多机调度问题描述输入：n个独立的作业{1,2,3,4,5,6,…n}，作业i所需要的处理时间为tim台机器，任何作业可以在任何机器上完成，但作业的处理不允许中断输出：最优的作业调度方案，使得n个作业在尽可能短的时间内由m台机器完成。问题分析多机调度问题是个NP完全问题，到目前为止没有有效的算法（求得最优解的有效的算法），但是利用贪心算法可以近似求出最优解。采用最长处理时间作业优先的贪心选择策略，可

回溯法解0-1背包问题问题描述输入：n件物品的价值和重量{<w1, v1>, <w2, v2>,…, <wn, vn>}和背包容量C输出：(x1, x2, …, xn)，xi∈{0, 1}满足放入的物品重量小于背包容量的前提下价值最大优化目标：价值最大化实例讲解假设：物品个数为 n=3背包的容量为 C=30物品的重量分别为 w={16，15，15}物品的价值分别

线性回归的详细分析

线性回归从零开始问题解读这里要先详细解读一下我们前文提到的问题，如何实现我们的梯度下降的迭代？我们自然是使用最最常用的BP神经网络了。它是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络模型之一 。看起来很复杂是吧，那我们简而言之就是：前向传播，计算预测值，反向传播更新权重，不断迭代知道达到要求。这里具体过程我就不推导了，其实很简单，大家甚至可以手算一下，可以看这个UP主的视

最长公共子序列子序列与子串子序列：有序列中若干符号，按原相对次序构成。例如 Tsinghua中sina是它的子序列，computer中omutr是子序列。它不要求所选的字母连续，只要求是按原次序组成就好。子串是字符串中的一部分称为子串。例如Tsinghua中hua是子串，而shua就不是它的子串。公共子序列就是两个序列X和Y共同的子序列。最长公共子序列问题描述输入：X={x1，x2，x3…xm}，

问题简介输入：n种物品和一个背包物品i的重量是wi，价值为vi背包的容量是C输出：装入背包的物品优化目标是：装入背包的物品总价值最大优化子结构设（x1,x2,x3…xn）是0-1背包问题的一个最优解。如果x1=1，那么（x2,x3,x4,x5…xn）是以下子问题的最优解：如果x1 =0：则 (x2, …,xn) 是以下子问题的最优解递归关系设m(i, j)为背包问题的最优值，这里背包容量为j，可选

贪心算法总是选择当前看起来最优的选择（局部最优解），得到的结果是一个整体最优解。但是总是选择局部最优解并不总是能得到整体最优解，需要在问题具有：贪心选择性和优化子结构时才成立。贪心选择性：第一次做出贪心选择是正确的；优化子结构：第一次做完贪心选择后，得到一个与原问题定义相同（但输入不同）的子问题；贪心算法的基本要素贪心选择性质1.贪心选择性质是指所求问题的整体最优解可以通过一系列局部最优的选择，即

解决torch检测不到cuda的问题