1. 定义
2. 差分进化（Differential Evolution，DE）是一种用于优化问题的启发式算法。它主要用于求解连续变量的全局优化问题，在函数优化、工程设计、机器学习等众多领域都有广泛的应用。
3. 其基本思想是通过对种群中个体之间的差分向量进行操作来产生新的个体，然后根据一定的选择策略来确定新个体是否能够替代原来的个体，从而逐步引导种群向最优解的方向进化。
4. 算法流程
5. 初始化种群：
   • 首先确定种群规模（NP），通常是一个正整数，表示种群中个体的数量。然后在给定的搜索空间（由变量的上下界确定）内随机生成初始种群。每个个体（也称为染色体）是一个包含多个变量的向量。例如，对于一个优化函数(f(x_...

Read more

一、定义

Hypervisor（也称为虚拟机监视器，VMM）是一种软件或固件，它能够创建和运行虚拟机。虚拟机是对物理计算机系统的虚拟模仿，使得在一台物理主机上可以同时运行多个操作系统（如Windows、Linux等），这些操作系统彼此隔离，就好像它们在独立的物理机器上运行一样。

二、类型

1. 类型一（裸金属型）Hypervisor
2. 这种Hypervisor直接安装在物理服务器的硬件上，它不需要底层操作系统的支持。例如VMware ESXi和Citrix XenServer。
3. 优点：
   • 性能较高，因为它直接与硬件交互，减少了中间层的开销。可以更好地利用硬件资源，如CPU、内存和I/O设备。
   • 安...

Read more

AutoGen 是一个开源的智能体编程框架，其工作原理主要围绕多智能体协作和增强的语言模型推理展开。

1. 多智能体对话框架：它提供了一个多智能体对话框架作为高级抽象。在这个框架中，多个智能体可以相互交流和协作。不同的智能体可能具有不同的角色和功能，例如有的智能体负责生成初始文本，有的智能体负责对生成的内容进行评估和改进等。通过智能体之间的对话和信息传递，能够完成复杂的任务流程，以此构建起 LLM 工作流。例如在一个文本创作任务中，一个智能体可能提出主题和大纲，另一个智能体则基于大纲进行内容填充和细化，它们之间不断交流和调整，逐步完善最终的文本成果。
2. 增强的 LLM 推理与优化：支持增强的 ...

Read more

2024.12.26 AI 课程大纲

Read more

目录

• 第1部分 元编程基础技术

• 第1章 元编程基本方法

• 1.1 元函数与type traits

• 1.1.1 元函数简介

• 1.1.2 类型元函数

• 1.1.3 各式各样的元函数

• 1.1.4 type traits

• 1.2 元函数与宏

• 1.3 本书中元函数的命名方式

• 1.4 模板模板参数与容器模板

• 1.4.1 模板作为元函数的输入

• 1.4.2 模板作为元函数的输出

• 1.4.3 容器模板

• 1.5 从元函数到元对象

• 1.5.1 元对象与元数据域

• 1.5.2 元方法

• 1.6 奇特的递归模板式

• 1.7 小结

• 1.8 练习

• ...

Read more

目录

• 第一部分 图强化学习研究对象

• 第1章 图与复杂系统

• 1.1 为什么是图

• 1.1.1 图的普遍性

• 1.1.2 图的表示性

• 1.1.3 图的抽象性

• 1.2 图与复杂系统

• 1.2.1 复杂系统定义

• 1.2.2 复杂系统的图表示

• 1.3 复杂系统与强化学习

• 1.3.1 强化学习

• 第2章 图论基础

• 2.1 图论的起源

• 2.1.1 提出问题

• 2.1.2 形式化问题

• 2.1.3 求解问题

• 2.2 图论的发展

• 2.2.1 随机图理论

• 2.2.2 拓扑图论

• 2.2.3 几何图论

• 第二部分 图强化学习基础知识

• 第3...

Read more

目录

• 第一部分 强化学习基础

• 第1章 初探强化学习

• 1.1 简介

• 1.2 什么是强化学习

• 1.3 强化学习的目标

• 1.4 强化学习中的数据

• 1.5 强化学习的独特性

• 1.6 小结

• 第2章 多臂老虎机问题

• 2.1 简介

• 2.2 问题介绍

• 2.2.1 问题定义

• 2.2.2 形式化描述

• 2.2.3 累积懊悔

• 2.2.4 估计期望奖励

• 2.3 探索与利用的平衡

• 2.4 ε-贪婪算法

• 2.5 上置信界算法

• 2.6 汤普森采样算法

• 2.7 小结

• 2.8 参考文献

• 第3章 马尔可夫决策过程

• 3.1 简介

• 3...

Read more

目录

• 第1章 深度学习基础

• 1.1 深度学习的基础理论

• 1.1.1 人工智能的发展历程

• 1.1.2 深度学习受到的关注

• 1.1.3 深度学习的概念

• 1.1.4 深度学习的基本工作流程

• 1.2 深度学习框架

• 1.2.1 常用的深度学习框架

• 1.2.2 深度学习框架的对比与选择

• 1.2.3 深度学习框架的执行模式

• 1.2.3.1 Eager模式和Graph模式的对比

• 1.2.3.2 计算图的概念

• 1.3 华为云AI平台ModelArts

• 1.3.1 功能概述

• 1.3.2 ModelArts平台对异构生态的支持

• 1.3.3 Mod...

Read more

目录

• 第一部分 入门

• 第1章 进化深度学习简介

• 1.1 什么是进化深度学习

• 1.2 EDL的缘由与应用领域

• 1.3 深度学习优化的需求

• 1.4 用自动化机器学习实现自动优化

• 1.5 进化深度学习的应用

• 1.5.1 模型选择：权重搜索

• 1.5.2 模型架构：架构优化

• 1.5.3 超参数调优

• 1.5.4 验证和损失函数的优化

• 1.5.5 神经增强拓扑结构

• 1.6 本章小结

• 第2章 进化计算简介

• 2.1 Google Colaboratory中的康威生命游戏

• 2.2 用Python进行生命模拟

• 2.3 将生命模拟作为优化

• ...

Read more

目录

• 第1章 绪论

• 1.1 人工智能

• 1.1.1 人工智能技术的发展历程

• 1.1.2 人工智能技术的流派

• 1.2 深度学习与神经网络概述

• 1.2.1 深度学习与神经网络技术的发展历程

• 1.2.2 深度学习与神经网络的前沿技术

• 1.3 深度学习系统架构

• 1.4 深度学习的应用

• 1.5 深度学习的学习方法

• 1.6 人工智能潜在的安全风险

• 1.6.1 数据层面的风险

• 1.6.2 算法模型层面的风险

• 1.6.3 智能计算框架层面的风险

• 1.6.4 基础软硬件层面的风险

• 1.6.5 应用服务层面的风险

• 第2章 预备知识

• 2.1...

Read more