感觉可以在模拟的时候给粒子群装上感受器,气体的话就把感受器固定到一个位置(可以把感受器固定在某个机械臂上),固体的话可以让感受器和某个位置有胶水般的相互作用,然后要求这些感受器的信息能够完全确定某些性质,当然也许要给一些约束,比如固体要求只能在某些固定的点有外力,而气体在某些地方温度不可控,或者发生变化的时候的话另一个地方的感受器也可以侦测到,当然也可以要求即使某些地方不可控(多个值),但也可以通过感受器的信息确定需求的区域的温度
好焦虑啊,我发现自己没考虑电路延迟的问题啊。
就是多个解的情况下,某些解要很长时间的反应才能获得该怎么办啊。
归纳总结电路也不知道啥时候解会出来啊。
响应速度是不是可以计算。
算有很多条路径,最长之路的响应即可。是不是这样。再加上检测温度的感受器,或者训练出来的神经网络不需要知道温度,而是可以通过试探响应来猜出温度分布带来的响应时间延长。
是不是这样,可以电路可以用信息函数表示,然后电路的最长响应路径可以慢慢枚举找出来(枚举不同路径),找出一些电路的响应信息后可以训练一个神经网络来高效拟合,要求这个神经网络要以尽可能快的速度给出电路的响应时间。
如果响应时间算不出来就放弃这个电路。
可以先算小电路的响应信息,然后总结拟合出神经网络来最快地给出小电路的响应信息,然后把这些小电路拼起来变成大电路,通过枚举路径来找出大电路的最长响应路径,再总结大电路的响应信息神经网络。
好焦虑啊,我发现自己没考虑电路延迟的问题啊。
就是多个解的情况下,某些解要很长时间的反应才能获得该怎么办啊。
归纳总结电路也不知道啥时候解会出来啊。
响应速度是不是可以计算。
算有很多条路径,最长之路的响应即可。是不是这样。再加上检测温度的感受器,或者训练出来的神经网络不需要知道温度,而是可以通过试探响应来猜出温度分布带来的响应时间延长。
是不是这样,可以电路可以用信息函数表示,然后电路的最长响应路径可以慢慢枚举找出来(枚举不同路径),找出一些电路的响应信息后可以训练一个神经网络来高效拟合,要求这个神经网络要以尽可能快的速度给出电路的响应时间。
如果响应时间算不出来就放弃这个电路。
可以先算小电路的响应信息,然后总结拟合出神经网络来最快地给出小电路的响应信息,然后把这些小电路拼起来变成大电路,通过枚举路径来找出大电路的最长响应路径,再总结大电路的响应信息神经网络。