信噪比的定義

1、什么是啟發(fā)式算法引言：解決實(shí)際的問題，要建模型，在求解。求解要選擇算法，只有我們對各種算法的優(yōu)缺點(diǎn)都很熟悉后才能根據(jù)實(shí)際問題選出有效的算法。但是對各種算法都了如指掌是不現(xiàn)實(shí)的，但多知道一些，會使你的選擇集更大，找出最好算法的概率越大?，F(xiàn)在研一，要開題了些點(diǎn)文獻(xiàn)綜述，愿與大家分享。大自然是神奇的，它造就了很多巧妙的手段和運(yùn)行機(jī)制。受大自然的啟發(fā)，人們從大自然的運(yùn)行規(guī)律中找到了許多解決實(shí)際問題的方法。對于那些受大自然的運(yùn)行規(guī)律或者面向具體問題的經(jīng)驗(yàn)、規(guī)則啟發(fā)出來的方法，人們常常稱之為啟發(fā)式算法（ Heuristic Algorithm ）。現(xiàn)在的啟發(fā)式算法也不是全部來自然的規(guī)律,也有來自人類積累的

2、工作經(jīng)驗(yàn)。啟發(fā)式算法的發(fā)展：啟發(fā)式算法的計(jì)算量都比較大，所以啟發(fā)式算法伴隨著計(jì)算機(jī)技術(shù)的發(fā)展，取得了巨大的成就。40年代：由于實(shí)際需要，提出了啟發(fā)式算法（快速有效） 。50年代：逐步繁榮，其中 貪婪算法和局部搜索 等到人們的關(guān)注。60年代：反思，發(fā)現(xiàn)以前提出的啟發(fā)式算法速度很快，但是解得質(zhì)量不能保證，而且對大規(guī)模的問題仍然無能為力（收斂速度慢）。啟發(fā)式算法的不足和如何解決方法：（水平有限僅僅提出6點(diǎn)）啟發(fā)式算法目前缺乏統(tǒng)一、完整的理論體系。很難解決！啟發(fā)式算法的提出就是根據(jù)經(jīng)驗(yàn)提出，沒有什么堅(jiān)實(shí)的理論基礎(chǔ)。由于NP理論，啟發(fā)式算法就解得全局最優(yōu)性無法保證。等NP ? =P有結(jié)果了再說吧，不知道

3、這個(gè)世紀(jì)能不能行。各種啟發(fā)式算法都有個(gè)自優(yōu)點(diǎn)如何，完美結(jié)合。如果你沒有實(shí)際經(jīng)驗(yàn)，你就別去干這個(gè)，相結(jié)合就要做大量嘗試，或許會有意外的收獲。啟發(fā)式算法中的參數(shù)對算法的效果起著至關(guān)重要的作用，如何有效設(shè)置參數(shù)。還是那句話，這是經(jīng)驗(yàn)活但還要悟性，只有try again 啟發(fā)算法缺乏有效的迭代停止條件。還是經(jīng)驗(yàn)，迭代次數(shù) 100不行，就200,還不行就1000還不行估計(jì)就是算法有問題，或者你把它用錯(cuò)地方了 啟發(fā)式算法收斂速度的研究等。你會發(fā)現(xiàn)，沒有完美的東西，要快你就要付出代價(jià)，就是越快你得到的解也就遠(yuǎn)差。其中（4）集中反映了超啟發(fā)式算法的克服局部最優(yōu)的能力。雖然人們研究對啟發(fā)式算法的研究將近5 0年

4、，但它還有很多不足：1. 啟發(fā)式算法目前缺乏統(tǒng)一、完整的理論體系。2. 由于NP理論，各種啟發(fā)式算法都不可避免的遭遇到局部最優(yōu)的問題，如何判斷3. 各種啟發(fā)式算法都有個(gè)自優(yōu)點(diǎn)如何，完美結(jié)合。4. 啟發(fā)式算法中的參數(shù)對算法的效果起著至關(guān)重要的作用，如何有效設(shè)置參數(shù)。5. 啟發(fā)算法缺乏有效的迭代停止條件。6. 啟發(fā)式算法收斂速度的研究等。70年代：計(jì)算復(fù)雜性理論的提出，NP問題。許多實(shí)際問題不可能在合理的時(shí)間范圍內(nèi)找到全局最優(yōu)解。發(fā)現(xiàn)貪婪算法和局部搜索算法速度快，但解不好的原因主要是他們只是在局部的區(qū)域內(nèi)找解，等到的解沒有全局最優(yōu)性。由此必須引入新的搜索機(jī)制和策略 Holland的遺傳算法出現(xiàn)了(

5、 Genetic Algorithm )再次引發(fā)了人們研究啟發(fā)式算法的興趣。80年代以后：模擬退火算法(Simulated Annealing Algorithm)，人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network ),禁忌搜索(Tabu Search )相繼出現(xiàn)。最近比較熱或剛熱過去的：演化算法(Evolutionary Algorithm ),蟻群算法(Ant Algorithms ),擬人擬物算法，量子算法等。各個(gè)算法的思想這就不再詳細(xì)給出(以后會給出一些，關(guān)注我的blog ),為什么要引出啟發(fā)式算法，因?yàn)镹P問題，一般的經(jīng)典算法是無法求解，或求解時(shí)間過長，我們無法接受。

6、這里要說明的是：啟發(fā)式算法得到的解只是近似最優(yōu)解(近似到什么程度，只有根據(jù)具體問題才能給出).二十一世紀(jì)的最大的數(shù)學(xué)難題NP ? =P，如果NP=P啟發(fā)式算法就不在有存在的意義。優(yōu)勝劣汰是大自然的普遍規(guī)律，它主要通過選擇和變異來實(shí)現(xiàn)。選擇是優(yōu)化的基本思想，變異(多樣化)是隨機(jī)搜索或非確定搜索的基本思想。優(yōu)勝劣汰”是算法搜索的核心，根據(jù) 優(yōu)勝劣汰”策略的不同，可以獲得不同的超啟發(fā)式算法。超啟發(fā)式算法的主要思想來自于人類經(jīng)過長期對物理、生物、社會的自然現(xiàn)象仔細(xì)的觀察和實(shí)踐，以及對這些自然現(xiàn)象的深刻理解，逐步向大自然學(xué)習(xí)，模仿其中的自然現(xiàn)象的運(yùn)行機(jī)制而得到的。遺傳算法：是根據(jù)生物演化，模擬演化過程中

7、基因染色體的選擇、交叉和變異得到的算法。在進(jìn)化過程中，較好的個(gè)體有較大的生存幾率。模擬退火：是模擬統(tǒng)計(jì)物理中固體物質(zhì)的結(jié)晶過程。在退火的過程中，如果搜索到好的解接受；否則，以一定的概率接受不好的解(即實(shí)現(xiàn)多樣化或變異的思想)，達(dá)到跳出局部最優(yōu)解得目的。神經(jīng)網(wǎng)絡(luò)：模擬大腦神經(jīng)處理的過程，通過各個(gè)神經(jīng)元的競爭和協(xié)作，實(shí)現(xiàn)選擇和變異的過程。禁忌搜索：模擬人的經(jīng)驗(yàn)，通過禁忌表記憶最近搜索過程中的歷史信息，禁忌某些解，以避免走回頭路，達(dá)到跳出局部最優(yōu)解的目的。螞蟻算法：模擬螞蟻的行為，擬人擬物，向螞蟻的協(xié)作方式學(xué)習(xí)。這幾種超啟發(fā)式算法都有一個(gè)共同的特點(diǎn)：從隨機(jī)的可行初始解出發(fā)，才用迭代改進(jìn)的策略，去逼近

8、問題的最優(yōu)解。他們的基本要素：(1)隨機(jī)初始可行解；(2)給定一個(gè)評價(jià)函數(shù)(常常與目標(biāo)函數(shù)值有關(guān))；(3 )鄰域，產(chǎn)生新的可行解；(4)選擇和接受解得準(zhǔn)則；(5 )終止準(zhǔn)則。計(jì)算機(jī)科學(xué)的兩大基礎(chǔ)目標(biāo)，就是發(fā)現(xiàn)可證明其執(zhí)行效率良好且可得最佳解或次佳解的算法。而啟發(fā)式算法則試圖一次提供一或全部目標(biāo)。例如它常能發(fā)現(xiàn)很不錯(cuò)的解，但也沒辦法證明它不會得到較壞的解；它通常可在合理時(shí)間解出答案，但也沒辦法知道它是否每次都可以這樣的速度求解。有時(shí)候人們會發(fā)現(xiàn)在某些特殊情況下，啟發(fā)式算法會得到很壞的答案或效率極差，然而造成那些特殊情況的數(shù)據(jù)結(jié)構(gòu)，也許永遠(yuǎn)不會在現(xiàn)實(shí)世界出現(xiàn)。因此現(xiàn)實(shí)世界中啟發(fā)式算法很常用來解決問

9、題。啟發(fā)式算法處理許多實(shí)際問題時(shí)通?？梢栽诤侠頃r(shí)間內(nèi)得到不錯(cuò)的答案。有一類的通用啟發(fā)式策略稱為元啟發(fā)式算法(metaheuristic ),通常使用亂數(shù)搜尋技巧。他們可以應(yīng)用在非常廣泛的問題上，但不能保證效率。啟發(fā)式算法(heuristic algorithm)是相對于最優(yōu)化算法提出的。一個(gè)問題的最優(yōu)算法求得該問題每個(gè)實(shí)例的最優(yōu)解。啟發(fā)式算法可以這樣定義：一個(gè)基于直觀或經(jīng)驗(yàn)構(gòu)造的算法，在可接受的花費(fèi)(指計(jì)算時(shí)間和空間)下給出待解決組合優(yōu)化問題每一個(gè)實(shí)例的一個(gè)可行解，該可行解與最優(yōu)解的偏離程度不一定事先可以預(yù)計(jì)大論文配電網(wǎng)先進(jìn)無功補(bǔ)償裝置及其協(xié)調(diào)運(yùn)行研究作者： 陳棟小論文無功補(bǔ)償裝置的現(xiàn)狀和發(fā)展

10、趨勢作者：張劉春重心是三角形三邊中線的交點(diǎn)，三線交一可用燕尾定理證明，十分簡單。證明過 程乂是塞瓦定理的特例。重心的幾條性質(zhì)：1、重心到頂點(diǎn)的距離與重心到對邊中點(diǎn)的距離之比為 2: 1。 2、重心和三角形3個(gè)頂點(diǎn)組成的3個(gè)三角形面積相等。 3、重心到三 角形3個(gè)頂點(diǎn)距離的平方和最小。 4 、在平面直角坐標(biāo)系中，重心的坐標(biāo)是頂 點(diǎn)坐標(biāo)的算術(shù)平均，即其坐標(biāo)為(X1+X2+X3)/3,(Y1+Y2+Y3)/3);空間直角坐標(biāo) 系橫坐標(biāo)：(X1+X2+X3)/3 縱坐標(biāo)：(Y1+Y2+Y3)/3 豎坐標(biāo)：(z1+z2+z3) /3 5、三角形內(nèi)到三邊距離之積最大的點(diǎn)。1 ：什么是信噪比?。克膯挝?d

11、B是什么單位??？是大好還是小好??？ ？ ？ ？ ？ ？ 信噪比一指音源產(chǎn)生最大不失真聲音信號強(qiáng)度與同時(shí)發(fā)出的噪音強(qiáng)度之間的比率，通常以“SNR或“S/N'表示，一般用分貝(dB)為單位，信噪比越高越好。通常的 HIFI器材信噪比在90db以上.信噪比S/N指信號中原有部分和由于設(shè)備自身、環(huán)境干擾等原因造成的噪聲的比例。信號和噪聲分別用電平表示，單位是 Vrms 或 mVrms。信噪比的單位是dB,計(jì)算公式是SN=20LOG (Vs/Vn )(不計(jì)權(quán))，其中 Vs是信號電平，Vn是噪聲電 平。采用對數(shù)計(jì)算是由于人耳的響度特性具有對數(shù)特征。信噪比越大，說明系統(tǒng)的噪聲和信號的差距越大，系統(tǒng)的

12、特性就越好。另：所謂計(jì)權(quán)，是一種統(tǒng)計(jì)方法，這里的計(jì)權(quán)是指將噪聲中人耳更敏感的頻率部分多算一些，不敏感的就少計(jì)一些。例如同樣是不計(jì)權(quán)，噪聲為 1KHz和噪聲為100KHz對人耳的感覺是完全不同的。 100KHz的 噪聲即使很大在計(jì)權(quán)計(jì)算中仍會忽略不計(jì)，因?yàn)槿烁揪吐牪坏竭@個(gè)頻率的聲音，從音頻概念來說，100KHz的聲音的 權(quán)”重幾乎為0。由于標(biāo)明信噪比的目的是為給使用者提供一個(gè)聽覺參考，因此現(xiàn)在大多數(shù)音 響設(shè)備中標(biāo)明的信噪比都是計(jì)權(quán)的。增益單位db,分貝(decibel)dB就是分貝，是一個(gè)比值表述形式，與此類似的還有 ppm (白萬分之一)，都 不是單位，但工程上有以此標(biāo)定物理測定量大小的習(xí)慣

13、。dB有兩個(gè)定義方式一一1.描述能量，即dB = 10lg ( P/Po )表明功率P相對于 基本功率Po的分貝數(shù)；2.描述幅度，即dB = 20lg(A/Ao),表明幅度A相對于 基本幅度Ao的分貝數(shù)。天線增益顯然可以描述成輸出電壓與輸入感應(yīng)電壓之比，可以采用分貝(dB)描述，還有聲強(qiáng)也使用分貝描述。實(shí)際上，電路的放大倍數(shù)、衰減率、傳輸系數(shù).都是使用分貝描述。dB是物理學(xué)和工程上經(jīng)常使用的相對單位”，其表達(dá)的是相對標(biāo)準(zhǔn)的對數(shù)比例 關(guān)系。習(xí)慣上，強(qiáng)度或者幅度的相對比值，采用20倍以10為底的對數(shù)，能量比則為10倍。比如：放大器的電壓放大倍數(shù)，可以描述為 20lg(Vo/Vi) dB ,而 功率

14、放大倍數(shù)則為10lg(Po/Pi) ddB是電功率或聲強(qiáng)的相對量度單位。以某功率 或聲強(qiáng)除以參考電功率或聲強(qiáng)之商的常用對數(shù)表示，使用中這個(gè)單位太大，除以10,稱為分貝，符號為 dB,dB=10lg(Po/Pi) dB,或dB=20lg(某電壓或電流/ 參考電壓或電流)。常見符號是 dBm是表示1毫瓦功率為參考功率的分貝數(shù)2:無標(biāo)度網(wǎng)絡(luò)scale - free network,現(xiàn)實(shí)世界的網(wǎng)絡(luò)大部分都不是隨機(jī)網(wǎng)絡(luò)，少數(shù)的節(jié)點(diǎn)往往擁有大量的連接，而大部分節(jié)點(diǎn)卻很少，一般而言他們符合 zipf定律，(也就是80/20馬太定律)。人們給具有這種性質(zhì)的網(wǎng)絡(luò)起了一 個(gè)特別的名字一一無標(biāo)度網(wǎng)絡(luò)。這里的無標(biāo)度是

15、指網(wǎng)絡(luò)缺乏一個(gè)特征度值(或平均度值),即節(jié)點(diǎn)度值的波動范圍相當(dāng)大。什么是隨機(jī)圖理論字體大?。?大-中-小zmdxyboyandy 發(fā)表于 06-11-08 20:10 閱讀(1798) 評論(6)在研究復(fù)雜網(wǎng)絡(luò)中，研究者使用的主要工具就是隨機(jī)圖理論。該理論創(chuàng)始于上個(gè)世紀(jì)40年代。由Erdos等人創(chuàng)立。最早提出的經(jīng)典隨機(jī)圖模型就是ER模型。在隨機(jī)圖中，邊的出現(xiàn)成為概率事件。隨機(jī)圖和經(jīng)典圖之間最大的區(qū)別在于引入了隨機(jī)的方法，使得圖的空間變得更大，其數(shù)學(xué)性質(zhì)也發(fā)生了巨大的變化，在隨機(jī)圖的經(jīng)典數(shù)學(xué)模型中，隨機(jī)圖上的結(jié)點(diǎn)度數(shù)分布服從泊松分布。經(jīng)過長達(dá)60多年的研究，最近由圣塔非的M.E.J Newman等人將隨機(jī)圖中的度數(shù)分布擴(kuò)展到任意度數(shù)分布，我們稱之為"廣義隨機(jī)圖”，這使得對復(fù)雜網(wǎng)絡(luò)的研究有了進(jìn)一步的深入。雖然我覺得廣義隨機(jī)圖理論在解決power-law問題上仍然存在這一定的缺陷。但是至少它在仿真上已經(jīng)被證實(shí)了。分布式是一種模型結(jié)構(gòu)，區(qū)別丁核心式，可以從字面理解為分布在各處”分布式的目標(biāo)是降低單個(gè)對象的重要度， 從而提升整個(gè)系統(tǒng)的性能（穩(wěn)定性，計(jì) 算能力等等），不過代價(jià)是增加了數(shù)據(jù)傳輸量舉個(gè)例子你就明白了：假如中國專門造了一臺超級電腦，用來計(jì)算天氣預(yù)報(bào)的數(shù)據(jù)，然后所有的電視臺 都從這臺電腦獲取數(shù)據(jù)，然后播放天氣預(yù)