packing演算法

① 關於bin packing的演算法

裝箱問題，只要裝載重量不超過規定重量就可以了。

② 電源開關中的LOAD是什麼意思

電源開關中的LOAD是出線，接負載的意思。

③ Packing的近似演算法，有人會做這個題目的畢業設計嗎急求

很難

④ 什麼叫組合優化

組合優化（Combinatorial Optimization）問題的目標是從組合問題的可行解集中求出最優解，通常可描述為：令Ω＝{s1，s2，…，sn}為所有狀態構成的解空間，C(si)為狀態si對應的目標函數值，要求尋找最優解s*，使得對於所有的si∈Ω，有C(s*)＝minC(si)。組合優化往往涉及排序、分類、篩選等問題，它是的一個重要分支。
典型的組合優化問題有旅行商問題（Traveling Salesman Problem－TSP）、加工調度問題（Scheling Problem，如Flow-Shop，Job-Shop）、0-1背包問題（Knapsack Problem）、裝箱問題（Bin Packing Problem）、圖著色問題（Graph Coloring Problem）、聚類問題（Clustering Problem）等。這些問題描述非常簡單，並且有很強的工程代表性，但最優化求解很困難，其主要原因是求解這些問題的演算法需要極長的運行時間與極大的存儲空間，以致根本不可能在現有計算機上實現，即所謂的「組合爆炸」。正是這些問題的代表性和復雜性激起了人們對組合優化理論與演算法的研究興趣。

⑤ bin packing problem是什麼意思

bin packing problem
英 [bin ˈpækɪŋ ˈprɔbləm]
美 [bɪn ˈpækɪŋ ˈprɑbləm]
[計] 裝箱問題

雙語例句
1. Also can be seen as a two - dimensional bin - packing problem. 小圖片拼接的另一個演算法.也可以看作是二 維 裝箱問題.

⑥ 如何在圓內盡可能畫最多的圓

這個問題屬於裝載問題（packing problem）中的一類（equal circle packing in a circle）。看似簡單，但至今沒有被徹底解決。很多裝載問題都屬於NP hard 問題，這個equal circle packing 問題也不例外 [1]。所謂NP hard (Non-deterministic Polynomial-time hard) 是計算復雜性理論中衡量問題復雜程度的一個類。目前為止，任何屬於NP hard 類的問題都找不到能在多項式時間內解決的快速演算法，甚至很可能根本不存在這樣的快速演算法（PS：與此有關的 P/NP問題是著名的7個千禧年大獎難題之一）。多項式時間是指對於輸入n，運算時間的上限可表示為n的多項式。或可以這樣理解：能用多項式時間完成的演算法就是快速演算法。因此，屬於NP hard 的裝載問題一般來說不但不存在普適的填充公式，就連能快速尋找嚴格最優解的演算法也沒有。
對於這些NP hard 的裝載問題，只有填充數量較小和一些特殊的情況可以手動尋找和證明嚴格的最優填充方案，當填充數較大時只能靠近似優化演算法尋找近似最優解。
equal circle packing in a circle 問題可以一般表述為：將n個單位圓互不嵌入地放入一個大圓內，大圓的最小半徑是多少？
就我查到的資料，現在嚴格證明的情況只有 n =1,2,..., 13 和 19 [2-6]。其餘的情況要麼是還未嚴格證明，要麼是只有用近似演算法找到的近似最優解。

⑦ 智能演算法的智能演算法概述

智能優化演算法要解決的一般是最優化問題。最優化問題可以分為（1）求解一個函數中，使得函數值最小的自變數取值的函數優化問題和（2）在一個解空間裡面，尋找最優解，使目標函數值最小的組合優化問題。典型的組合優化問題有：旅行商問題（Traveling Salesman Problem，TSP），加工調度問題（Scheling Problem），0－1背包問題（Knapsack Problem），以及裝箱問題（Bin Packing Problem）等。
優化演算法有很多，經典演算法包括：有線性規劃，動態規劃等；改進型局部搜索演算法包括爬山法，最速下降法等，本文介紹的模擬退火、遺傳演算法以及禁忌搜索稱作指導性搜索法。而神經網路，混沌搜索則屬於系統動態演化方法。
優化思想裡面經常提到鄰域函數，它的作用是指出如何由當前解得到一個（組）新解。其具體實現方式要根據具體問題分析來定。
一般而言，局部搜索就是基於貪婪思想利用鄰域函數進行搜索，若找到一個比現有值更優的解就棄前者而取後者。但是，它一般只可以得到「局部極小解」，就是說，可能這只兔子登「登泰山而小天下」，但是卻沒有找到珠穆朗瑪峰。而模擬退火，遺傳演算法，禁忌搜索，神經網路等從不同的角度和策略實現了改進，取得較好的「全局最小解」。

⑧ 裝櫃數的英文縮寫是什麼怎麼能快速計算出裝櫃數

給你個理論演算法，就是用整集裝箱的體積除以單個包裝的體積，就能框算出最大的裝量。而實際裝量一定小於這個裝量。因為包裝箱尺寸不可能與集裝箱嚴絲合縫，而且箱子間也會有空隙。實際裝量自己可以用Excel設計一個模擬裝箱的計算表格進行推算即可。原則是行*列*層得出的結果最接近前邊計算出的「理論裝量」。

⑨ #pragma pack的對齊用法詳解

什麼是對齊，以及為什麼要對齊： 現代計算機中內存空間都是按照byte劃分的，從理論上講似乎對任何類型的變數的訪問可以從任何地址開始，但實際情況是在訪問特定變數的時候經常在特定的內存地址訪問，這就需要各類型數據按照一定的規則在空間上排列，而不是順序的一個接一個的排放，這就是對齊。 對齊的作用和原因：各個硬體平台對存儲空間的處理上有很大的不同。一些平台對某些特定類型的數據只能從某些特定地址開始存取。其他平台可能沒有這種情況，但是最常見的是如果不按照適合其平台要求對數據存放進行對齊，會在存取效率上帶來損失。比如有些平台每次讀都是從偶地址開始，如果一個int型（假設為32位系統）如果存放在偶地址開始的地方，那麼一個讀周期就可以讀出，而如果存放在奇地址開始的地方，就可能會需要2個讀周期，並對兩次讀出的結果的高低位元組進行拼湊才能得到該int數據。顯然在讀取效率上下降很多。這也是空間和時間的博弈。
對齊的實現：通常，我們寫程序的時候，不需要考慮對齊問題。編譯器會替我們選擇適合目標平台的對齊策略。當然，我們也可以通知給編譯器傳遞預編譯指令而改變對指定數據的對齊方法。 但是，正因為我們一般不需要關心這個問題，所以因為編輯器對數據存放做了對齊，而我們不了解的話，常常會對一些問題感到迷惑。最常見的就是struct數據結構的sizeof結果，出乎意料。為此，我們需要對對齊演算法所了解。
作用：指定結構體、聯合以及類成員的packing alignment;
語法：#pragma pack( [show] | [push | pop] [, identifier], n ) 1，pack提供數據聲明級別的控制，對定義不起作用；
2，調用pack時不指定參數，n將被設成默認值；
3，一旦改變數據類型的alignment，直接效果就是佔用memory的減少，但是performance會下降。 1，show：可選參數；顯示當前packing aligment的位元組數，以warning message的形式被顯示；
2，push：可選參數；將當前指定的packing alignment數值進行壓棧操作，這里的棧是the internal compiler stack，同時設置當前的packing alignment為n；如果n沒有指定，則將當前的packing alignment數值壓棧；
3，pop：可選參數；從internal compiler stack中刪除最頂端的record；如果沒有指定n，則當前棧頂record即為新的packing alignment數值；如果指定了n，則n將成為新的packing aligment數值；如果指定了identifier，則internal compiler stack中的record都將被pop直到identifier被找到，然後pop出identitier，同時設置packing alignment數值為當前棧頂的record；如果指定的identifier並不存在於internal compiler stack，則pop操作被忽略；
4，identifier：可選參數；當同push一起使用時，賦予當前被壓入棧中的record一個名稱；當同pop一起使用時，從internal compiler stack中pop出所有的record直到identifier被pop出，如果identifier沒有被找到，則忽略pop操作；
5，n：可選參數；指定packing的數值，以位元組為單位；預設數值是8，合法的數值分別是1、2、4、8、16。
1，復雜類型中各個成員按照它們被聲明的順序在內存中順序存儲，第一個成員的地址和整個類型的地址相同；
2，每個成員分別對齊，即每個成員按自己的方式對齊，並最小化長度；規則就是每個成員按其類型的對齊參數（通常是這個類型的大小）和指定對齊參數中較小的一個對齊；
3，結構、聯合或者類的數據成員，第一個放在偏移為0的地方；以後每個數據成員的對齊，按照#pragma pack指定的數值和這個數據成員自身長度兩個中比較小的那個進行；也就是說，當#pragma pack指定的值等於或者超過所有數據成員長度的時候，這個指定值的大小將不產生任何效果；
4，復雜類型（如結構）整體的對齊<注意是「整體」>是按照結構體中長度最大的數據成員和#pragma pack指定值之間較小的那個值進行；這樣在成員是復雜類型時，可以最小化長度；
5，結構整體長度的計算必須取所用過的所有對齊參數的整數倍，不夠補空位元組；也就是取所用過的所有對齊參數中最大的那個值的整數倍，因為對齊參數都是2的n次方；這樣在處理數組時可以保證每一項都邊界對齊。
對齊的演算法： 由於各個平台和編譯器的不同，現以本人使用的gcc version 3.2.2編譯器（32位x86平台）為例子，來討論編譯器對struct數據結構中的各成員如何進行對齊的。
在相同的對齊方式下，結構體內部數據定義的順序不同，結構體整體占據內存空間也不同，如下： 設結構體如下定義： struct A { int a; char b; short c; }; 結構體A中包含了4位元組長度的int一個，1位元組長度的char一個和2位元組長度的short型數據一個。所以A用到的空間應該是7位元組。但是因為編譯器要對數據成員在空間上進行對齊。所以使用sizeof(strcut A)值為8。 現在把該結構體調整成員變數的順序。 struct B { char b; int a; short c; }; 這時候同樣是總共7個位元組的變數，但是sizeof(struct B)的值卻是12。
下面我們使用預編譯指令#pragma pack (value)來告訴編譯器，使用我們指定的對齊值來取代預設的。 #pragma pack (2) /*指定按2位元組對齊，等價於#pragma pack(push,2)*/ struct C { char b; int a; short c; }; #pragma pack () /*取消指定對齊，恢復預設對齊,等價於#pragma pack(pop)*/ sizeof(struct C)值是8。 修改對齊值為1：#pragma pack (1) /*指定按1位元組對齊*/ struct D { char b; int a; short c; }; #pragma pack () /*取消指定對齊，恢復預設對齊*/ sizeof(struct D)值為7。 對於char型數據，其自身對齊值為1，對於short型為2，對於int,float,long類型，其自身對齊值為4，double,long long類型，其自身對齊值為8，單位位元組。 1.數據類型自身的對齊值：就是上面交代的基本數據類型的自身對齊值。 2.指定對齊值：#pragma pack (value)時的指定對齊值value。 3.結構體或者類的自身對齊值：其數據成員中自身對齊值最大的那個值。 4.數據成員、結構體和類的有效對齊值：自身對齊值和指定對齊值中小的那個值。 有了這些值，我們就可以很方便的來討論具體數據結構的成員和其自身的對齊方式。有效對齊值N是最終用來決定數據存放地址方式的值，最重要。有效對齊N，就是表示「對齊在N上」，也就是說該數據的存放起始地址%N=0.而數據結構中的數據變數都是按定義的先後順序來排放的。第一個數據變數的起始地址就是數據結構的起始地址。結構體的成員變數要對齊排放，結構體本身也要根據自身的有效對齊值圓整(就是結構體成員變數佔用總長度需要是對結構體有效對齊值的整數倍，結合下面例子理解)。這樣就不難理解上面的幾個例子的值了。 例子分析： 分析例子B； struct B { char b; int a; short c; }; 假設B從地址空間0x0000開始排放。該例子中沒有定義指定對齊值，在筆者環境下，該值默認為4。
第一個成員變數b的自身對齊值是1，比指定或者默認指定對齊值4小，所以其有效對齊值為1，所以其存放地址0x0000符合0x0000%1=0.
第二個成員變數a，其自身對齊值為4，所以有效對齊值也為4，所以只能存放在起始地址為0x0004到0x0007這四個連續的位元組空間中，符合0x0004%4=0, 且緊靠第一個變數。
第三個變數c,自身對齊值為2，所以有效對齊值也是2，可以存放在0x0008到0x0009這兩個位元組空間中，符合0x0008%2=0。所以從0x0000到0x0009存放的都是B內容。
再看數據結構B的自身對齊值為其變數中最大對齊值(這里是a）和指定對齊值(這里是4)中較小的那個，所以就是4，所以結構體的有效對齊值也是4。根據結構體圓整的要求，0x0009到0x0000=10位元組，（10+2）%4=0。所以0x0000A到0x000B也為結構體B所佔用。故B從0x0000到0x000B共有12個位元組,sizeof(struct B)=12; 同理,分析上面例子C： #pragma pack (2) /*指定按2位元組對齊*/ struct C { char b; int a; short c; }; #pragma pack () /*取消指定對齊，恢復預設對齊*/
第一個變數b的自身對齊值為1，指定對齊值為2，所以，其有效對齊值為1，假設C從0x0000開始，那麼b存放在0x0000，符合0x0000%1=0;
第二個變數，自身對齊值為4，指定對齊值為2，所以有效對齊值為2，所以順序存放在0x0002、0x0003、0x0004、0x0005四個連續位元組中，符合0x0002%2=0。
第三個變數c的自身對齊值為2，所以有效對齊值為2，順序存放在0x0006、0x0007中，符合0x0006%2=0。所以從0x0000到0x00007共八位元組存放的是C的變數。
又C的自身對齊值為4，所以C的有效對齊值為2。又8%2=0,C只佔用0x0000到0x0007的八個位元組。所以sizeof(struct C)=8.

⑩ 最新的vcu軟體智能演算法有哪些

蟻群其實還是算比較新的
「智能演算法」是指在工程實踐中，經常會接觸到一些比較「新穎」的演算法或理論，比如模擬退火，遺傳演算法，禁忌搜索，神經網路，天牛須搜索演算法，麻雀搜索演算法等。這些演算法或理論都有一些共同的特性（比如模擬自然過程。它們在解決一些復雜的工程問題時大有用武之地。
智能優化演算法要解決的一般是最優化問題。最優化問題可以分為
（1）求解一個函數中，使得函數值最小的自變數取值的函數優化問題和
（2）在一個解空間裡面，尋找最優解，使目標函數值最小的組合優化問題。典型的組合優化問題有：旅行商問題（TravelingSalesmanProblem，TSP），加工調度問題（SchelingProblem），0－1背包問題（KnapsackProblem），以及裝箱問題（BinPackingProblem）等。