粒子群算法

蚁群算法（Ant Colony Optimization, ACO）是一种模拟自然界蚂蚁觅食行为的优化算法。它通常用于解决路径优化问题，如旅行商问题（TSP）。蚁群算法的基本步骤初始化：设置蚂蚁数量、信息素重要程度、启发因子重要程度、信息素的挥发速率和信息素的初始量。构建解：每只蚂蚁根据概率选择下一个城市，直到完成一次完整的路径。更新信息素：在每条路径上更新信息素，通常新的信息素量与路径的质量成正

国科大2023秋季学期计算机网络实验，简单记录一下实验流程。

微调大语言模型本文记录大语言模型微调流程，供自己学习使用。LLMs通过使用深度学习技术在大量文本数据上进行训练。这些模型能够生成类人的文本并执行各种自然语言处理（NLP）任务。最棒的部分是，你可以使用像Falcon、Llama-2、Mistral、Phi-2等LLMs进行研究和商业用途。在本文中，对微软的Phi-2进行微调。在开始微调之前，先了解一下LLM的训练过程。在大型语言模型中，有两个主要的

十大排序算法分别是直接插入排序、折半插入排序、希尔排序、冒泡排序、快速排序、简单选择排序、堆排序、归并排序、基数排序、外部排序。其中插入排序包括直接插入排序、折半插入排序、希尔排序；交换排序包括冒泡排序、快速排序；选择排序包括简单选择排序、堆排序。

我看着那片属于我的天空，感受着来之不易的成就，我知道，这一年的颠沛流离不仅是一段辛酸的回忆，更是我人生中一段宝贵的经历。我相信通过攻读研究生学位，我能够在学术和职业道路上迈出更坚实的一步，并为自己的未来奠定更好的基础。茫茫的课本和笔记，仿佛是无边的海洋，每一个知识点都像是波涛汹涌的浪潮，试图把我吞噬。时光匆匆，日复一日，我以无尽的汗水和努力，耕耘着那片属于我的土地。曾有那么多的夜晚，疲惫的身体和心

人工智能是社会发展和技术创新的产物，是促进人类进步的重要技术形态。人工智能发展至今，已经成为新一轮科技革命和产业变革的核心驱动力，正在对世界经济、社会进步和人民生活产生极其深刻的影响。于世界经济而言，人工智能是引领未来的战略性技术，全球主要国家及地区都把发展人工智能作为提升国家竞争力、推动国家经济增长的重大战略；于社会进步而言，人工智能技术为社会治理提供了全新的技术和思路，将人工智能运用于社...

使用 OpenAI 的 API

粒子群算法

蚁群算法（Ant Colony Optimization, ACO）是一种模拟自然界蚂蚁觅食行为的优化算法。它通常用于解决路径优化问题，如旅行商问题（TSP）。蚁群算法的基本步骤初始化：设置蚂蚁数量、信息素重要程度、启发因子重要程度、信息素的挥发速率和信息素的初始量。构建解：每只蚂蚁根据概率选择下一个城市，直到完成一次完整的路径。更新信息素：在每条路径上更新信息素，通常新的信息素量与路径的质量成正