聚宽策略----国九条后中小板微盘小改，年化135.40%

最近在研究的聚宽策略，一般技术分析的我直接转qmt了，财务因子有一点麻烦，我直接利用我开发强大的服务器系统，直接读取信号，最近在优化一下系统，最近在开发对接bigquant的交易系统，完成了api数据的对接

文章

聚宽策略----国九条后中小板微盘小改，年化135.40%https://mp.weixin.qq.com/s/a01ilT05Dye4uIvjui7W-Q

高速服务器 http://101.34.65.108:8888/

图片

聚宽设置只需要输入策略的授权码就可以

图片

授权码：小果新国九条小市值策略

可以服务器查询授权码是否注册，可以找我注册，授权码必须唯一，一个策略一个，没有问题

图片

点击测试可以看回测数据

图片

回测数据

图片

交易数据

图片

图片

服务器接受的数据，输入授权码就可以：小果新国九条小市值策略

图片

数据全部存在了数据库

图片

图片

实盘设置参考实盘，先设置测试模式，文章里面有说明

图片

测试时候的设置输入账户

图片

输入策略授权码，多策略用逗号隔开

图片

测试时候的参数设置全部在text里面改

text={	"账户":"40018483",	"账户支持融资融券":"账户支持融资融券,账户类型STOCK/CREDIT",	"账户类型":"STOCK",
	"买入价格编码":5,	"卖出价格编码":5,	"黑名单说明":"黑名单里面的标的，不会买入也不会卖出",	"黑名单":['600031.SH','600111.SH','513100.SH'],
	"聚宽跟单":"跟单原理",	"服务器设置":"服务器跟单设置",	"服务器":"http://101.34.65.108",	"端口":"8888",	"服务器编码":"63d85b6189e42cba63feea36381da615c31ad8e36ae420ed67f60f3598efc9ad",	"测试说明":"开启测试就是选择历史交易不开启就是选择今天的数据",	"是否开启测试":"是",	"测试数量":200,	"跟单设置":"跟单设置***********",	"账户跟单比例":0.5,	"多策略用逗号隔开":"多策略用逗号隔开********",	"组合名称":["小果新国九条小市值策略"],	"组合授权码":["小果新国九条小市值策略"],	"组合跟单比例":[1],	"不同策略间隔更新时间":0,	"下单默认说明":"默认/金额/数量",	"下单模式":"默认",	"下单值":1000,	"时间设置":"时间设置********",	"交易时间段":8,	"交易开始时间":0,	"交易结束时间":24,	"是否参加集合竞价":"否",	"开始交易分钟":0,	"是否开启临时id记录":"否"}

点击测试看看

图片

测试没有问题直接挂模型交易实盘

图片

点击运行

图片

策略的交易数据

图片

交易数据

图片

图片

测试没有问题把参数改成实盘就可以，是否测试参数改成否，开启临时id记录

实盘参数设置

图片

图片

实盘参数设置

text={	"账户":"40018483",	"账户支持融资融券":"账户支持融资融券,账户类型STOCK/CREDIT",	"账户类型":"STOCK",
	"买入价格编码":5,	"卖出价格编码":5,	"黑名单说明":"黑名单里面的标的，不会买入也不会卖出",	"黑名单":['600031.SH','600111.SH','513100.SH'],
	"聚宽跟单":"跟单原理",	"服务器设置":"服务器跟单设置",	"服务器":"http://101.34.65.108",	"端口":"8888",	"服务器编码":"63d85b6189e42cba63feea36381da615c31ad8e36ae420ed67f60f3598efc9ad",	"测试说明":"开启测试就是选择历史交易不开启就是选择今天的数据",	"是否开启测试":"否",	"测试数量":200,	"跟单设置":"跟单设置***********",	"账户跟单比例":0.5,	"多策略用逗号隔开":"多策略用逗号隔开********",	"组合名称":["小果新国九条小市值策略"],	"组合授权码":["小果新国九条小市值策略"],	"组合跟单比例":[1],	"不同策略间隔更新时间":0,	"下单默认说明":"默认/金额/数量",	"下单模式":"默认",	"下单值":1000,	"时间设置":"时间设置********",	"交易时间段":8,	"交易开始时间":0,	"交易结束时间":24,	"是否参加集合竞价":"否",	"开始交易分钟":0,	"是否开启临时id记录":"是"}

重新启动策略就可以

图片

实时更新分析数据

图片

当然我也有miniqmt版本挂服务器24小时运行就是比较复杂

图片

图片

图片

源代码我全部上传知识星球了可以加入直接下载不懂的问我就可以量化支持

加我备注入群可以加入量化群

聚宽源代码

​​​​​​​​​​​​​​

# 标题：国九条后中小板微盘小改，年化135.40%#小果新国九条小市值策略#小果新国九条小市值策略'''小果聚宽跟单系统原理替代,继承聚宽的交易函数类读取下单类的函数参数把交易数据发送到服务器把下面的全部源代码复制到聚宽策略的开头就可以实盘前先模拟盘测试一下数据把下面的内容全部复制到策略的开头就可以作者微信15117320079'''import requestsimport jsonimport pandas as pdfrom jqdata import *url='http://101.34.65.108'port=8888#自定义服务器编码url_code='63d85b6189e42cba63feea36381da615c31ad8e36ae420ed67f60f3598efc9ad'#记得把这个改成自己的一个策略一个,策略的名称找作者建立password='小果新国九条小市值策略'class joinquant_trader:    def __init__(self,url='http://101.34.65.108',                port=8888,                url_code='63d85b6189e42cba63feea36381da615c31ad8e36ae420ed67f60f3598efc9ad',                password='123456'):        '''        获取服务器数据        '''        self.url=url        self.port=port        self.url_code=url_code        self.password=password    def get_user_data(self,data_type='用户信息'):        '''        获取使用的数据        data_type='用户信息','实时数据',历史数据','清空实时数据','清空历史数据'        '''        url='{}:{}/_dash-update-component'.format(self.url,self.port)        headers={'Content-Type':'application/json'}        data={"output":"joinquant_trader_table.data@{}".format(self.url_code),            "outputs":{"id":"joinquant_trader_table","property":"data@{}".format(self.url_code)},            "inputs":[{"id":"joinquant_trader_password","property":"value","value":self.password},                    {"id":"joinquant_trader_data_type","property":"value","value":data_type},                    {"id":"joinquant_trader_text","property":"value","value":"\n               {'状态': 'held', '订单添加时间': 'datetime.datetime(2024, 4, 23, 9, 30)', '买卖': 'False', '下单数量': '9400', '已经成交': '9400', '股票代码': '001.XSHE', '订单ID': '1732208241', '平均成交价格': '10.5', '持仓成本': '10.59', '多空': 'long', '交易费用': '128.31'}\n                "},                    {"id":"joinquant_trader_run","property":"value","value":"运行"},                    {"id":"joinquant_trader_down_data","property":"value","value":"不下载数据"}],                    "changedPropIds":["joinquant_trader_run.value"],"parsedChangedPropsIds":["joinquant_trader_run.value"]}        res=requests.post(url=url,data=json.dumps(data),headers=headers)        text=res.json()        df=pd.DataFrame(text['response']['joinquant_trader_table']['data'])        return df    def send_order(self,result):        '''        发送交易数据        '''        url='{}:{}/_dash-update-component'.format(self.url,self.port)        headers={'Content-Type':'application/json'}        data={"output":"joinquant_trader_table.data@{}".format(self.url_code),            "outputs":{"id":"joinquant_trader_table","property":"data@{}".format(self.url_code)},            "inputs":[{"id":"joinquant_trader_password","property":"value","value":self.password},                    {"id":"joinquant_trader_data_type","property":"value","value":'实时数据'},                    {"id":"joinquant_trader_text","property":"value","value":result},                    {"id":"joinquant_trader_run","property":"value","value":"运行"},                    {"id":"joinquant_trader_down_data","property":"value","value":"不下载数据"}],                    "changedPropIds":["joinquant_trader_run.value"],"parsedChangedPropsIds":["joinquant_trader_run.value"]}        res=requests.post(url=url,data=json.dumps(data),headers=headers)        text=res.json()        df=pd.DataFrame(text['response']['joinquant_trader_table']['data'])        return df#继承类xg_data=joinquant_trader(url=url,port=port,password=password,url_code=url_code)def send_order(result):    '''    发送函数    status: 状态, 一个OrderStatus值    add_time: 订单添加时间, [datetime.datetime]对象    is_buy: bool值, 买还是卖，对于期货:    开多/平空 -> 买    开空/平多 -> 卖    amount: 下单数量, 不管是买还是卖, 都是正数    filled: 已经成交的股票数量, 正数    security: 股票代码    order_id: 订单ID    price: 平均成交价格, 已经成交的股票的平均成交价格(一个订单可能分多次成交)    avg_cost: 卖出时表示下卖单前的此股票的持仓成本, 用来计算此次卖出的收益. 买入时表示此次买入的均价(等同于price).    side: 多/空，'long'/'short'    action: 开/平， 'open'/'close'    commission交易费用（佣金、税费等）    '''    data={}    data['状态']=str(result.status)    data['订单添加时间']=str(result.add_time)    data['买卖']=str(result.is_buy)    data['下单数量']=str(result.amount)    data['已经成交']=str(result.filled)    data['股票代码']=str(result.security)    data['订单ID']=str(result.order_id)    data['平均成交价格']=str(result.price)    data['持仓成本']=str(result.avg_cost)    data['多空']=str(result.side)    data['交易费用']=str(result.commission)    result=str(data)    xg_data.send_order(result)    return datadef xg_order(func):    '''    继承order对象 数据交易函数    '''    def wrapper(*args, **kwargs):        result = func(*args, **kwargs)        if result == None:            return        send_order(result)        return result    return wrapperdef xg_order_target(func):    '''    继承order_target对象 百分比    '''    def wrapper(*args, **kwargs):        result = func(*args, **kwargs)        if result == None:            return                send_order(result)        return result    return wrapper
def xg_order_value(func):    '''    继承order_value对象 数量    '''    def wrapper(*args, **kwargs):        result = func(*args, **kwargs)        if result == None:            return                send_order(result)        return result    return wrapperdef xg_order_target_value(func):    '''    继承order_target_value对象 数量    '''    def wrapper(*args, **kwargs):        result = func(*args, **kwargs)        if result == None:            return                send_order(result)        return result    return wrapperorder = xg_order(order)order_target = xg_order_target(order_target)order_value = xg_order_value(order_value)order_target_value = xg_order_target_value(order_target_value)from jqdata import *from jqfactor import *import numpy as npimport pandas as pdfrom datetime import time,datefrom jqdata import finance
#初始化函数 def initialize(context):    # 开启防未来函数    set_option('avoid_future_data', True)    # 成交量设置    #set_option('order_volume_ratio', 0.10)    # 设定基准    set_benchmark('399101.XSHE')    # 用真实价格交易    set_option('use_real_price', True)    # 将滑点设置为0    set_slippage(FixedSlippage(3/10000))    # 设置交易成本万分之三，不同滑点影响可在归因分析中查看    set_order_cost(OrderCost(open_tax=0, close_tax=0.001, open_commission=2.5/10000, close_commission=2.5/10000, close_today_commission=0, min_commission=5),type='stock')    # 过滤order中低于error级别的日志    log.set_level('order', 'error')    log.set_level('system', 'error')    log.set_level('strategy', 'debug')    #初始化全局变量 bool    g.trading_signal = True  # 是否为可交易日    g.run_stoploss = True  # 是否进行止损    g.filter_audit = False  # 是否筛选审计意见    g.adjust_num = True  # 是否调整持仓数量    #全局变量list    g.hold_list = [] #当前持仓的全部股票        g.yesterday_HL_list = [] #记录持仓中昨日涨停的股票    g.target_list = []    g.pass_months = [1, 4]  # 空仓的月份    g.limitup_stocks = []   # 记录涨停的股票避免再次买入    #全局变量float/str    g.min_mv = 10  # 股票最小市值要求    g.max_mv = 100  # 股票最大市值要求    g.stock_num = 4  # 持股数量
    g.stoploss_list = []  # 止损卖出列表    g.other_sale    = []  # 其他卖出列表    g.stoploss_strategy = 3  # 1为止损线止损，2为市场趋势止损, 3为联合1、2策略    g.stoploss_limit = 0.09  # 止损线    g.stoploss_market = 0.05  # 市场趋势止损参数    g.highest = 50  # 股票单价上限设置    g.money_etf = '511880.XSHG'  # 空仓月份持有银华日利ETF    # 设置交易运行时间    run_daily(prepare_stock_list, '9:05')    run_daily(trade_afternoon, time='14:00', reference_security='399101.XSHE') #检查持仓中的涨停股是否需要卖出    run_daily(stop_loss, time='10:00') # 止损函数    run_daily(close_account, '14:50')    run_weekly(weekly_adjustment,2,'10:00')    #run_weekly(print_position_info, 5, time='15:10', reference_security='000300.XSHG')
#1-1 准备股票池def prepare_stock_list(context):    #获取已持有列表    g.limitup_stocks = []    g.hold_list = list(context.portfolio.positions)    #获取昨日涨停列表    if g.hold_list:        df = get_price(g.hold_list, end_date=context.previous_date, frequency='daily', fields=['close','high_limit','low_limit'], count=1, panel=False, fill_paused=False)        df = df[df['close'] == df['high_limit']]        g.yesterday_HL_list = df['code'].tolist()    else:        g.yesterday_HL_list = []    #判断今天是否为账户资金再平衡的日期    g.trading_signal = today_is_between(context)
#1-2 选股模块def get_stock_list(context):    final_list = []    MKT_index = '399101.XSHE'    initial_list = filter_stocks(context, get_index_stocks(MKT_index))    # 国九更新：过滤近一年净利润为负且营业收入小于1亿的    # 国九更新：过滤近一年期末净资产为负的 (经查询没有为负数的，所以直接pass这条)    # 国九更新：过滤近一年审计建议无法出具或者为负面建议的 (经过净利润等筛选，审计意见几乎不会存在异常)    q = query(        valuation.code,    ).filter(        valuation.code.in_(initial_list),        valuation.market_cap.between(g.min_mv,g.max_mv),  # 总市值 circulating_market_cap/market_cap 单位：亿元        income.np_parent_company_owners > 0,   # 归属于母公司所有者的净利润(元)        income.net_profit > 0,  # 净利润(元)        income.operating_revenue > 1e8  # 营业收入 (元)    ).order_by(valuation.market_cap.asc()).limit(g.stock_num*3)    df = get_fundamentals(q)    # 如果筛选审计意见会大幅度增加回测时长，实测增加此项筛选不影响选股    if g.filter_audit:        before_audit_filter = len(df)        df['audit'] = df['code'].apply(lambda x: filter_audit(context, x))        df_audit = df[df['audit'] == True]        log.info('去除掉了存在审计问题的股票{}只'.format(len(df)-before_audit_filter))    final_list = df['code'].tolist()
    if final_list:        last_prices = history(1, unit='1d', field='close', security_list=final_list)        return [stock for stock in final_list if stock in g.hold_list or last_prices[stock][-1] <= g.highest]    else:        # 由于有时候选股条件苛刻，所以会没有股票入选，这时买入银华日利ETF        log.info('无适合股票，买入ETF')        return [g.money_etf]        
#1-3 整体调整持仓def weekly_adjustment(context):    if g.trading_signal:        if g.adjust_num:            new_num = adjust_stock_num(context)            g.stock_num = new_num            log.info(f'持仓数量修改为{new_num}')        g.target_list = get_stock_list(context)[:g.stock_num]        log.info(str(g.target_list))
        sell_list = [stock for stock in g.hold_list if stock not in g.target_list and stock not in g.yesterday_HL_list]        hold_list = [stock for stock in g.hold_list if stock in g.target_list or stock in g.yesterday_HL_list]        log.info("卖出[%s]" % (str(sell_list)))        log.info("已持有[%s]" % (str(hold_list)))
        for stock in sell_list:            order_target_value(stock, 0)
        buy_list = [stock for stock in g.target_list if stock not in g.hold_list]        buy_security(context, buy_list,len(buy_list))
    else:        buy_security(context, [g.money_etf],1)        log.info('该月份为空仓月份，持有银华日利ETF')#1-4 调整昨日涨停股票def check_limit_up(context):    now_time = context.current_dt    if g.yesterday_HL_list != []:        #对昨日涨停股票观察到尾盘如不涨停则提前卖出，如果涨停即使不在应买入列表仍暂时持有        for stock in g.yesterday_HL_list:            current_data = get_price(stock, end_date=now_time, frequency='1m', fields=['close','high_limit'], skip_paused=False, fq='pre', count=1, panel=False, fill_paused=True)            if current_data.iloc[0,0] <    current_data.iloc[0,1]:                log.info("[%s]涨停打开，卖出" % (stock))                order_target_value(stock, 0)                g.other_sale.append(stock)                g.limitup_stocks.append(stock)            else:                log.info("[%s]涨停，继续持有" % (stock))
#1-5 如果昨天有股票卖出或者买入失败造成空仓，剩余的金额当日买入def check_remain_amount(context):    addstock_num = len(g.other_sale)    loss_num = len(g.stoploss_list)    empty_num = addstock_num + loss_num
    g.hold_list = context.portfolio.positions    if len(g.hold_list) < g.stock_num:           # 计算需要买入的股票数量，止损仓位补足货币etf        # 可替换下一行代码以更换逻辑：改为将清空仓位全部补足股票，而非原作中止损仓位补充货币etf        # num_stocks_to_buy = min(empty_num,g.stock_num-len(g.hold_list))        num_stocks_to_buy = min(addstock_num,g.stock_num-len(g.hold_list))        target_list = [stock for stock in g.target_list if stock not in g.limitup_stocks][:num_stocks_to_buy]        log.info('有余额可用'+str(round((context.portfolio.cash),2))+'元。买入'+ str(target_list))        buy_security(context,target_list,len(target_list))        if loss_num !=0:            log.info('有余额可用'+str(round((context.portfolio.cash),2))+'元。买入货币基金'+ str(g.money_etf))            buy_security(context,[g.money_etf],loss_num)
    g.stoploss_list = []    g.other_sale    = []
#1-6 下午检查交易def trade_afternoon(context):    if g.trading_signal:        check_limit_up(context)        check_remain_amount(context)        buy_security(context,[g.money_etf],1)
#1-7 止盈止损def stop_loss(context):    if g.run_stoploss:        current_positions = context.portfolio.positions        if g.stoploss_strategy == 1 or g.stoploss_strategy == 3:            for stock in current_positions.keys():                price = current_positions[stock].price                avg_cost = current_positions[stock].avg_cost                # 个股盈利止盈                if price >= avg_cost * 2:                    order_target_value(stock, 0)                    log.debug("收益100%止盈,卖出{}".format(stock))                    g.other_sale.append(stock)                # 个股止损                elif price < avg_cost * (1 - g.stoploss_limit):                    order_target_value(stock, 0)                    log.debug("收益止损,卖出{}".format(stock))                    g.stoploss_list.append(stock)
        if g.stoploss_strategy == 2 or g.stoploss_strategy == 3:            stock_df = get_price(security=get_index_stocks('399101.XSHE')                        ,end_date=context.previous_date, frequency='daily'                        ,fields=['close', 'open'], count=1, panel=False)            # 计算成分股平均涨跌，即指数涨跌幅            down_ratio = (1 - stock_df['close'] / stock_df['open']).mean()            # 市场大跌止损            if down_ratio >= g.stoploss_market:                g.stoploss_list.append(stock)                log.debug("大盘惨跌,平均降幅{:.2%}".format(down_ratio))                for stock in current_positions.keys():                    order_target_value(stock, 0)#1-8 动态调仓代码def adjust_stock_num(context):    ma_para = 10  # 设置MA参数    today = context.previous_date    index_df = get_price('399101.XSHE', end_date=today,count = ma_para,fields = 'close', frequency='daily')    ma = index_df['close'].mean()    last_row = index_df['close'].iloc[-1]    diff = last_row - ma    # 根据差值结果返回数字    result = 3 if diff >= 500 else \             3 if 200 <= diff < 500 else \             4 if -200 <= diff < 200 else \             5 if -500 <= diff < -200 else \             6    return result#2 过滤各种股票def filter_stocks(context, stock_list):    current_data = get_current_data()        # 涨跌停和最近价格的判断    last_prices = history(1, unit='1m', field='close', security_list=stock_list)        # 过滤标准    filtered_stocks = []    for stock in stock_list:        if current_data[stock].paused:  # 停牌            continue        if current_data[stock].is_st:  # ST            continue        if '退' in current_data[stock].name:  # 退市            continue        if stock.startswith('30') or stock.startswith('68') or stock.startswith('8') or stock.startswith('4'):  # 市场类型            continue        if not (stock in context.portfolio.positions or last_prices[stock][-1] < current_data[stock].high_limit):  # 涨停            continue        if not (stock in context.portfolio.positions or last_prices[stock][-1] > current_data[stock].low_limit):  # 跌停            continue        # 次新股过滤        start_date = get_security_info(stock).start_date        if context.previous_date - start_date < timedelta(days=375):            continue        filtered_stocks.append(stock)    return filtered_stocks
#2.1 筛选审计意见def filter_audit(context, code):    # 获取审计意见，近三年内如果有不合格(report_type为2、3、4、5)的审计意见则返回False，否则返回True    lstd = context.previous_date    last_year = lstd.replace(year=lstd.year - 3, month=1, day=1)    q=query(finance.STK_AUDIT_OPINION.code, finance.STK_AUDIT_OPINION.report_type          ).filter(finance.STK_AUDIT_OPINION.code==code,finance.STK_AUDIT_OPINION.pub_date>=last_year)    df=finance.run_query(q)    df['report_type'] = df['report_type'].astype(str)    contains_nums = df['report_type'].str.contains(r'2|3|4|5')    return not contains_nums.any()#3-4 买入模块def buy_security(context,target_list,num):    #调仓买入    position_count = len(context.portfolio.positions)    target_num = num    if target_num !=0:        value = context.portfolio.cash / target_num        for stock in target_list:            order_target_value(stock, value)            log.info("买入[%s]（%s元）" % (stock,value))            if len(context.portfolio.positions) == g.stock_num:                break#4-1 判断今天是否跳过月份def today_is_between(context):    # 根据g.pass_month跳过指定月份    month = context.current_dt.month    # 判断当前月份是否在指定月份范围内    if month in g.pass_months:        code = '399303.XSHE'        close = history(count = 3, unit='1d', field='close', security_list= [code], df = False, skip_paused = False, fq = 'none')[code]        if close[-1] > close[-2] * 0.995 and close[-1] > close[-3] * 0.994:            return True        # 判断当前日期是否在指定日期范围内        return False    else:        return True
def close_account(context):    if not g.trading_signal:        curr_data = get_current_data()        if len(g.hold_list) != 0 and g.hold_list != [g.money_etf]:            for stock in g.hold_list:                if stock == g.money_etf:                    continue                if curr_data[stock].last_price == curr_data[stock].low_limit or curr_data[stock].paused:                    continue                order_target_value(stock, 0)                log.info("卖出[%s]" % (stock))
def print_position_info(context):    for position in list(context.portfolio.positions.values()):        securities=position.security        cost=position.avg_cost        price=position.price        ret=100*(price/cost-1)        value=position.value        amount=position.total_amount            print('代码:{}'.format(securities))        print('成本价:{}'.format(format(cost,'.2f')))        print('现价:{}'.format(price))        print('收益率:{}%'.format(format(ret,'.2f')))        print('持仓(股):{}'.format(amount))        print('市值:{}'.format(format(value,'.2f')))    print('———————————————————————————————————————分割线————————————————————————————————————————')

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/diannao/79749.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

C语言状态字与库函数详解：概念辨析与应用实践

C语言状态字与库函数详解：概念辨析与应用实践

C语言状态字与库函数详解&#xff1a;概念辨析与应用实践 一、状态字与库函数的核心概念区分 在C语言系统编程中&#xff0c;"状态字"和"库函数"是两个经常被混淆但本质完全不同的概念&#xff0c;理解它们的区别是掌握系统编程的基础。 1. 状态字&…
阅读更多...
End-to-End从混沌到秩序：基于LLM的Pipeline将非结构化数据转化为知识图谱

End-to-End从混沌到秩序：基于LLM的Pipeline将非结构化数据转化为知识图谱

摘要：本文介绍了一种将非结构化数据转换为知识图谱的端到端方法。通过使用大型语言模型（LLM）和一系列数据处理技术，我们能够从原始文本中自动提取结构化的知识。这一过程包括文本分块、LLM 提示设计、三元组提取、归一化与去重，最终利用 NetworkX 和 ipycytoscape 构建并可…
阅读更多...
Leetcode 3523. Make Array Non-decreasing

Leetcode 3523. Make Array Non-decreasing

Leetcode 3523. Make Array Non-decreasing 1. 解题思路2. 代码实现 题目链接&#xff1a;3523. Make Array Non-decreasing 1. 解题思路 这一题思路上来说就是一个栈的问题&#xff0c;就是从后往前依次考察每一个元素&#xff0c;显然&#xff0c;当前位置要么被舍弃&…
阅读更多...
探秘STM32如何成为现代科技的隐形引擎

探秘STM32如何成为现代科技的隐形引擎

STM32单片机原理与应用 前言&#xff1a;微型计算机的硅脑 在我们身边的每一个智能设备中&#xff0c;都隐藏着一个小小的"硅脑"——单片机。它们体积微小&#xff0c;却能执行复杂的运算和控制功能&#xff0c;就像是现代科技世界的"神经元"。STM32系列…
阅读更多...
机制的作用

机制的作用

“机制”是一个广泛使用的概念&#xff0c;其含义和应用范围因领域而异。在不同的学科和实际应用中&#xff0c;机制有着不同的定义和功能。以下从几个主要领域对“机制”进行详细解释&#xff1a; 一、自然科学中的机制 &#xff08;一&#xff09;物理学 定义 在物理学中&…
阅读更多...
prim最小生成树+最大生成树【C++】板子题

prim最小生成树+最大生成树【C++】板子题

什么是最小生成树&#xff1f; 在一给定的无向图G (V, E) 中&#xff0c;(u, v) 代表连接顶点 u 与顶点 v 的边&#xff0c;而 w(u, v) 代表此的边权重&#xff0c;若存在 T 为 E 的子集&#xff08;即&#xff09;且为无循环图&#xff0c;使得的 w(T) 最小&#xff0c;则此 …
阅读更多...
读书笔记--MySQL索引

读书笔记--MySQL索引

索引(在 MySQL 中也叫做“键(key)”)是存储引擎用于快速找到记录的一种数据结构。 索引对于良好的性能非常关键。尤其是当表中的数据量越来越大时&#xff0c;索引对性能的影响愈发重要。在数据量较小且负载较低时&#xff0c;不恰当的索引对性能的影响可能还不明显&#xff0c…
阅读更多...
VS Code 远程连接服务器：Anaconda 环境与 Python/Jupyter 运行全指南。研0大模型学习（第六、第七天）

VS Code 远程连接服务器：Anaconda 环境与 Python/Jupyter 运行全指南。研0大模型学习（第六、第七天）

VS Code 远程连接服务器&#xff1a;Anaconda 环境与 Python/Jupyter 运行全指南 在使用 VS Code 通过 SSH 远程连接到服务器进行开发时&#xff0c;尤其是在进行深度学习等需要特定环境的工作时&#xff0c;正确配置和使用 Anaconda 环境以及理解不同的代码运行方式非常关键。…
阅读更多...
字节头条golang二面

字节头条golang二面

docker和云服务的区别 首先明确Docker的核心功能是容器化&#xff0c;它通过容器技术将应用程序及其依赖项打包在一起&#xff0c;确保应用在不同环境中能够一致地运行。而云服务则是由第三方提供商通过互联网提供的计算资源&#xff0c;例如计算能力、存储、数据库等。云服务…
阅读更多...
数据结构和算法(七)--树

数据结构和算法(七)--树

一、树 树是我们计算机中非常重要的一种数据结构&#xff0c;同时使用树这种数据结构&#xff0c;可以描述现实生活中的很多事物&#xff0c;例如家谱、单位的组织架构、等等。 树是由n(n>1)个有限结点组成一个具有层次关系的集合。把它叫做"树"是因为它看起来像一…
阅读更多...
状态管理最佳实践：Provider使用技巧与源码分析

状态管理最佳实践：Provider使用技巧与源码分析

状态管理最佳实践&#xff1a;Provider使用技巧与源码分析 前言 Provider是Flutter官方推荐的状态管理解决方案&#xff0c;它简单易用且功能强大。本文将从实战角度深入讲解Provider的使用技巧和源码实现原理&#xff0c;帮助你更好地在项目中应用Provider进行状态管理。 基…
阅读更多...
使用 NEAT 进化智能体解决 Gymnasium 强化学习环境

使用 NEAT 进化智能体解决 Gymnasium 强化学习环境

使用 NEAT 进化智能体解决 Gymnasium 强化学习环境 0. 前言1. 环境定义2. 配置 NEAT3. 解决强化学习问题小结系列链接0. 前言 在本节中，我们使用 NEAT 解决经典强化学习 (reinforcement learning, RL) Gym 问题。但需要注意的是，我们用于推导网络和解决方程的方法不是 RL，而…
阅读更多...
Pandas高级功能

Pandas高级功能

在数据科学与机器学习的广阔天地中&#xff0c;Pandas宛如一把瑞士军刀&#xff0c;以其强大的数据处理和分析能力&#xff0c;成为众多数据从业者的得力助手。从基础的数据读写、清洗到复杂的数据聚合、转换&#xff0c;Pandas的功能丰富多样。本文将深入探索Pandas的一些高级…
阅读更多...
英语学习4.15

英语学习4.15

amateur amateur &#x1f524; 读音&#xff1a;/ˈmətər/ 或 /ˈmətʃʊr/ ✅ 词性&#xff1a;名词 / 形容词 ✅ 中文释义&#xff1a; &#xff08;名词&#xff09;业余爱好者   &#x1f449; 指不是以此为职业的人&#xff0c;通常出于兴趣而从事某项活动。   …
阅读更多...
Java开发软件

Java开发软件

Main.java // 主类&#xff0c;用于测试学生管理系统 public class Main { public static void main(String[] args) { StudentManagementSystem sms new StudentManagementSystem(); // 添加学生 sms.addStudent(new Student(1, "Alice", 20)…
阅读更多...
多Agent框架及协作机制详解

多Agent框架及协作机制详解

文章目录 一、多智能体系统介绍1.1 多智能体系统定义1.2 多智能体协作1.3 协作类型1.4 协作策略1.5 通信结构1.6 协调与编排 1.3 多智能体与单智能体对比1.4 应用场景 二、多Agent开发框架AutoGenMetaGPTLangGraphSwarmCrewAI 三、多智能体协作方式3.1 MetaGPT&#xff1a;SOP驱…
阅读更多...
AI Agent破局：智能化与生态系统标准化的颠覆性融合！

AI Agent破局：智能化与生态系统标准化的颠覆性融合！

Hi&#xff01;好久不见 云边有个稻草人-个人主页 热门文章_云边有个稻草人的博客-本篇文章所属专栏~ 目录 一、引言 二、AI Agent的基本概念 2.1 定义与分类 2.2 AI Agent的工作原理 2.3 示例代码&#xff1a;AI Agent的基本实现 三、AI Agent在企业数字化转型中的应用 …
阅读更多...
在阿里云和树莓派上编写一个守护进程程序

在阿里云和树莓派上编写一个守护进程程序

目录 一、阿里云邮件守护进程 1. 安装必要库 2. 创建邮件发送脚本 mail_daemon.py 3. 设置后台运行 二、树莓派串口守护进程 1. 启用树莓派串口 2. 安装依赖库 3. 创建串口输出脚本 serial_daemon.py 4. 设置开机自启 5. 使用串口助手接收 一、阿里云邮件守护进程 1.…
阅读更多...
Python----深度学习（全连接与链式求导法则）

Python----深度学习（全连接与链式求导法则）

一、机器学习和深度学习的区别 机器学习&#xff1a;利用计算机、概率论、统计学等知识&#xff0c;输入数据&#xff0c;让计算机学会新知 识。机器学习的过程&#xff0c;就是训练数据去优化目标函数。 深度学习&#xff1a;是一种特殊的机器学习&#xff0c;具有强大的能力和…
阅读更多...
Python爬虫实战:获取网易新闻数据

Python爬虫实战:获取网易新闻数据

一、引言 随着互联网的飞速发展，网络上蕴含着海量的信息资源。新闻数据作为其中的重要组成部分，对于舆情分析、市场研究、信息传播等多个领域具有重要价值。网易新闻作为国内知名的新闻平台，拥有丰富多样的新闻内容。使用 Python 的 Scrapy 框架进行网易新闻数据的爬取，可…
阅读更多...
最新文章

Copyright @ 2022~2023