WiZardWen

使用 Python 播放 MIDI Note 方法一：使用music21 123456789101112import music21 as m21def play_note(pitch="C4", length=2, velocity=127, instrument='Piano'): note_1 = m21.note.Note(pitch, quarterLength=length) note_1.volume.velocity = velocity stream_1 = m21.stream.Stream() if instrument == 'Piano': stream_1.append(m21.instrument.Piano()) # stream_1.insert(0, m21.instrument.Piano()) stream_1.append(note_1) s_player = m21.midi.realtime.StreamPlaye ...

群体智能优化算法 研究背景 群体智能优化算法（Swarm Intelligence Optimization Algorithm）是计算智能中的一种常用算法，其基本理论是模拟自然界中鱼群、鸟群、蜂群、狼群和细菌群等动物群体的行为，利用群体间的信息交流与合作，通过简单有限的个体间互动来达到优化的目的。 群体智能（Swarm Intelligence, SI）由Gerardo Beni和Jing Wang于1989年首次提出，是研究由大量简单个体构成的群体系统的学科。与个体的智能相比，这些群体系统往往并没有复杂精细的内部设计，但基于简单的个体与规则，它们具有更强的鲁棒性、稳定性和适应性。群体智能方法处理的最典型问题就是优化问题。优化问题的基础性能够较为直观地体现群体方法的理论特性，辅助其理论研究，同时也具有重要的应用价值，进一步推动了群体智能算法的发展。与传统的优化算法相比，基于仿生学的群体智能优化算法本质上是一种概率并行搜索算法。其寻优速度更快，能更有效地搜索复杂优化问题的全局最优解。 常见的群体智能优化算法有蚁群算法（Ant Colony Optimization，ACO）、粒子群 ...

鲸鱼优化算法 鲸鱼群体 鲸鱼是世界上最大的哺乳动物，是有情感的高智商动物，大部分鲸鱼被认为是食肉动物且群居。座头鲸是最大的长须鲸之一，它们使用一种独特的捕猎方式来猎食虾群和鱼群，被称为泡泡网（Bubble-net）捕猎方式，如图4、图5所示。它们在捕食时以螺旋式逼近猎物，吐出气体形成气泡，迫使鱼群聚集以方便捕食。鲸鱼优化算法便是受启发于鲸鱼（特别是座头鲸）的捕猎方式。 图4：“泡泡网”捕猎示意图，引用自论文《The whale optimization algorithm》 图5：座头鲸捕猎场景 模型与算法 鲸鱼优化算法与灰狼优化算法相似，都采用对目标位置先进行包围再捕食的策略。不同点在于鲸鱼优化算法直接将当前最优解作为包围中心，且鲸鱼优化算法的捕猎逼近过程分为两种，第一种逐步降低距离，另一种以螺旋形逼近。鲸鱼优化算法的基本位置更新方式与灰狼优化算法相同，见灰狼优化算法公式(1)至(4)。 鲸鱼优化算法基于一个随机数p∈[0,1]来决定当前搜索单元的行动，有50%的概率直接根据目标位置进行移动，有50%的概率以螺旋线逼近猎物。鲸鱼在捕猎时的行为被定义为： X⃗(t+1)={X ...

灰狼优化算法 灰狼群体 灰狼属于犬科动物，被认为是顶级的掠食者，它们处于生物圈食物链的顶端。灰狼大多喜欢群居，每个群体中平均有5至12只狼。灰狼群体有着严格的社会等级制度，如图1所示，其中α是狼群的领导者，负责所有决策；β协助α进行决策，必要时进行接替，地位仅次于α；δ则服从于α和β，负责放哨、侦察等事务；ω处于社会底层，是不可缺少的普通狼，负责种群内部关系的平衡。 图1：灰狼的等级制度，引用自论文《Grey Wolf Optimizer》 集体狩猎是灰狼的一种社会行为，社会等级在集体狩猎过程中发挥着重要的作用，捕食的过程在α的带领下完成。主要包括三个步骤：1）跟踪和接近猎物；2）骚扰、追捕和包围猎物，直到它停止移动；3）攻击猎物。灰狼的集体狩猎行为如图2所示。 图2：灰狼集体狩猎行为，引用自论文《Grey Wolf Optimizer》 模型与算法 灰狼优化算法的主要思路是假设α、β、δ更了解猎物的潜在位置，即优化问题的决策空间中最佳解决方案所在的位置，其他灰狼个体依据α、β、δ的位置来更新其自身位置，逐渐逼近猎物（最优解）。算法直接将前３匹适应度最高的狼分别定义为α，β和 ...

注意：该方法仅可用于替代手动刷新页面并选择课程，不影响选课的公平性 下载安装“按键精灵” 运行软件后，在新建脚本中选择新建空白脚本 进入脚本后选择上方“普通”旁边的“源文件”，并粘贴入如下内容。 12345678910d = 30000MoveTo 1285,376LeftClick 1Delay 1000MoveTo 293,538LeftClick 1Delay 1000MoveTo 1756, 246LeftClick 1Delay d （注意三处MoveTo后的坐标分别为“查询”按钮、查询结果中第一项课程前的勾选框，“提交”按钮的坐标位置，不同电脑按钮坐标可能不同，可用软件里的“抓抓”功能获取各个按钮的坐标并进行修改） 完成脚本后保存退出 按电脑键盘上相应热键可启动或停止脚本，热键可设置 使用时需先进入“自由选课”，并在搜索框中输入想选课程的全称，然后启动脚本 使用脚本时不能使用电脑做其他事 时间设置为30s抢一次，可更改 可按顺序加入更多勾选框坐标，以实现同一时间抢多门具有相同特征的课程（例如网课） — 2019年12月

暂时记录两种方式，分别为使用“pydub+ffmpeg+simpleaudio”和“librosa+simpleaudio”，推荐第二种 使用pydub库读取音频、simpleaudio库播放音频 环境配置 Windows10环境下 pip install pydub pip install simpleaudio 安装ffmpeg 从https://www.gyan.dev/ffmpeg/builds/下载ffmpeg（压缩包），解压后将bin文件所在位置加入Path环境变量，并在相应程序中添加一行代码。具体操作参考以下三个链接： https://blog.csdn.net/qq_38161040/article/details/91654183 https://cloud.tencent.com/developer/article/1702673 https://www.freesion.com/article/6184901177/ 注意该步骤不是用pip安装 重启计算机！（重要） 代码示例 12345678910111213141516171819 ...

将代码上传至Github的方法以及提升下载速度的方法 向新建仓库首次上传代码 注意事项 2020年10月1日起，github默认主分支从master更名为main 在使用git前应使用指令 1git config --global init.defaultBranch main 将本地默认分支设置为main 上传步骤 在当前文件夹下初始化 git 1git init 将文件添加至缓存区，"."代表文件夹下的全部内容（新建及修改过的文件） 1git add . 或 git add 文件名 将缓存区的内容提交到本地仓库，“xxx"是此次提交内容的注释，例如"First commit” 1git commit -m "xxx" 查看当前状态 1git status 将本地仓库与远程仓库连接 1git remote add origin git@github.com:xxx/xxx.git 如果远程仓库为空（不含README等初始文件），使用如下指令上传 1git push -u origin main 否则使用以下指令上传 1 ...

常用算法模板（C/C++） 整理于 NOIP2016 前 - Written by WZW 定义部分 1234567891011121314151617181920#define MAXN 10005#define MAXM 10005using namespace std;int n,m;struct edge_ {int to,next,w;}edge[MAXM*2];int first[MAXN],et;int dis[MAXN],vis[MAXN];int low[MAXN],dfn[MAXN],tim,belong[MAXN],now;int p[MAXN],eu[MAXN];bool f[MAXN];struct bian_ {int u,v,w;}bian[MAXM];int fa[MAXN];int root,from[MAXN];int rd[MAXN];int anc[MAXN][16],deep[MAXN];int A[MAXN],B[MAXN],cnt;queue <int> Q;stack <int ...

本文写于2015年暑假，当年文笔稚嫩，且内容并不全面，仅供参考。总结内容包括搜索、图论、动态规划、数据结构与数论等。 搜索 DFS 深度优先搜索（Depth-first Search，DFS），基于递归的搜索方式，它的特点是由一个状态拓展一个状态，然后不停拓展，直到找到目标或者无法继续拓展结束一个状态的递归。可以在数列中进行搜索，也可在坐标系中进行搜索。 BFS 广度优先搜索（Breadth-First Search，BFS），基于队列这种数据结构的搜索方式，它的特点是由每一个状态可以扩展出许多状态，然后再以此扩展，直到找到目标状态或者队列中头尾指针相遇，即队列中所有状态都已处理完毕。 优缺点 DFS：对于解决遍历和求所有问题有效，对于问题搜索深度小的时候处理速度迅速，然而在深度很大的情况下效率不高 BFS：对于解决最短或最少问题特别有效，而且寻找深度小，但缺点是内存耗费量大（需要开大量的数组单元用来存储状态）。 剪枝 由于时间和空间的局限性，搜索一般只能解决数据量小的问题。所以我们需要用不同的方法剪枝。剪枝方法包括： 记忆化搜索（与DP类似）； 从方法上剪枝，如采用分枝定 ...

ASR实验及记录 DeepSpeech2 DeepSpeech2是一个采用PaddlePaddle平台的端到端自动语音识别引擎的开源项目，具体原理参考论文Baidu’s Deep Speech 2 paper。 环境配置 使用官方镜像，运行失败。原因：PaddlePaddle版本不匹配，缺少RNN模块等关键组件；尝试进行修改后发现CUDNN版本也不匹配； 使用带有正确版本CUDA与CUDNN的镜像，手动安装PaddlePaddle，安装成功后clone DeepSpeech2项目，根据setup.sh进行相关依赖的安装与配置。注意镜像中缺少git、swig等基础命令或依赖包的安装，需通过apt-get进行安装。 数据准备及使用方式： 下载BaiduCN1.2k Model语音模型与Mandarin LM Small语言模型； 自行准备manifest文件，其中包括每条音频的存储路径，音频时长与数据标签（文本）。文本中不能含有标点符号、英文字母与阿拉伯数字。格式为：{“audio_filepath”: “”, “duration”: , “text”: “”} 使 ...