- 综合排序
- 最热优先
- 最新优先
- 来自专栏HAUE_LYS'Blog
货仓选址
设仓库选址最佳处为 P，此时在该位置左侧存在 m 个货仓，右侧存在 n 个货仓，总距离为 L。 若更改货仓位置为 P-1，则总长度变为 L - m + n。
54430编辑于 2023-03-01 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
中科星图GVE（案例）——AI实现光伏选址
人工智能可以帮助优化光伏选址过程，以下是一些AI算法和技术可以应用于光伏选址： 数据分析和模型预测：使用机器学习算法对大量的历史气象数据和土地利用数据进行分析，建立气候条件和土地适宜度的预测模型。 通过人工智能的辅助，可以加快选址过程，提高选址的准确性和效率，为光伏发电项目的规划和建设提供科学依据。 函数 gve.Services.AI.PhotovoltaicLocationDetection(image) 光伏选址 方法参数 - image( Image ) image实例 返回值: FeatureCollection 代码 /** * @File : AI_PhotovoltaicLocation_Detection * @Time : 2024/08/26 * @Author : option); // 获取建筑物的FeatureCollection var photovoltaicLocationFeatureCol = gve.Services.AI.PhotovoltaicLocationDetection
43710编辑于 2024-10-15 - 来自专栏悟道
2-5 快速幂模板
这个就是在快速乘的基础上改一下 sum=0--->sum=1 x+=x--->x*=x //快速幂模板 public double quickPow(double x,long y){ double sum=1; while(y>0){ if((y&1)==1){ sum*=x; } x*=x; y=y>>1; }
35020发布于 2021-06-01 - 来自专栏AI机器学习与深度学习算法
学习分类 2-5 线性可分
感知机非常简单同时又很容易理解，但是相对应的，缺点也很多。感知机最大的缺点就是它只能解决线性可分的问题。
57910编辑于 2022-11-08 - 来自专栏Hank’s Blog
2-5 R语言基础 factor
#因子：分类数据 #有序和无序 #整数向量+标签label #Male/Female #常用于lm(),glm()
43310发布于 2020-09-16 - 来自专栏DT数据侠
看AI破译选址“秘诀”
对生意人来说，店铺的选址一向是个颇为“考究”的事情。在大数据和算法的帮助下，这件事今后或许可以交给机器和模型来完成。 输入：确定哪些是影响咖啡店选址的关键因素 2. 模拟：基于不同的输入，反复进行模型优化 3. 预测：纽约未来的咖啡店的最佳选址是哪儿 ▍影响咖啡店选址因素：价格、距离、人口、竞争、文化等 首先我们来看看，哪些是影响咖啡店选址的主要因素呢？ 作为消费者，决定去哪里买咖啡往往非常简单。 咖啡店C位于区域N时的顾客人数期望值：假设一家咖啡店选址在区域N，我们可以通过将咖啡店选址在区域N内各地区时顾客光临的概率乘以该地区的人口总数进行加和，来估计咖啡店C可能拥有的顾客人数。 值得一提的是，精品咖啡店在每一个地区都表现出选址上的特定趋势：在曼哈顿选址偏向上部，在布鲁克林偏向外部。
1.4K10发布于 2018-08-08 - 来自专栏OI
LuoguP2605 基站选址 题解
LuoguP2605 [ZJOI2010]基站选址 题解 Description 题目链接 有 N 个村庄坐落在一条直线上，第 i(i>1)1 个村庄的距离为 D_i。
71010编辑于 2022-09-19 - 来自专栏NetCore 从壹开始
2-5 安装容器Web工具：Docker Portainer
现在已经习惯了容器化了，不仅可以很快的配合CICD来实现部署，同时主要是也能解决一些疑难杂症，比如在Linux中经常会有各种图形图像的依赖包问题。特别是内网环境。
98520编辑于 2023-01-09 - 来自专栏Deep learning进阶路
2-5 线性表之循环链表
2-5 线性表之循环链表 循环链表就是链表首尾相接连成一个环，可以用单链表 和 循环链表来实现。
42240发布于 2019-07-02 - 来自专栏刷题笔记
2-5 Two Stacks In One Array (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101173005 2-5 Two Stacks In One Array (20 分) Write
76130发布于 2019-11-08 - 来自专栏刷题笔记
2-5 修理牧场 (35 分)【优先队列】
2-5 修理牧场 (35 分) 农夫要修理牧场的一段栅栏，他测量了栅栏，发现需要N块木头，每块木头长度为整数Li个长度单位，于是他购买了一条很长的、能锯成N块的木头，即该木头的长度是Li的总和
1K10发布于 2020-06-23 - 来自专栏数据结构与算法
P2605 基站选址
题目描述 有N个村庄坐落在一条直线上，第i(i>1)个村庄距离第1个村庄的距离为Di。需要在这些村庄中建立不超过K个通讯基站，在第i个村庄建立基站的费用为Ci。如果在距离第i个村庄不超过Si的范围内建立了一个通讯基站，那么就村庄被基站覆盖了。如果第i个村庄没有被覆盖，则需要向他们补偿，费用为Wi。现在的问题是，选择基站的位置，使得总费用最小。 输入输出格式 输入格式： 输入文件的第一行包含两个整数N,K，含义如上所述。 第二行包含N-1个整数，分别表示D2,D3,…,DN ，这N-1个数是递增的。 第三行包
1.1K80发布于 2018-04-12 - 来自专栏育种数据分析之放飞自我
笔记 | GWAS 操作流程2-5：杂合率检验
一般自然群体，基因型个体的杂合度过高或者过低，都不正常，我们需要根据杂合度进行过滤。偏差可能表明样品受到污染，近亲繁殖。我们建议删除样品杂合率平均值中偏离±3 SD的个体。
2.4K20发布于 2020-04-27 腾讯地图AI零售选址与商家运营解决方案概要
一、产品定位与核心亮点 AI-Powered Retail Site Selection 技术定义：基于腾讯LBS大数据的智能选址工具，通过自然语言描述（如“在旺角开奶茶店”）自动完成目标定位、居民区检索 三、应用框架和功能介绍 功能框架 AI零售选址：自然语言输入→目标定位→居民区检索→用户画像分析→客户-商户匹配→交互式报告输出。 产品优势 AI零售选址 自然语言分析：用户无需手动选择坐标或填写参数，自然语言触发全流程分析（来源：原文“Conversation as Analysis”）。 四、典型案例 原文未提供具体客户名称及案例细节，仅概括性描述应用场景： AI零售选址：专注于零售连锁店选址（来源：原文“Key Focus: Site selection for retail chain 总结 腾讯地图通过AI零售选址工具与StoreMate商家平台，为企业和商户提供数据驱动的选址决策与运营优化解决方案，核心价值在于 leveraging腾讯生态系统大数据与流量，提升选址效率、曝光量及转化能力
21010编辑于 2026-05-21- 来自专栏数据分析之旅
店铺选址的6C评估模型
相比自己构建的店铺选址模型，发现存在更科学的5C评估模型，主要从城市市场评估（city）、核心区域分析（Core Distinct）、竞争分析（Competition）、交通便利性（Convenience ）、成本/收入分析（Cost/Revenue）五个维度更加系统、科学评估选址。 但最终还是可以落实到零售最基本的要素：人、场、人在场的行为数据 基于工作中KA客户的选址分析及选址分析的数据产品，觉得应该再加入一个"C"：Correlation（协同品牌：与待选品牌/店铺相关性高的异业品牌
2.4K52发布于 2020-08-11 - 来自专栏九彩拼盘的叨叨叨
学习前端 第4周 第2-5天
了解什么叫响应式。 了解CSS3 Media Queries 了解Bootstrap 了解Bootstrap的全局 CSS 样式。特别是其中的栅格系统。 作业 用Bootstrap做页面 http://www.bootcss.com/ 。交互不需要实现
20510发布于 2018-08-27 - 来自专栏ml
2015编程之美（资格赛）--基站选址
题目3 : 基站选址 时间限制:2000ms 单点时限:1000ms 内存限制:256MB 描述 需要在一个N × M的网格中建立一个通讯基站，通讯基站仅必须建立在格点上。
86950发布于 2018-03-26 - 来自专栏csdn文章同步
Capacitated Facility Location Problem容量有限设施选址问题
对于设施选址问题，将用户的分配情况列为一个数组，作为解空间，则要在这个解空间内进行搜索。
1.2K20编辑于 2022-06-23 - 来自专栏Python3爬虫100例教程
华为OD机试 新学校选址
新学校选址 ❓ 题目 为了解新学期学生暴涨的问题,小乐村要建立所新学校 考虑到学生上学安全问题,需要所有学生家到学校的距离最短.
60130编辑于 2023-03-11 腾讯云位置大数据门店选址产品技术概要
一、产品定位与核心亮点 腾讯云位置大数据门店选址产品是一款基于AI技术的智能商业选址解决方案。 商业差异化卖点：将传统依赖经验判断的门店选址过程转化为数据驱动的科学决策流程，显著提升选址效率和准确性。 可视化分析平台：地理信息与商业数据结合的可视化展示 核心优势能力 AI驱动决策：通过告诉系统“哪些店开得好”，AI自动学习成功店铺的特征秘诀 多维度评估：综合客群特征、消费能力、竞争环境等深层因素分析 科学选址：从“经验判断”转向“数据驱动”的决策模式 效率提升：实现“更细、更准、更快”的选址决策 技术基础 数据来源：腾讯地图位置大数据 AI模型：基于腾讯云AI能力和DeepSeek双模型 分析维度 ：客群特征、消费能力、竞争环境等多层强化评价体系 四、产品价值体现 核心价值主张 门店选址从“冒险”走向“科学”，实现三大升级： 更细：分析粒度更加精细化 更准：选址准确度显著提升 更快：决策效率大幅提高
15010编辑于 2026-05-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号