spea以及spea2也算是和nsgaii 可以說得上並列的有名的多目標問題的優化演算法了。並且nsgaii,spea,以及spea2會經常拿來和自己的演算法來做對比，在寫**的時候。今天特意複習了下spea，下面總結一下這個演算法，主要是描述一下流程，如果到最後還有啥沒說全的就再補充下：
1：首先初始化乙個archive的集合p1，以及乙個常用的population的集合p。設定p1的大小是n1，p的大小是n。初始的時候p1是空的，而p是已經初始化好的種群個體。
2：對p1進行評價，選出來裡面的pareto front為1（下面用pf1來代替了）的個體，copy到p1中，如果pf1的數量大於n1的話，這個接下來再說，目前假定pf1的數量小於n1。
3：此時p1中也有了個體，那麼先給p1中的個體分配fitness，分配的思路是f(
i)=s
in+1
.i就是p1中的個體，si
代表它在p中支配的個體的數量，然後再除以n+
1 保證這個值小於1。
4：接著再給p中的個體安排fitness，對於p中的個體來說f(
i)=1
+∑s(
j)。j
是代表在p1中支配
i的個體。所以，在p中被別人支配的越多的個體，它的fitness就越大啊
5：接著再說下再進行crossover，有個選擇parent的過程，這裡也是用的tournament的方法，那麼選擇的依據是什麼？就是合併p和p1，從裡面選擇fitness最小的。這個地方和nsgaii不同的就是沒涉及到crowding。
6：再說下在步驟2中，如果pf1的數量大於n1的話，就選擇crowding最大的（這個crowding和nsgaii中的不一樣，此時用的是一種clustering的方法，這裡不再多說了）。並且在每次從pf1中copy到p1的時候，還是要重新計算下，此時都在pf1中才行，不滿足的要刪除掉。
對Photoshop的一些總結
以前也用過photoshop，回家以後幫乙個朋友的忙，修改一些，以前都是老婆給弄的，現在沒有辦法，只好自己來弄，說實話，我對ps也是二百五，對一些簡單的東西會，稍微複雜一點的就不行了。偶決定過幾天後到書店去買幾本ps的書，好好的看看，學習一些經典的製作。偶發現現在很多東西都離不開ps了，總不能有事情...
A 演算法的一些總結
看拓撲狀態監控的一篇文章時發現提到了a 演算法，他的目的是提取拓撲中的重要拓撲資訊來進行監控，進而減少控制資訊消耗。覺得這個想法不錯，但具體a 演算法是怎麼樣的呢？於是找了一下資料，覺得下面這篇帶著例項講的不錯，比較直觀，雖說博主也是借他山之石吧，但還是總結歸納的不錯，排版也很清晰，點讚。理解a 演...
一些演算法的總結
各種排序演算法 穩定 直二冒歸基 插入排序 直接插入排序 左邊都是排好序的，右邊的依次和左邊的比較，插入到左邊合適的位置。它的基本思想是將乙個記錄插入到已經排好序的有序表中。當待排序陣列是有序時，是最優的情況，只需當前數跟前乙個數比較一下就可以了 最壞的情況是待排序陣列是逆序。歸併排序 二路歸併 將...