登录社区云，与社区用户共同成长
邀请您加入社区
TestMaster是一个开源的端到端自动化测试平台，采用微服务架构设计，提供可视化测试编辑、AI智能生成测试场景、跨平台测试执行等功能。技术栈包含React+TypeScript前端、NestJS+Python后端，支持Selenium/Playwright/Appium等多种测试引擎。平台具有以下核心功能： 可视化拖拽式测试用例设计，降低测试编写门槛 AI智能分析页面结构自动生成测试场景 支持
然而，传统方法的设计过程往往耗时耗力，且难以突破现有算法的局限性。近年来，随着大语言模型（LLM）技术的快速发展，这些模型在算法自动化设计中的潜力引起了广泛关注。随着大语言模型的不断进步，自动化生成优化算法的研究将进一步推动元启发式算法的发展。在黑盒优化基准测试中，LLaMEA生成的算法在性能上超越了多种经典优化方法，包括协方差矩阵自适应进化策略（CMA-ES）和差分进化（DE）。2024年5月，
摘要：本方案提出基于DeepSeek大模型的定制化架构设计文档生成系统，采用分层架构设计，包含需求解析、规范映射、动态生成等核心模块，支持GB/T8567、TOGAF等主流行业规范的智能适配。系统通过LoRA技术实现企业知识融合，采用零信任安全模型保障数据安全，可自动生成符合规范的Markdown/PDF/Confluence格式文档。经测试，该系统减少70%文档编写时间，规范符合度达92%，显著
本文针对产品订单数据开发了多粒度需求预测模型。研究采用相关性分析方法量化价格、区域、销售方式等8个因素对需求量的影响，并基于梯度提升树构建了日/周/月预测模型。模型通过数据预处理、特征降维等步骤，最终选用月度预测模型输出结果。研究探讨了不同时间粒度对预测精度的影响，为产品需求预测提供了多因素分析和组合预测方法。关键词：ARIMA、机器学习、多因素分析。
MSO 作为 2025 年的前沿算法，凭借 “物理灵感 + 双策略优化” 的创新设计，在复杂优化问题中表现碾压传统算法。它不仅逻辑直观、公式简洁，还能无缝适配机器学习调参、工程优化、路径规划等多个场景，是科研和工程实践的 “利器”。
2020年高教社杯全国大学生数学建模竞赛 C题中小微企业的信贷决策本文旨在为广大热爱建模的朋友们提供2020年数学建模C题的思路和解法。问题回顾在实际中，由于中小微企业规模相对较小，也缺少抵押资产，因此银行通常是依据信贷政策、企业的交易票据信息和上下游企业的影响力，向实力强、供求关系稳定的企业提供贷款，并可以对信誉高、信贷风险小的企业给予利率优惠。银行首先根据中小微企业的实力、信誉对其信贷风险做出
1.1 线性回归1.2 决策数1.3 支持向量机1.4 随机森林1.5 聚类1.6 降维1.7 核方法。
智能优化算法
在埋藏的环境下，古代玻璃易遭受风化作用，其化学成分比例发生改变，从而对鉴别其类型等考古工作造成一定的困难。本文研究文物采样点的理化特征，完成了古代玻璃制品的类型预测，并就其化学成分的关联关系进行了差异性分析。
人工鱼群算法是由国内李晓磊博士等人提出的一种新型仿生群智能优化算法，李博士从分析鱼类的活动出发，采用有别于传统的设计方法，以自下而上的设计思想，应用基于行为的智能方法，提出了一种新的鱼群模式。真实的鱼类个体，其感知周围环境的变化是通过视觉或味觉实现的，此外，观察鱼类的行为，可以发现鱼类会有以下几种行为表现：(1)觅食行为。一般情况下鱼在水中随机地自由游动,当发现食物时,则会向食物逐渐增多的方向快速
一、引言随着人工智能技术的飞速发展，深度神经网络（Deep Neural Network, DNN）在计算机视觉、自然语言处理、智能物联网等领域的应用日益广泛。然而，DNN 模型的复杂度过高（如层数多、参数规模大），导致其在终端设备（如智能手机、物联网传感器）上运行时面临计算资源不足、能耗过高、时延过大等问题。边缘计算作为一种将计算任务从云端下沉到靠近终端设备的边缘节点的技术，能够有效降低任务传输
本文基于贝叶斯优化CNN-LSTM混合模型，结合K-means聚类和SARIMA时间序列分析方法，对电商平台商家-产品-仓库组合的需求量进行预测。通过对331,336条历史数据进行预处理和特征提取，构建了包含季节性、趋势性等多维特征的预测模型。采用1-wmape、RMSE等指标评估模型性能，并在促销活动期间考虑特殊需求模式。研究结果可为电商平台提供科学的库存管理决策支持，有效降低库存成本并提高履约
算法交易又称为黑盒交易，是指凭借IT技术的发展，利用算法完成订单拆分、挂单和撤单等交易环节，提供以成交为目的的自动化交易执行。这些券商与市场中主流的优秀算法厂商合作打造了种类丰富的策略交易平台，一般称之为“算法超市”，算法超市中汇聚了多家厂商的多样化算法，并且算法库持续更新，不断进行优胜劣汰的筛选迭代，旨在为机构投资者、高净值客户提供专业化、多元化的算法交易工具。之前的文章中我们提到过国内主流的、
Adaptive Large Neighborhood Search (ALNS) 算法是一种元启发式算法，用于解决组合优化问题。ALNS 算法结合了离散优化中的邻域搜索和元启发式算法的特点，能够有效地应对各种复杂的优化问题。ALNS 算法的核心思想自适应大领域搜索的核心思想是：破坏解、修复解、动态调整权重并选择（自适应）。通过设计多组破坏算子和修复算子，扩大解空间搜索范围，对当前解进行改进，表
最近讲了很多元启发式算法，但是没有一个目录或者指南，无法为每个算法归类，今天写一篇类似综述的文章，为这些算法分一下类。元启发式算法可分为三大类：进化算法（evolutionary）、基于物理算法（physics-based）和 SI 算法（依次讲解一下。
本文针对电商物流中的货量预测与路线规划问题展开研究。首先基于ARIMA和LSTM建立组合预测模型，预测各线路2023年1月的货量。其次，针对物流场地关停情况，提出基于线性规划和改进粒子群算法的优化模型，解决DC5关停后的路线调整问题。然后，建立动态规划模型处理DC9关停及线路动态调整问题。最后采用熵权法评估物流场地和线路的重要性，提出网络优化方案并检验鲁棒性。研究结果表明：组合预测模型提高了预测精
本文深度解析Rust中两种复合类型——元组与数组的设计理念与实践应用。数组作为同质集合，长度信息融入类型系统，实现零成本抽象和编译时优化；元组作为异质集合，完美结合模式匹配与所有权系统。两者在栈上分配，通过不同内存布局满足多样化需求，展现了Rust在类型安全与性能优化间的精妙平衡。文章还探讨了常量泛型带来的新可能，并通过实际案例展示如何高效组合使用这两种类型。理解这些设计哲学是编写高效安全Rust
提出了一种新的元启发式算法，称为沙猫群优化(Sand Cat swarm optimization，SCSO)，它模仿了试图在大自然中生存的沙猫🐱行为。该成果于2022年发表在中科院2区SCI期刊《ENGINEERING WITH COMPUTERS》上。
多目标粒子群优化算法——MOPSO
启发式算法简介
蛇优化算法(Snake Optimizer，SO）是一种新颖的自然启发的元启发式算法，以解决各种模拟蛇的特殊交配行为的优化任务。该成果于2022年发表在中科院1区SCI期刊《Knowledge-Based Systems》上。
启发式算法是一类在解决复杂问题时利用经验规则和启发式信息进行搜索的算法。这些算法并不保证找到最优解，但在很多情况下能找到一个较好的解，且计算效率较高。启发式算法广泛应用于组合优化、人工智能、搜索问题等领域。
蜣螂优化器 Dung beetle optimizer （DBO）模拟了蜣螂的滚球、跳舞、觅食、偷窃和繁殖行为。中国学者于2022年发表在SCI期刊《JOURNAL OF SUPERCOMPUTING》上。
一、贪心算法(Greedy Algorithm)属于简单启发式算法。贪心算法是指一种在求解问题时总是采取当前状态下最优的选择从而得到最优解的算法。自顶向下的求解，可以在子问题求解之前贪婪的做出选择二、贪心算法的基本步骤：确定问题的最优子结构。设计递归解，并保证在任一阶段，最优选择之一总是贪心选择。实现基于贪心策略的递归算法，并转换成迭代算法。看一个最简单的贪心算法：ALgorithm Greedy
genetic algorithm，美国Holland教授创立，基于达尔文进化论和孟德尔的遗传学说。遗传算法类比了生物界中自然选择、交叉、变异等自然进化方式，利用数码串类比染色体，通过选择、交叉、变异等遗传算子模拟生物的进化过程。
蝴蝶优化算法(butterfly optimization algorithm,BOA)是一种受到了蝴蝶觅食和交配行为的启发的元启发式智能算法。于2019年发表在Soft Computing。
本文介绍一种新的全局优化算法——，这个算法的灵感来自于霸王龙的狩猎行为。该成果最新发表在e-Prime - Advances in Electrical Engineering, Electronics and Energy。
本文介绍一种新的全局优化算法——，其灵感来自于光学显微镜对目标物体的放大能力。该成果最新发表在中科院1区SCI期刊Knowledge-Based Systems（影响因子：8.8）。
文化算法模拟人类社会的演进过程而提出的。通过—个独立于种群空间的信仰空间，来获取和保存并加以整合解决问题的知识，使种群的进化速度超越单纯依靠生物基因遗传的进化速度，具有良好的全局优化性能。于1994年提出，是一个古老的算法。
与传统的优化算法不同，元启发式算法更加抽象和通用，它不依赖于特定问题领域的知识，而是提供一种通用的框架来搜索问题的解空间，以找到近似最优解。总的来说，元启发式算法是一种通用的优化框架，可用于解决各种类型的复杂优化问题。：元启发式算法是通用的，可以应用于各种类型的优化问题，包括组合优化、连续优化、多目标优化等。这包括随机性、多个搜索子空间、交叉、变异等操作，以鼓励算法在解空间中探索更广泛的区域。：元
踏入未知，我们携带启发式算法的魔法手册，揭示如何在迷雾重重的数据森林中开辟捷径。从遗传算法的自然选择智慧到模拟退火的冷静决策，再到粒子群的集体智慧风暴，每一次迭代都是对优化极限的挑战。蚂蚁军团与禁忌探索者携手，共同揭示了全局最优的奥秘。这不仅是一场算法的盛宴，更是未来科技跃进的蓝图！
本期介绍了一种新的元启发式优化算法--。该成果于在SCI期刊Multimedia Tools and Applications（已预警，慎投）。在各种基准函数上的实验和实现表明，BFO比灰狼优化算法、鲸鱼优化算法、蝴蝶优化算法、哈里斯鹰优化算法和黑寡妇优化算法更精确。数据挖掘和机器学习是元启发式技术经常使用的两个领域。在试验中，使用MLP人工神经网络和二进制版本的BFO算法来降低入侵流量的检测误差
淘金优化器Gold Rush Optimizer 一种基于人群的启发式算法，于2023年发表在Operations Research and Decisions。
启发式算法——遗传算法
现实世界中的许多工程和科学问题可以归结为优化问题，这是传统方法难以解决的问题。群智能优化算法是一种很有吸引力的算法，可以在保持计算成本合理的情况下解决优化问题。前期已经那么，如何展现一个优化算法的性能？文献读的越多，就会发现许多SCI论文里有下面的那种的统计表格、箱型图和统计分析（Statistical analysis）。有小伙伴反映让试着出一期。今天就分享了它们的matlab代码实现，包括另外
有限空间多物品最优堆叠方案求解
启发式算法
——启发式算法
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
2048 AI社区
九章云极普惠算力
北京朝阳AI社区
DAMO开发者矩阵
魔乐社区
永洪数据分析社区
量化交易与投资社区
AtomGit开源社区
