的缺陷。但是這些算法通常存在諸多不足,例如算法太復(fù)雜,適用面很窄,需要設(shè)置過多參數(shù)導(dǎo)致很難實(shí)現(xiàn)。
Iterated Greedy的優(yōu)勢(shì)在于,它由兩個(gè)簡單的階段構(gòu)成:
D和I
更好的解決方案總會(huì)被接受
更壞的方案以特定的可能性接受,接受的概率如下圖
類似 模擬退火法 :
從當(dāng)前解決方案中隨機(jī)刪除 numberJobsToRemove 個(gè)訂單。這里 numberJobsToRemove 是Iterated Greedy的一個(gè)參數(shù)。
輸出的結(jié)果是被移除的訂單集合 removedJobs 和一個(gè)不完整的解決方案 partialPermutation 。
* 注意:solver.RNG.choice的結(jié)果每次都一樣,是因?yàn)槲覀冊(cè)O(shè)置了隨機(jī)數(shù)種子,目的就是只要是用同一個(gè)種子作為參數(shù)構(gòu)造出的solver的屬性RNG都是同一個(gè)。
將 removedJobs 重新加回 partialPermutation ,并插入到最佳位置(NEH)的順序,并返回新的完整解決方案。這個(gè)插入過程是通過排列Permutation實(shí)現(xiàn)的,看一下Construction函數(shù)的參數(shù)表可知,需要兩個(gè)列表。
* 注:前面講算法的時(shí)候說過,重構(gòu)函數(shù)執(zhí)行之后會(huì)生成一個(gè)新的方案newSolution,新方案就是通過把removedJobs插入到最佳位置得到的。最優(yōu)位置的選擇需要在Construction函數(shù)中借助 solver.EvaluationLogic.DetermineBestInsertion(completeSolution, i)來實(shí)現(xiàn)
我們通過簡單的解構(gòu)和重構(gòu),必然會(huì)得出一個(gè)新方案newSolution,那么我們接受新方案newSolution為當(dāng)前方案currentSolution的前提是,如果
- 新的解決方案( newSolution ),
- 當(dāng)前解決方案( currentSolution )。
* 公式中,T叫做baseTemperature,是Iterated Greedy的第二個(gè)參數(shù),T越大,則接受更壞方案的概率也越大。新的最優(yōu)方案存儲(chǔ)在SolutionPool中(numberJobsToRemove是第一個(gè)參數(shù))
下面開始對(duì)newSolution進(jìn)行評(píng)估和比較:
* 注意:判斷一個(gè)新方案是否可接受取決于兩方面:1. 如果新方案更好,那么無論如何都會(huì)接受新方案;2. 如果新方案并沒有優(yōu)化,則視作WorseSolution,即使是worseSolution也是要按照公式計(jì)算出的概率來衡量是否要接受這個(gè)不好的方案
為了看起來更加直觀,我把接受差方案的過程寫成了函數(shù)AcceptWorseSolution。注意看參數(shù)表,以便于確定何時(shí)調(diào)用這個(gè)函數(shù)。
局部搜索可以被用于優(yōu)化currentSOlution,但不是必須的。通常會(huì)使用IterativeImprovement結(jié)合Insertion鄰域一起使用。
Iterated Greedy是一個(gè)迭代的解構(gòu)D和構(gòu)建C組成的序列。
在一個(gè)循環(huán)中被反復(fù)執(zhí)行,直到達(dá)到 停止標(biāo)準(zhǔn) 。
在這里的例子中, 停止標(biāo)準(zhǔn) 是迭代次數(shù) maxIterations ,但時(shí)間限制或沒有優(yōu)化的迭代次數(shù)也是可以的。
后面可能還會(huì)講到怎么設(shè)計(jì)一個(gè)沒有優(yōu)化的迭代次數(shù),這里可以先思考一下。
現(xiàn)在嘗試運(yùn)行一下:
與 IterativeImprovement 算法類似,現(xiàn)在要為 IteratedGreedy 創(chuàng)建一個(gè)單獨(dú)的類,以便該類的一個(gè)實(shí)例可以傳遞給求解器Solver。
像 IterativeImprovement 一樣, Iterated Greedy 應(yīng)該繼承自 ImprovementAlgorithm 。
必要的 參數(shù) 是以下屬性:
EvaluationLogic, SolutionPool以及隨機(jī)數(shù)生成器RNG都由求解器solver傳遞給算法。
添加 IteratedGreedy 類,以便它可以作為一種算法傳遞給求解器。
成員函數(shù):Konstruktor, Initialize, Destruction, Construction, AcceptWorseSolution, Run
在準(zhǔn)備我的 PyCon上關(guān)于HTML的演講 的時(shí)候我覺得我應(yīng)該對(duì)現(xiàn)有的一些解析器和文檔模型做個(gè)性能對(duì)比。 實(shí)際上,情況有點(diǎn)復(fù)雜,因?yàn)樘幚鞨TML需要幾個(gè)步驟
網(wǎng)站題目:python解構(gòu)函數(shù) python 解構(gòu)
文章地址:http://vcdvsql.cn/article10/hpjogo.html
成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián),為您提供自適應(yīng)網(wǎng)站、網(wǎng)站策劃、企業(yè)建站、全網(wǎng)營銷推廣、靜態(tài)網(wǎng)站、動(dòng)態(tài)網(wǎng)站
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請(qǐng)盡快告知,我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如需處理請(qǐng)聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時(shí)需注明來源: 創(chuàng)新互聯(lián)