总结对比了一些智能算法的库。现将各种库的主要信息、相关优缺点简单整理如下。

取送货车辆路径规划问题（Vehicle Routing Problems with Pickups and Deliveries，VRPPD）指的是货物再pickup points和delivery pionts之间的运输。可再将其分为两类。

单向：纯取货/纯送货；单配送中心：只有一个配送中心/车场；单车型：只考虑一种车型，需求不可拆分：客户需求只能有一辆车满足；车辆封闭：完成配送任务的车辆需回到配送中心；车辆充足：不限制车辆数量，即配送车辆需求均能满足；非满载：任意客户点的需求量小于车辆最大载重；优化目标：最小化车辆启动成本和车辆行驶成本之和；约束条件：车辆行驶距离约束，重量约束；已知信息：配送中心位置、客户点位置、客户点需求、车辆最

多目标码头间集卡路径规划Multi-objective inter-terminal truck routing作者：Leonard Heiliga，Eduardo Lalla-Ruiza，Stefan Voß摘要　　集装箱贸易的巨大增长给城市港口地区带来了严重的交通问题，对效率和污染都产生了负面影响。在本文中，我们通过具体考虑集卡排放来解决多目标码头间卡车路径问题。我们提出了一种高效的多目标存档

结合语义检索与大语言模型技术，实现基于私有知识库的智能问答解决方案。采用两阶段处理架构，可快速定位相关文档并生成精准回答。

第一个文件的训练过程消耗了最长的训练时间，大约运行了119小时，而剩余文件的训练过程平均只需要40分钟。这种现象发生的原因是，在第一个文件的前750个回合中，DQN从头开始构建学习模型，而接下来的训练过程则利用了之前训练过程中训练好的模型。在ITTRP中，智能体的最终目标是找到一条最优的集卡路径，该路径使集卡的总成本最小（travel cost、空驶成本empty truck trip cost和

机器学习的完整流程是一个系统化、迭代的过程，通常包括从问题定义到模型部署和维护的多个关键步骤。

有人说mysql-connector已弃用，应该使用mysql-connector-python（https://blog.csdn.net/qq_45463933/article/details/121619416）很奇怪，查找python interperter发现我的py3.9_or环境并不在envs目录下，选择py3.9_or创建py3.9_or(2)环境在envs目录下，按理说这两个路径

在数据分析和科学计算领域，数据通常存储在数据库中。Python 连接 MySQL 数据库可以使用多种库，常见的有 mysql-connector-python、PyMySQL等。

一棵棵决策树构成了整个随机森林，具体构建树的数量，在scikit-learn中，用“”这个参数来控制。在训练某棵树的时候，也不是将样本的所有特征都用来训练，而是会随机选择一部分特征用来训练，目的就是让不同的树重点关注不同的特征。在scikit-learn中，用“”这个参数来控制训练每棵树选取的样本数）。只要了解决策树的算法，那么随机森林是相当容易理解的。用有抽样放回的方法（bootstrap）从样