2024年美赛 (A题MCM)| 海蟒鳗鱼 |数学建模完整代码+建模过程全解全析

当大家面临着复杂的数学建模问题时,你是否曾经感到茫然无措?作为2022年美国大学生数学建模比赛的O奖得主,我为大家提供了一套优秀的解题思路,让你轻松应对各种难题。
让我们来看看美赛的A题!
完整内容可以在文章末尾领取!
在这里插入图片描述

问题重述:

这个数学建模问题涉及到海蟒鳗鱼(sea lampreys)的性别比例与资源可用性之间的关系。海蟒鳗鱼是一种在湖泊或海洋栖息地中生活的鳗鱼,会沿着河流迁徙以产卵。性别比例的变化取决于它们在幼虫阶段生长的速度,而生长速度受到食物可用性的影响。在食物稀缺的环境中,雄性海蟒鳗鱼的比例可能达到人口的约78%,而在食物更充足的环境中,雄性的比例观察到约为56%。

主要问题包括:

  1. 当海蟒鳗鱼种群能够根据资源可用性调整其性别比例时,对更大生态系统有何影响?
  2. 对海蟒鳗鱼种群而言,这种能力的优势和劣势是什么?
  3. 随着海蟒鳗鱼性别比例的变化,对生态系统的稳定性有何影响?
  4. 具有可变性别比例的海蟒鳗鱼种群对其他生态系统成员,如寄生虫,是否有益?

解决方案需要包括一张一页的摘要表、目录、完整的解决方案、参考文献列表以及如果使用了AI,则包括一个AI使用报告。解决方案的总页数不得超过25页。

问题一

问题一的建模思路是研究海蟒鳗鱼种群根据资源可用性调整性别比例对更大生态系统的影响。我们可以建立一个数学模型来描述海蟒鳗鱼种群的动态,考虑其性别比例与资源可用性的关系。

首先,我们可以引入以下变量:

  • P P P:时间 t t t 的海蟒鳗鱼总体数量。
  • M M M:时间 t t t 的雄性海蟒鳗鱼数量。
  • F F F:时间 t t t 的雌性海蟒鳗鱼数量。
  • R R R:时间 t t t 的资源可用性水平。

为了建模性别比例的变化,可以使用两个比例:

  • p m p_m pm:雄性海蟒鳗鱼的比例, p m = M P p_m = \frac{M}{P} pm=PM
  • p f p_f pf:雌性海蟒鳗鱼的比例, p f = F P p_f = \frac{F}{P} pf=PF

模型的动力学方程可以描述为:
d M d t = α R − β M \frac{dM}{dt} = \alpha R - \beta M dtdM=αRβM
d F d t = γ R − δ F \frac{dF}{dt} = \gamma R - \delta F dtdF=γRδF

其中:

  • α \alpha α γ \gamma γ 表示海蟒鳗鱼雄性和雌性相对于资源的生长率。
  • β \beta β δ \delta δ 表示海蟒鳗鱼雄性和雌性相对于数量的死亡率。

为了描述总体数量的动态,我们有:
d P d t = d M d t + d F d t \frac{dP}{dt} = \frac{dM}{dt} + \frac{dF}{dt} dtdP=dtdM+dtdF

性别比例的变化可以通过以下关系表达:
p m = M P p_m = \frac{M}{P} pm=PM
p f = F P p_f = \frac{F}{P} pf=PF

资源可用性 R R R 可以是外部因素,它随时间变化或受到其他生态系统因素的影响。这个模型考虑了性别比例、数量动态和资源可用性之间的相互作用。

具体公式解释:

  1. 性别比例的计算:

    • 雄性比例 p m p_m pm 表示雄性数量 (M) 占总体数量 (P) 的比例。这通过将雄性数量除以总体数量得到,即 p m = M P p_m = \frac{M}{P} pm=PM
    • 雌性比例 p f p_f pf 表示雌性数量 (F) 占总体数量 (P) 的比例。这通过将雌性数量除以总体数量得到,即 p f = F P p_f = \frac{F}{P} pf=PF
  2. 雄性数量变化的动力学方程:

    • d M d t \frac{dM}{dt} dtdM 表示雄性数量随时间的变化率。
    • α R \alpha R αR 代表由于资源可用性 (R) 而引起的雄性生长。这是雄性相对于资源的生长率。
    • β M \beta M βM 代表由于数量依赖的死亡率而引起的雄性死亡。这是雄性相对于数量的死亡率。
    • 因此,整个方程 d M d t = α R − β M \frac{dM}{dt} = \alpha R - \beta M dtdM=αRβM 描述了雄性数量随时间的变化,考虑到资源的影响和数量的负反馈。
  3. 雌性数量变化的动力学方程:

    • d F d t \frac{dF}{dt} dtdF 表示雌性数量随时间的变化率。
    • γ R \gamma R γR 代表由于资源可用性 (R) 而引起的雌性生长。这是雌性相对于资源的生长率。
    • δ F \delta F δF 代表由于数量依赖的死亡率而引起的雌性死亡。这是雌性相对于数量的死亡率。
    • 因此,整个方程 d F d t = γ R − δ F \frac{dF}{dt} = \gamma R - \delta F dtdF=γRδF 描述了雌性数量随时间的变化,考虑到资源的影响和数量的负反馈。
  4. 总体数量的变化:

    • d P d t \frac{dP}{dt} dtdP 表示总体数量随时间的变化率。
    • 通过将雄性和雌性数量的变化率相加得到,即 d P d t = d M d t + d F d t \frac{dP}{dt} = \frac{dM}{dt} + \frac{dF}{dt} dtdP=dtdM+dtdF
    • 这个方程考虑到了整个种群的数量动态。
import numpy as np
import matplotlib.pyplot as plt# 模型参数
alpha = 0.1  # 雄性相对于资源的生长率
beta = 0.05  # 雄性相对于数量的死亡率
gamma = 0.08  # 雌性相对于资源的生长率
delta = 0.03  # 雌性相对于数量的死亡率# 初始条件
M_0 = 100  # 初始雄性数量
F_0 = 100  # 初始雌性数量
P_0 = M_0 + F_0  # 初始总体数量
R_0 = 0.5  # 初始资源可用性# 模拟时间参数
dt = 0.1  # 时间步长
t_max = 100  # 模拟时间
num_steps = int(t_max / dt) + 1# 初始化数组
time = np.linspace(0, t_max, num_steps)
M = np.zeros(num_steps)
F = np.zeros(num_steps)
P = np.zeros(num_steps)
R = np.zeros(num_steps)# 设置初始条件
M[0] = M_0
F[0] = F_0
P[0] = P_0
R[0] = R_0# Euler 方法求解微分方程
for i in range(1, num_steps):dM_dt = alpha * R[i-1] - beta * M[i-1]dF_dt = gamma * R[i-1] - delta * F[i-1]dP_dt = dM_dt + dF_dtM[i] = M[i-1] + dt * dM_dtF[i] = F[i-1] + dt * dF_dtP[i] = P[i-1] + dt * dP_dtR[i] = R[i-1]  # 在这个简单的模型中,我们假设资源可用性保持不变# 绘制结果
plt.figure(figsize=(10, 6))
plt.plot(time, M, label='Male Population')
plt.plot(time, F, label='Female Population')
plt.plot(time, P, label='Total Population')

问题二

问题二建模思路详细展开:

问题二的目标是分析海蟒鳗鱼种群能够根据资源可用性调整性别比例的优势和劣势。我们将考虑性别比例调整对繁殖和捕食者的影响。

模型变量:

  • B B B:时间 t t t的成功繁殖的数量。
  • H H H:时间 t t t 的捕食者的数量。

模型的动力学方程:

  1. 繁殖方程:
    d B d t = ρ p f ( 1 − p f ) \frac{dB}{dt} = \rho p_f (1 - p_f) dtdB=ρpf(1pf)

    • ρ \rho ρ 是繁殖成功率常数,表示雌性数量 $F $ 对成功繁殖数量的影响。
    • p f p_f pf 是雌性比例,这个方程表示繁殖成功数量取决于雌性的数量和其性别比例。成功繁殖的数量在雌性比例为 0.5 时最大。
  2. 捕食方程:
    d H d t = η P \frac{dH}{dt} = \eta P dtdH=ηP

    • η \eta η 是捕食者的攻击率常数,表示总体数量 P P P 对捕食者数量的影响。
    • 这个方程表示捕食者的数量取决于总体数量,捕食者数量随着总体数量的增加而增加。

整体模型的动力学方程(与问题一的模型整合):

  1. 雄性数量变化:
    d M d t = α R − β M \frac{dM}{dt} = \alpha R - \beta M dtdM=αRβM

    • α \alpha α β \beta β 表示海蟒鳗鱼雄性相对于资源和数量的生长和死亡率。
  2. 雌性数量变化:
    d F d t = γ R − δ F \frac{dF}{dt} = \gamma R - \delta F dtdF=γRδF

    • γ \gamma γ δ \delta δ 表示海蟒鳗鱼雌性相对于资源和数量的生长和死亡率。
  3. 总体数量变化:
    d P d t = d M d t + d F d t \frac{dP}{dt} = \frac{dM}{dt} + \frac{dF}{dt} dtdP=dtdM+dtdF

  4. 性别比例计算:
    p m = M P p_m = \frac{M}{P} pm=PM
    p f = F P p_f = \frac{F}{P} pf=PF

问题二的整体代码:

import numpy as np
import matplotlib.pyplot as plt# 模型参数
alpha = 0.1  # 雄性相对于资源的生长率
beta = 0.05  # 雄性相对于数量的死亡率
gamma = 0.08  # 雌性相对于资源的生长率
delta = 0.03  # 雌性相对于数量的死亡率
rho = 0.02   # 繁殖成功率常数
eta = 0.01   # 捕食者的攻击率常数# 初始条件
M_0 = 100  # 初始雄性数量
F_0 = 100  # 初始雌性数量
P_0 = M_0 + F_0  # 初始总体数量
R_0 = 0.5  # 初始资源可用性# 模拟时间参数
dt = 0.1  # 时间步长
t_max = 100  # 模拟时间
num_steps = int(t_max / dt) + 1# 初始化数组
time = np.linspace(0, t_max, num_steps)
M = np.zeros(num_steps)
F = np.zeros(num_steps)
P = np.zeros(num_steps)
R = np.zeros(num_steps)
B = np.zeros(num_steps)
H = np.zeros(num_steps)# 设置初始条件
M[0] = M_0
F[0] = F_0
P[0] = P_0
R[0] = R_0
B[0] = 0
H[0] = 10  # 初始捕食者数量# Euler 方法求解微分方程
for i in range(1, num_steps):dM_dt = alpha * R[i-1] - beta * M[i-1]dF_dt = gamma * R[i-1] - delta * F[i-1]dP_dt = dM_dt + dF_dtdB_dt = rho * p_f * (1 - p_f)dH_dt = eta * P[i-1]M[i] = M[i-1] + dt * dM_dtF[i] = F[i-1] + dt * dF_dtP[i] = P[i-1] + dt * dP_dt
#见完整版

这个模型综合考虑了性别比例调整对繁殖成功和捕食者的影响,同时考虑了性别比例、数量动态和资源可用性之间的相互作用。

问题三

问题三建模思路:

问题三要求研究海蟒鳗鱼种群根据资源可用性调整性别比例对更大生态系统的影响,特别是对其他生态系统成员的影响。我们将考虑与其他物种的相互作用,包括竞争和捕食。我们将引入另一种生态类型的物种,并研究其与海蟒鳗鱼种群的相互作用。

模型变量:

  • P P P:海蟒鳗鱼的总体数量。
  • M M M:雄性海蟒鳗鱼的数量。
  • F F F:雌性海蟒鳗鱼的数量。
  • R R R:资源的可用性水平。
  • B B B:成功繁殖的数量。
  • H H H:捕食者的数量。
  • N N N:其他生态系统成员的数量。

动力学方程:

  1. 海蟒鳗鱼数量动态方程:
    d M d t = α R − β M − ϵ N M \frac{dM}{dt} = \alpha R - \beta M - \epsilon NM dtdM=αRβMϵNM
    d F d t = γ R − δ F − ϵ N F \frac{dF}{dt} = \gamma R - \delta F - \epsilon NF dtdF=γRδFϵNF
    d P d t = d M d t + d F d t \frac{dP}{dt} = \frac{dM}{dt} + \frac{dF}{dt} dtdP=dtdM+dtdF

    • α \alpha α γ \gamma γ:雄性和雌性相对于资源的生长率。
    • β \beta β δ \delta δ:雄性和雌性相对于数量的死亡率。
    • ϵ \epsilon ϵ:海蟒鳗鱼与其他生态系统成员相互作用的强度。
  2. 成功繁殖和捕食者数量动态方程:
    d B d t = ρ p f ( 1 − p f ) \frac{dB}{dt} = \rho p_f (1 - p_f) dtdB=ρpf(1pf)
    d H d t = η P − ξ N H \frac{dH}{dt} = \eta P - \xi NH dtdH=ηPξNH

    • ρ \rho ρ:繁殖成功率常数,表示雌性数量 F F F 对成功繁殖数量的影响。
    • ξ \xi ξ:捕食者的捕食率常数,表示捕食者对海蟒鳗鱼的捕食受到其他生态系统成员的影响。
  3. 其他生态系统成员数量动态方程:
    d N d t = − ζ N + ω P \frac{dN}{dt} = -\zeta N + \omega P dtdN=ζN+ωP

    • ζ \zeta ζ:其他生态系统成员的自然死亡率常数。
    • ω \omega ω:其他生态系统成员与海蟒鳗鱼相互作用的强度。

性别比例计算:
p m = M P p_m = \frac{M}{P} pm=PM
p f = F P p_f = \frac{F}{P} pf=PF

整体模型的动力学方程:

  1. 海蟒鳗鱼数量动态方程:
    d M d t = α R − β M − ϵ N M \frac{dM}{dt} = \alpha R - \beta M - \epsilon NM dtdM=αRβMϵNM
    d F d t = γ R − δ F − ϵ N F \frac{dF}{dt} = \gamma R - \delta F - \epsilon NF dtdF=γRδFϵNF
    d P d t = d M d t + d F d t \frac{dP}{dt} = \frac{dM}{dt} + \frac{dF}{dt} dtdP=dtdM+dtdF

  2. 成功繁殖和捕食者数量动态方程:
    d B d t = ρ p f ( 1 − p f ) \frac{dB}{dt} = \rho p_f (1 - p_f) dtdB=ρpf(1pf)
    d H d t = η P − ξ N H \frac{dH}{dt} = \eta P - \xi NH dtdH=ηPξNH

  3. 其他生态系统成员数量动态方程:
    d N d t = − ζ N + ω P \frac{dN}{dt} = -\zeta N + \omega P dtdN=ζN+ωP

问题三的整体建模思路概述:

在这个模型中,我们考虑了海蟒鳗鱼与其他生态系统成员之间的相互作用。这包括与其他生态系统成员的竞争(通过调整性别比例影响繁殖和数量动态)以及与捕食者的相互作用。我们引入了其他生态系统成员数量的动态方程,以更全面地研究海蟒鳗鱼种群根据资源可用性调整性别比例对更大生态系统的影响。

import numpy as np
import matplotlib.pyplot as plt# 模型参数
alpha = 0.1  # 雄性相对于资源的生长率
beta = 0.05  # 雄性相对于数量的死亡率
gamma = 0.08  # 雌性相对于资源的生长率
delta = 0.03  # 雌性相对于数量的死亡率
rho = 0.02   # 繁殖成功率常数
epsilon = 0.01  # 海蟒鳗鱼与其他生态系统成员相互作用的强度
eta = 0.01   # 捕食者的攻击率常数
xi = 0.005   # 捕食者对海蟒鳗鱼的捕食受到其他生态系统成员的影响的强度
zeta = 0.02  # 其他生态系统成员的自然死亡率常数
omega = 0.01  # 其他生态系统成员与海蟒鳗鱼相互作用的强度# 初始条件
M_0 = 100  # 初始雄性数量
F_0 = 100  # 初始雌性数量
P_0 = M_0 + F_0  # 初始总体数量
R_0 = 0.5  # 初始资源可用性
B_0 = 0  # 初始成功繁殖的数量
H_0 = 10  # 初始捕食者数量
N_0 = 50  # 初始其他生态系统成员的数量# 模拟时间参数
dt = 0.1  # 时间步长
t_max = 100  # 模拟时间
num_steps = int(t_max / dt) + 1# 初始化数组
time = np.linspace(0, t_max, num_steps)
M = np.zeros(num_steps)
F = np.zeros(num_steps)
P = np.zeros(num_steps)
R = np.zeros(num_steps)
B = np.zeros(num_steps)
H = np.zeros(num_steps)
N = np.zeros(num_steps)# 设置初始条件
M[0] = M_0
F[0] = F_0
P[0] = P_0
R[0] = R_0
B[0] = B_0
H[0] = H_0
N[0] = N_0# Euler 方法求解微分方程
for i in range(1, num_steps):p_m = M[i-1] / P[i-1]p_f = F[i-1] / P[i-1]dM_dt = alpha * R[i-1] - beta * M[i-1] - epsilon * N[i-1] * M[i-1]dF_dt = gamma * R[i-1] - delta * F[i-1] - epsilon * N[i-1] * F[i-1]dP_dt = dM_dt + dF_dtdB_dt = rho * p_f * (1 - p_f)dH_dt = eta * P[i-1] - xi * N[i-1] * H[i-1]dN_dt = -zeta * N[i-1] + omega * P[i-1]M[i] = M[i-1] + dt * dM_dtF[i] = F[i-1] + dt * dF_dtP[i] = P[i-1] + dt * dP_dt#见完整版

问题四

问题四建模思路:

问题四要求研究海蟒鳗鱼种群根据资源可用性调整性别比例对更大生态系统的影响,重点关注寄生生态系统。我们将考虑寄生生态系统的动态,包括寄生物种群和宿主(海蟒鳗鱼)之间的相互作用。我们将建立一个寄生生态系统模型,研究性别比例调整对寄生物种群和宿主数量动态的影响。

模型变量:
- P P P:海蟒鳗鱼的总体数量。
- M M M:雄性海蟒鳗鱼的数量。
- F F F:雌性海蟒鳗鱼的数量。
- R R R:资源的可用性水平。
- B B B:成功繁殖的数量。
- H H H:寄生物的数量。

动力学方程:

  1. 海蟒鳗鱼数量动态方程:
    d M d t = α R − β M − ϵ H M \frac{dM}{dt} = \alpha R - \beta M - \epsilon HM dtdM=αRβMϵHM
    d F d t = γ R − δ F − ϵ H F \frac{dF}{dt} = \gamma R - \delta F - \epsilon HF dtdF=γRδFϵHF
    d P d t = d M d t + d F d t \frac{dP}{dt} = \frac{dM}{dt} + \frac{dF}{dt} dtdP=dtdM+dtdF

    - α \alpha α γ \gamma γ:雄性和雌性相对于资源的生长率。
    - β \beta β δ \delta δ:雄性和雌性相对于数量的死亡率。
    - ϵ \epsilon ϵ:海蟒鳗鱼与寄生物相互作用的强度。

  2. 成功繁殖和寄生物数量动态方程:
    d B d t = ρ p f ( 1 − p f ) \frac{dB}{dt} = \rho p_f (1 - p_f) dtdB=ρpf(1pf)
    d H d t = η P − ξ H M − ζ H \frac{dH}{dt} = \eta P - \xi HM - \zeta H dtdH=ηPξHMζH

    - ρ \rho ρ:繁殖成功率常数,表示雌性数量 F F F 对成功繁殖数量的影响。
    - ξ \xi ξ:寄生物对海蟒鳗鱼的寄生率常数,表示寄生物对宿主数量的影响。
    - ζ \zeta ζ:寄生物的自然死亡率常数。

性别比例计算:
p m = M P p_m = \frac{M}{P} pm=PM
p f = F P p_f = \frac{F}{P} pf=PF

整体模型的动力学方程:

  1. 海蟒鳗鱼数量动态方程:
    d M d t = α R − β M − ϵ H M \frac{dM}{dt} = \alpha R - \beta M - \epsilon HM dtdM=αRβMϵHM
    d F d t = γ R − δ F − ϵ H F \frac{dF}{dt} = \gamma R - \delta F - \epsilon HF dtdF=γRδFϵHF
    d P d t = d M d t + d F d t \frac{dP}{dt} = \frac{dM}{dt} + \frac{dF}{dt} dtdP=dtdM+dtdF

  2. 成功繁殖和寄生物数量动态方程:
    d B d t = ρ p f ( 1 − p f ) \frac{dB}{dt} = \rho p_f (1 - p_f) dtdB=ρpf(1pf)
    d H d t = η P − ξ H M − ζ H \frac{dH}{dt} = \eta P - \xi HM - \zeta H dtdH=ηPξHMζH

问题四的整体建模思路概述:

在这个模型中,我们考虑了海蟒鳗鱼与寄生物种群之间的相互作用。我们引入了寄生物数量的动态方程,以更全面地研究海蟒鳗鱼种群根据资源可用性调整性别比例对寄生生态系统的影响。

import numpy as np
import matplotlib.pyplot as plt# 模型参数
alpha = 0.1  # 雄性相对于资源的生长率
beta = 0.05  # 雄性相对于数量的死亡率
gamma = 0.08  # 雌性相对于资源的生长率
delta = 0.03  # 雌性相对于数量的死亡率
rho = 0.02   # 繁殖成功率常数
epsilon = 0.01  # 海蟒鳗鱼与寄生物相互作用的强度
eta = 0.01   # 寄生物攻击宿主的强度
xi = 0.005   # 寄生物对宿主的寄生率
zeta = 0.02  # 寄生物的自然死亡率常数# 初始条件
M_0 = 100  # 初始雄性数量
F_0 = 100  # 初始雌性数量
P_0 = M_0 + F_0  # 初始总体数量
R_0 = 0.5  # 初始资源可用性
B_0 = 0  # 初始成功繁殖的数量
H_0 = 10  # 初始寄生物数量# 模拟时间参数
dt = 0.1  # 时间步长
t_max = 100  # 模拟时间
num_steps = int(t_max / dt) + 1# 初始化数组
time = np.linspace(0, t_max, num_steps)
M = np.zeros(num_steps)
F = np.zeros(num_steps)
P = np.zeros(num_steps)
R = np.zeros(num_steps)
B = np.zeros(num_steps)
H = np.zeros(num_steps)# 设置初始条件
M[0] = M_0
F[0] = F_0
P[0] = P_0
R[0] = R_0
B[0] = B_0
H[0] = H_0# Euler 方法求解微分方程
for i in range(1, num_steps):p_m = M[i-1] / P[i-1]p_f = F[i-1] / P[i-1]dM_dt = alpha * R[i-1] - beta * M[i-1] - epsilon * H[i-1] * M[i-1]dF_dt = gamma * R[i-1] - delta * F[i-1] - epsilon * H[i-1] * F[i-1]dP_dt = dM_dt + dF_dtdB_dt = rho * p_f * (1 - p_f)dH_dt = eta * P[i-1] - xi * H[i-1] * M[i-1] - zeta * H[i-1]M[i] = M[i-1] + dt * dM_dtF[i] = F[i-1] + dt * dF_dtP[i] = P[i-1] + dt * dP_dt#见完整版

更多内容具体可以看看我的下方名片!里面包含有认证杯一手资料与分析!
另外在赛中,我们也会陪大家一起解析认证杯的一些方向
关注 CS数模 团队,数模不迷路~

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/news/662083.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

Camunda流程引擎概念

💖专栏简介 ✔️本专栏将从Camunda(卡蒙达) 7中的关键概念到实现中国式工作流相关功能。 ✔️文章中只包含演示核心代码及测试数据,完整代码可查看作者的开源项目snail-camunda ✔️请给snail-camunda 点颗星吧😘 💖流程定义 …

服务器C盘突然满了,是什么问题

随着时代的发展、互联网的普及,加上近几年云计算服务的诞生以及大规模普及,对于服务器的使用目前是非常普遍的,用户运维的主要对象一般也主要是服务器方面。在日常使用服务器的过程中,我们也会遇到各式各样的问题。最近就有遇到用…

【2024美赛C题】网球大佬带你无背景压力分析解题思路!

2024美赛数学建模c题思路分享 加群可以享受定制等更多服务,或者搜索B站:数模洛凌寺 联络组织企鹅:936670395 以下是C题老师的解题思路(企鹅内还会随时更新文档): 1背景介绍 2024MCM问题C:网…

LeetCode:42. 接雨水

42. 接雨水 1)题目2)思路3)代码4)结果 1)题目 给定 n 个非负整数表示每个宽度为 1 的柱子的高度图,计算按此排列的柱子,下雨之后能接多少雨水。 示例 1: 输入:height …

强化学习 - Monte Carlo Tree Search (MCTS)

什么是机器学习 强化学习中的Monte Carlo Tree Search (MCTS) 是一种用于决策制定和搜索的算法,特别在不确定环境下表现出色。 1. 强化学习背景 在强化学习中,一个智能体通过与环境的交互学习,以便在某个任务上获得最大的奖励。MCTS是一种…

2024美国大学生数学建模美赛选题建议+初步分析

总的来说&#xff0c;去年算是美赛环境题元年&#xff0c;去年的开放度是较高的&#xff0c;今年每种赛题类型相对而言平均了起来 提示&#xff1a;DS C君认为的难度&#xff1a;E<BCF<AD&#xff0c;开放度&#xff1a;DBCE<A<F。 以下为A-F题选题建议及初步分析…

【ArcGIS Pro】从0开始

1.导入excel&#xff0c;需要安装驱动程序 安装用于 Microsoft Excel 文件的驱动程序 https://pro.arcgis.com/zh-cn/pro-app/latest/help/data/excel/prepare-to-work-with-excel-in-arcgis-pro.htm 2.修改投影坐标系 点到地图图标上&#xff0c;右键才能设置坐标系。 3.…

前端通过nginx,访问一个文件夹里面的全部数据,nginx 咋配置

目录 1 问题2 实现 1 问题 前端通过nginx,访问一个文件夹里面的全部数据&#xff0c;nginx 咋配置 2 实现 location /logs {alias /mnt/www/logs/;autoindex on; }

【QT+QGIS跨平台编译】之二十二:【FontConfig+Qt跨平台编译】(一套代码、一套框架,跨平台编译)

文章目录 一、FontConfig介绍二、文件下载三、文件分析四、pro文件五、编译实践 一、FontConfig介绍 FontConfig 是一个用于配置和定制字体的库&#xff0c;广泛应用于基于X Window系统的操作系统中&#xff0c;尤其是在Linux和Unix-like系统中。它为应用程序提供了一种统一的…

JavaWeb前端——HTML/CSS

HTML/CSS概述 HTML&#xff1a;学习标签&#xff0c;CSS&#xff1a;学习样式 HTML 1. 不区分大小写。 2. 属性可以使用单引号/双引号 3. 在记事本/编辑器中编写html语言&#xff0c;通过浏览器解析渲染语言 4. 语法结构松散&#xff08;编写时要尽量严谨&#xff09; VSc…

搭建 idea 插件仓库私服

正常情况下&#xff0c;我们开发的 idea 插件会发布到 idea 官方商城中&#xff0c;这样用户就可以在 idea 的 Marketplace 中搜索安装。 但是在企业内部&#xff0c;有可能我们开发了很多内部插件&#xff0c;而不能发布到公共市场中&#xff0c;这种情况下我们就需要搭建一个…

探索微服务治理:从发展到实践构建高效稳定的系统|负载均衡技术解析

二、微服务治理的相关技术 微服务治理涉及多个方面&#xff0c;包括服务注册与发现、负载均衡、容错处理、服务配置管理等&#xff0c;这些技术共同确保微服务架构的稳定运行。 2、负载均衡 负载均衡作为服务治理中的核心技术之一&#xff0c;对于提高系统的可用性、性能和扩…

网络空间测绘在安全领域的应用(上)

近年来&#xff0c;网络空间测绘已经跻身为网络通信技术、网络空间安全、地理学等多学科融合的前沿领域。 该领域聚焦于构建网络空间信息的“全息地图”&#xff0c;致力于建立面向全球网络的实时观测、准确采样、映射和预测的强大基础设施。 通过采用网络探测、数据采集、信…

华为FreeClip耳机可以调节音量大小吗?附教程!

不会只有我一个人吧&#xff1f;都用华为FreeClip耳机一段时间了&#xff0c;才发现它竟然不支持在耳机上直接调节音量&#xff0c;也是没谁了&#xff01;但是后来自己摸索了一下&#xff0c;发现了华为FreeClip耳机原来是几个简单有效的调节音量大小的方法滴~不得不说&#x…

在Android Studio中配置OpenCV

在Android Studio中配置OpenCV 1 下载OpenCV2 导入OpenCV模块3 修改配置4 增加依赖5 拷贝libopencv_java.so6 Activity中加入代码1 下载OpenCV 下载OpenCV的Android包并解压。 2 导入OpenCV模块 在Android应用中,导入OpenCV模块。 导入目录时选择Opencv Android中的sdk目…

TiDB架构设计和实践:高性能分布式数据库解决方案

摘要&#xff1a;TiDB是一个开源的分布式NewSQL数据库&#xff0c;具备强大的水平扩展能力和高性能查询能力。本文将介绍TiDB的架构设计和实践经验&#xff0c;帮助读者了解如何利用TiDB构建可靠、高性能的分布式数据库系统。 正文&#xff1a; ### 1. 引言 随着互联网规模的…

鸿蒙ArkUI下拉列表组件

鸿蒙ArkUI下拉列表组件&#xff0c;官方提供的只是基础使用&#xff0c;在使用过程非常不方便&#xff0c;我们进行了组件的封装。 import {IDynamicObject} from ./IType /*** 自定义颜色*/ Component export default struct DiygwSelect{//绑定的值Link Watch(onValue) val…

如何做好员工离职风险防范和离职危机处理工作

员工退出与离职是企业发展中都会面临的一个普遍现象&#xff0c;这种现象本身没有什么问题&#xff0c;但是如果企业退出与离职管理不善&#xff0c;就会增加企业的管理成本&#xff0c;影响企业的正常经营活动。该电子科技有限公司在发展中也遇到员工离职管理不善带来的问题。…

151基于matlab的齿轮-轴-轴承系统的含间隙非线性动力学模型

基于matlab的齿轮-轴-轴承系统的含间隙非线性动力学模型&#xff0c;根据牛顿第二定律&#xff0c;建立齿轮系统啮合的非线性动力学方程&#xff0c;同时也主要应用修正Capone模型的滑动轴承无量纲化雷诺方程&#xff0c;利用这些方程推到公式建模&#xff1b;用MATLAB求解画出…

查看docker服务的IP地址

要查看Docker容器服务的IP地址&#xff0c;可以使用以下命令&#xff1a; 如果你知道容器名称或容器ID&#xff0c;直接通过容器ID或容器名称来获取IP地址&#xff1a; # 使用容器ID获取IP地址 docker inspect -f {{range .NetworkSettings.Networks}}{{.IPAddress}}{{end}} …