建模实例评点(3)领域类图-作战推演

1
00:00:00,310 --> 00:00:03,990
你看,我们会有很多很多泛化

2
00:00:04,360 --> 00:00:05,810
这里有很多很多泛化

3
00:00:06,350 --> 00:00:07,420
这种情况下

4
00:00:08,020 --> 00:00:09,850
包括这种,没准也可以

5
00:00:10,380 --> 00:00:13,000
泛化的情况下,我们可能会需要什么

6
00:00:13,010 --> 00:00:16,620
找到更高抽象级别之间的关系

7
00:00:19,330 --> 00:00:20,610


8
00:00:21,330 --> 00:00:22,200
我们可以这样想

9
00:00:22,210 --> 00:00:24,890
比如说,现在***可以这样想

10
00:00:25,220 --> 00:00:29,450
假设用少数的,不要说那么多概念

11
00:00:29,460 --> 00:00:31,650
用少数的比较抽象一段话

12
00:00:31,980 --> 00:00:34,430
来概述你这整个

13
00:00:35,060 --> 00:00:37,060
这里面涵盖的概念,应该怎么说

14
00:00:37,070 --> 00:00:38,320


15
00:00:41,360 --> 00:00:43,390
就像,我举个例子

16
00:00:43,610 --> 00:00:45,350
我们每天看到

17
00:00:46,690 --> 00:00:47,970
有车,有船

18
00:00:51,710 --> 00:00:53,390
有车有船在跑

19
00:00:53,750 --> 00:00:56,810
车在火车站

20
00:00:58,360 --> 00:01:01,070
船在港口,飞机在航空港跑

21
00:01:01,320 --> 00:01:05,210
然后运各种各样的人、货什么之类的

22
00:01:05,220 --> 00:01:08,440
反正每天都各种各样的运输

23
00:01:08,780 --> 00:01:10,890
我们可能会得到有汽车、火车

24
00:01:10,900 --> 00:01:12,090
有大货车

25
00:01:12,100 --> 00:01:13,530
有轮船,有什么什么

26
00:01:14,150 --> 00:01:15,200
但这个太多了

27
00:01:15,480 --> 00:01:17,090
什么叫运输,实际上是什么

28
00:01:17,100 --> 00:01:21,910
有运输的工具

29
00:01:21,920 --> 00:01:23,150
交通工具

30
00:01:23,160 --> 00:01:28,730
还有交通的节点,它可能是航空港

31
00:01:28,740 --> 00:01:29,930
也可能是港口

32
00:01:29,940 --> 00:01:30,970
也可能是火车站

33
00:01:30,980 --> 00:01:32,250
也可能什么

34
00:01:32,260 --> 00:01:34,910
然后运输的载体

35
00:01:35,330 --> 00:01:40,190
运输的载的东西,叫什么都行

36
00:01:40,280 --> 00:01:43,150
载体这三个之间关系就完了

37
00:01:44,880 --> 00:01:49,650
我这个就是,情况和处置

38
00:01:50,030 --> 00:01:53,080
他判断情况之后,进行某种处置

39
00:01:53,810 --> 00:01:55,040
情况、处置

40
00:01:55,050 --> 00:01:57,120
或者说,计划,根据情况

41
00:01:57,130 --> 00:01:58,080
定下一个计划

42
00:01:58,090 --> 00:01:59,880
然后计划执行过程中再处置

43
00:02:00,080 --> 00:02:01,220
这复杂一点

44
00:02:01,230 --> 00:02:02,670
情况,制定计划

45
00:02:03,180 --> 00:02:04,820
然后计划执行过程中

46
00:02:04,830 --> 00:02:05,940
然后会有一些微调

47
00:02:05,950 --> 00:02:09,570
就是处置,在执行前,有一个情况判断

48
00:02:09,580 --> 00:02:11,410
然后定下你要干什么

49
00:02:11,420 --> 00:02:13,450
然后如果干的过程中有一些情况了

50
00:02:13,460 --> 00:02:15,130
有一些变化了,你还要处置

51
00:02:15,720 --> 00:02:17,670
是对情况做处置

52
00:02:17,680 --> 00:02:18,830
还是对计划做处置

53
00:02:19,930 --> 00:02:21,600
其实是计划执行中

54
00:02:21,610 --> 00:02:23,980
你的一些行动,相当于

55
00:02:23,990 --> 00:02:26,500
处置是你能干什么,情况是你能看见什么

56
00:02:27,040 --> 00:02:28,510
你看见这些你能看见的情况

57
00:02:28,520 --> 00:02:30,750
这是一组多对多的关系

58
00:02:31,040 --> 00:02:32,070
你看见若干种情况

59
00:02:32,080 --> 00:02:34,360
然后你进行若干处置

60
00:02:34,370 --> 00:02:36,420
基本上就这种

61
00:02:36,430 --> 00:02:38,340
处置针对情况而言,还是针对计划而言

62
00:02:39,030 --> 00:02:41,460
计划可出现可不出现,有准备的

63
00:02:41,470 --> 00:02:42,260
叫有计划

64
00:02:42,270 --> 00:02:43,540
如果没有准备也可以

65
00:02:43,550 --> 00:02:45,820
就看见什么情况,就处置什么也是可以的

66
00:02:46,220 --> 00:02:50,090
这两种情况都可以

67
00:02:50,860 --> 00:02:52,690
若干种类型的情况

68
00:02:52,700 --> 00:02:53,890
然后每种类型的情况里

69
00:02:53,900 --> 00:02:54,970
有若干种具体的情况

70
00:02:54,980 --> 00:02:57,610
然后你看这个情况的组合,情况类型

71
00:02:58,240 --> 00:02:59,830
然后,处置类型

72
00:02:59,840 --> 00:03:02,750
这个东西都是军事上最基本的

73
00:03:02,760 --> 00:03:04,870
然后,如果你有准备的话

74
00:03:04,880 --> 00:03:06,150
你还可以制定若干种预案

75
00:03:06,160 --> 00:03:08,270
这个计划实际就包含了若干种

76
00:03:08,280 --> 00:03:10,590
制定好的处置的流程

77
00:03:11,140 --> 00:03:13,450
计划相当于,不同情况下

78
00:03:13,460 --> 00:03:16,410
若干计划的模板

79
00:03:16,420 --> 00:03:18,210
计划相当于是处置的模板

80
00:03:18,220 --> 00:03:20,210
是包含了若干种处置

81
00:03:20,460 --> 00:03:22,850
预制好的各种处置的组合关系

82
00:03:23,040 --> 00:03:24,790
工序,就理解成工序就可以了

83
00:03:27,170 --> 00:03:29,020
基本上要一句话说清楚,就是这些

84
00:03:30,430 --> 00:03:31,660


85
00:03:33,870 --> 00:03:37,000
可以,也就是说,我们可以先什么

86
00:03:37,500 --> 00:03:39,140
先建好我们的规则

87
00:03:39,150 --> 00:03:40,700
然后在规则上面玩游戏

88
00:03:40,710 --> 00:03:42,060
比如,这个规则建好了

89
00:03:42,470 --> 00:03:43,170
然后从这个开始

90
00:03:43,180 --> 00:03:44,810
比如,现在有个情况发生了

91
00:03:46,450 --> 00:03:50,470
然后我们会牵扯到什么样的处置

92
00:03:52,220 --> 00:03:54,610
然后再往外一步步延伸

93
00:03:54,940 --> 00:03:59,680
我们看其他的,想定,态势,推演

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/799131.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

基于canal实现MySQL作为主库的ES与MySQL数据同步

1.对mysql的配置 需要一个mysql作为主库,它需要开启binlog,开启binlog需要修改配置文件my.cnf mysql安装就不多说了,我的mysql是5.7 ,装在docker中 我的mysql配置文件在容器中/etc/my.cnf 开启binlog需要修改my.cnf 即添加 log-binmysql…

「38」LUT在直播间调色的高级应用……

「38」LUT滤镜 对人或物进行精进调色 OBS软件中的LUT(Look Up Table)滤镜,可用于调整视频、图像的色彩和对比度等效果,以实现专业级的颜色调整需求。 左图为原图 右图为LUT 先对比上面的两张图,用了滤镜效果的变化…

内容创作策略:打造影响力强大的技术博客

CSDN的朋友你们好,我是未来,今天给大家带来专栏【程序员博主教程(完全指南)】的第6篇文章——“博客内容创作策略”。本文为技术博主提供了一个精简的内容创作策略指南,涵盖了设定目标、分析竞争、关键词研究、内容规划…

Embedding:跨越离散与连续边界——离散数据的连续向量表示及其在深度学习与自然语言处理中的关键角色

Embedding嵌入技术是一种在深度学习、自然语言处理(NLP)、计算机视觉等领域广泛应用的技术,它主要用于将高维、复杂且离散的原始数据(如文本中的词汇、图像中的像素等)映射到一个低维、连续且稠密的向量空间中。这些低…

pdf、docx、markdown、txt提取文档内容,可以应用于rag文档解析

返回的是文档解析分段内容组成的列表,分段内容默认chunk_size: int 250, chunk_overlap: int 50,250字分段,50分段处保留后面一段的前50字拼接即窗口包含下下一段前面50个字划分 from typing import Union, Listimport jieba import recla…

ES学习笔记01

1.ES安装 下载地址: es官网下载 这里使用的是7.8.0的版本信息 下载完成后解压即可完成安装 2.启动运行 点击bin目录下的elasticsearch.bat文件即可启动 在浏览器中输入localhost:9200显示如下: 在路径中加入对应访问后缀即可访问对应信息 如&#…

四大引用类型——强引用、软引用、弱引用、虚引用

强引用 垃圾回收器绝对不会回收它,即使内存不足也会报错OOM也不会回收它。 软引用 只有当内存不足时垃圾回收器才会回收它。 弱引用 当垃圾回收期扫描到弱引用,不管内存空间不足与否,只要一旦发现就会回收。 虚引用 相当于没有引用。虚…

微自传系列---AppleSteve Jobs

1 三个苹果的故事 在求学的过程中,笔者听到过关于 “三个苹果” 的故事。三个苹果,分别指的是亚当和夏娃的苹果、牛顿的苹果以及乔布斯的苹果,这三个苹果在各自的故事中都有着深远的寓意和影响。 这三个苹果,分别代表了人类历史的…

中药提取物备案数据库<5000+中药提取物>

NMPA中药提取物备案数据库的建立是确保中药提取物质量安全、规范生产行为、加强监管、保障公众用药安全、促进产业发展和国际化的重要措施。 通过查询中药提取物备案信息我们能了解到中药提取物的实用备案号、药品通用名称、药品生产企业、批准文号、备案日期、备案状态、中药…

Mybatis学习笔记:多表关联,懒加载,缓存

人生呐…… 文章目录 一、多表关联查询1.1 定制类1.2 成员属性(利用association标签和collection标签 二、懒加载2.1 配置2.2 实现 三、缓存3.1 一级缓存(session中的缓存3.2 二级缓存(Mapper中的缓存 一、多表关联查询 确定主表确定关联表确…

算法设计与分析(实验5)-----图论—桥问题

一.实验目的 掌握图的连通性。掌握并查集的基本原理和应用。 二.实验步骤与结果 1.定义 (1)图的相关定义 图:由顶点的有穷非空集合和顶点之间的边的集合组成。 连通图:在无向图G中,若对于…

Springboot 集成Rabbitmq之延时队列

1.首先确保已经引入了Spring AMQP和RabbitMQ的相关依赖&#xff1a; <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-amqp</artifactId> </dependency> 2. 创建一个普通队列并设置TTL&#x…

TPCH工具下载及用法

目录 1. 什么是TPCH&#xff1f; 2. 下载TPCH基准工具 3. 编译TPCH基准工具 3.1. 修改头文件 3.2. 修改编译文件 3.3. 执行编译 4. qgen 的用法 4.1. 异常处理 4.2 常见用法 5. dbgen 的用法 5.1. 语法说明 5.2. 常见用法 6. 总结 1. 什么是TPCH&#xff1f; TPC-…

【rabbitmq】rabbitmq与erlang的版本对应关系

rabbitmq与erlang的版本对应关系 https://www.rabbitmq.com/docs/which-erlang

蓝桥杯练习系统(算法训练)ALGO-957 P0703反置数

资源限制 内存限制&#xff1a;256.0MB C/C时间限制&#xff1a;1.0s Java时间限制&#xff1a;3.0s Python时间限制&#xff1a;5.0s 一个整数的反置数指的是把该整数的每一位数字的顺序颠倒过来所得到的另一个整数。如果一个整数的末尾是以0结尾&#xff0c;那么在它的…

网络基础知识入门

目录 一、局域网与广域网 1、局域网 2、广域网 二、协议 1、概念 2、协议的理解 3、协议的分层 1、分层 2、OSI七层模型 三、网络传输基本流程 1、报头 2、局域网通信原理 3、跨网络传输流程 四、IP地址和MAC地址 1、IP地址 2、MAC地址 3、两者的区别 一、局域…

三种算法实例(二分查找算法、插入排序算法、贪心算法)

当我们听到“算法”这个词时&#xff0c;很自然地会想到数学。然而实际上&#xff0c;许多算法并不涉及复杂数学&#xff0c;而是更多地依赖基本逻辑&#xff0c;这些逻辑在我们的日常生活中处处可见。 在正式探讨算法之前&#xff0c;有一个有趣的事实值得分享&#xff1a;你…

面试题:React的真实DOM和虚拟DOM的区别

真实DOM&#xff0c;就是文档对象类型&#xff0c;在页面上渲染的每一个节点都是一个真实DOM结构。 虚拟DOM&#xff0c;就是一个描述描述DOM结构的对象。 在创建虚拟DOM的目的就是为了更好将虚拟节点渲染到页面上&#xff0c;虚拟DOM对象的节点与真实DOM的属性是一一对应的。…

【云开发笔记NO.22】运用云原生产品打造技术中台

一、云原生产品与技术中台的结合点 云原生产品以其容器化、微服务化、自动化等特性&#xff0c;为技术中台的建设提供了强大的技术支持。容器化技术使得应用可以更容易地进行部署和管理&#xff0c;提高了应用的可移植性和弹性。微服务架构则让应用更加模块化&#xff0c;便于…