optimization

1열

2답변

중첩 루프를 통해 실행중인 일부 코드가 있습니다. 나는 이것을하기위한 더 "파이썬적인"방법이 있다고 추측한다. 어떤 제안?는 코드의 기본 섹션은 다음과 같습니다 for e in range(len(listOfTuples)): for item in self.items: if item.getName() == listOfTuples[e][

1열

1답변

Lisp 재귀 적 랜덤 워크 최적화

이 함수는 약 2000 단계 이상의 스택 오버 플로우를 초래합니다. 메모리를 적게 사용하도록 쉽게 최적화 할 수있는 방법이 있습니까? 난 당신이 내가 가지고 사용하는 기능을 가지고 있지 않기 때문에 (defun randomwalk (steps state) (loop :if (= steps 0) :do (return nil)

1열

2답변

bash 스크립트의 성능 문제

로그 파일을 '붕괴'시키는 bash 스크립트를 작성했습니다. 21 Oct 2017 12:38:03 [DEBUG] Single line message 21 Oct 2017 12:38:05 [DEBUG] Multi line message that may continue several lines 21 Oct 2017 12:38:07 [DEBUG] Sin

1열

1답변

R LpSolve 예산 제한을 사용하여 예상치를 최적화하는 방법

R에 LpSolve에 대한 질문이 있습니다. 다음 데이터가 포함 된 패널이 있습니다. 축구 선수 ID (약 500 명의 선수), 각 선수가 이미 얼마나 많은 게임을했는지, 숫자 선수가 얻은 득점과 비용. 이 데이터로 행렬을 만들고 싶지만, 이렇게 많은 양의 데이터 (이 게임은 약 500 개의 축구 선수가 있으므로 500 행)에서 어떻게 작동하는지 모르겠습니

0열

1답변

구적의 Scipy 최적화

최적화를 해결하려고하지만 함수 대신 함수의 매개 변수를 최적화하고 있습니다. 여기 파라미터에 제한 주어진 예 I은 기능 일체형 Q를 최소화하려는 def Q(a,b,c): d = integrate.quad(lambda x: (a*x**2+b*x+c), 0, 1) return d def u(a,b,c): e = a+b+c

1열

1답변

SQL 저장 프로 시저 최적화

클러스터되지 않은 인덱스가 PFX,EFF_DT,TERM_DT 인 테이블이 있습니다. 실행 계획은 인덱스 스캔 대신 RID LookUp 힙 비용이 99 %임을 보여줍니다. 인덱스 스캔이 실행 계획에없는 이유를 알고 싶습니다. RID Lookup이 좋은 접근 방법입니다. SELECT DISTINCT ID ,PFX ,EFF_DT

1열

1답변

추가 제한 조건을 사용한 선형 할당

표준 선형 할당 문제에서 헝가리 알고리즘을 사용하여 O (n^3)을 얻을 수 있습니다. 추가 제약 조건이 추가되면 어떻게 될까요? 예 : 4 제와 A "일반"LAP는 제약 행렬 와 결과 벡터 B = [1 1 1 1]을 가진다. 헝가리어 알고리즘은 예상대로 이러한 문제를 해결합니다. 그러나, 다른 제약은 제약 행렬 결과 벡터 B = [1 1 1 1 0]와 되

0열

1답변

try-catch 블록은 PHP의 성능에 영향을 줍니까?

는 지금은 내 프로젝트에 코드 줄을 사용하고 있습니다 : try { //code } catch(Exception ex) { //code for error handling } 지금 내가 코드를 최적화하기 위해 노력하고 있습니다. try catch 블록을 제거하면 코드 실행 시간에 시간차가있을 것입니다. 내 코드의 여러 위치에서 t

1열

1답변

세미 프라 뮬러 링 Algo 최적화

아래의 내 방법은 매우 duper 및 super duper slow입니다. 최적화에 대한 제안 사항에 대한 정보. 저는 두 개의 다른 소수의 세미 프라임을 알고 있습니다. 그 수는 세미 프라임의 절반보다 작거나 같습니다. 그러나 많은 수의 경우 소수의 목록을 더 효율적으로 검사하는 방법에 대해서는 확실하지 않습니다. 13 자리 숫자는 광산이 떨어져 나간다.

3열

2답변

NumPy로 여러 번 큰 배열을 샘플링하는 효율적인 방법은 무엇입니까? 당신은 내가 구현하기 위해 노력하고있어의 세부 사항에 대해 상관하지 않는 경우

, 그냥 내가 NumPy와 일부 통계에 부트 스트랩 오류 추정을 위해 노력하고 있어요 하단 수평 라인 과거 건너 뜁니다. 배열이 x이고 오류 분석에서 일반적인 가우시안 가정이 적용되지 않는 통계량 f(x)에서 오류를 계산하고자합니다. x은 매우 큽니다. 나는 교체와 함께, 내 리 샘플의 크기가 원래 배열의 크기 numpy.random.choice()를 사용