坤丶

摘要： 为了满足对函数光滑性的需要，我们可以使用一种有弹性的长条（称之为样条），强迫它弯曲通过样本点。 import numpy as npimport matplotlib.pylab as plfrom scipy import interpolatex = np.linspace(0, 10, 11) 阅读全文

摘要： 凸函数的非线性规划 minimize 求解的是局部最优解 简单的函数，无所谓 复杂的函数 初始值的设定很重要 scipy.optimize.minimize(fun,x0,args=(),method=None,jac=None,hess=None,hessp=None,bounds= None,c 阅读全文

摘要： zip函数 a = [1,2,3,4]b = [5,6,7,8]i = sum(x * y for x, y in zip(a, b))print(i)70 floor and ceil 函数 import matha = 34.3print(math.floor(a))print(math.cei 阅读全文

摘要： 代码 import pulp import numpy as np from pprint import pprint def transport_problem(costs, x_max, y_max): row = len(costs) col = len(costs[0]) prob = pu 阅读全文

摘要： instance 代码： import pulp z = [2, 3, 1] a = [[1, 4, 2], [3, 2, 0]] b = [8, 6] aeq = [[1,2,4]] beq = [101] #确定最大化最小化问题，最大化只需将Min改成Max即可 m = pulp.LpProbl 阅读全文

摘要： instance1： 求解下列线性规划问题 s.t. 代码： from scipy import optimizeimport numpy as npc = np.array([2,3,-5])A = np.array([[-2,5,-1],[1,3,1]])B = np.array([-10,12 阅读全文

摘要： 线程安全性问题# 多线程环境下 肯定不可以变为单线程# 共享变量 不可以# 并发对共享变量进行修改 可以 import threadingclass MyThread(threading.Thread): sum = 0 # 锁 lock = threading.Lock() def run(sel 阅读全文

摘要： import threadingclass MyThreading(threading.Thread): def run(self): print("Hello,world!")my_threading = MyThreading()my_threading2 = MyThreading()my_t 阅读全文

摘要： 服务端 import socketserver = socket.socket(socket.AF_INET, socket.SOCK_STREAM)server.bind(("127.0.0.1", 8888))server.listen(5)print("服务端已经启动，等待客户连接 》")cl 阅读全文

摘要： 实例方法：与具体实例相关，用于操作实例变量类方法：与类相关，用于操作类变量，虽然实例可以直接调用，但是不建议通过实例调用静态方法：与类和具体实例无关，相当于一个独立的函数实例方法 class Person(): def __init__(self, name, age, height): self. 阅读全文