用pywin32連接autocad 寫一個利用遺傳算法從選擇的閉合圖形內進行最優利用率的排版 ai草稿

好的，我們來深入細說遺傳算法（Genetic Algorithm, GA）在鈑金自動排版中的應用。

遺傳算法 (GA) 在鈑金排版中的詳細解析

遺傳算法是一種受達爾文生物進化論啟發的元啟發式優化算法。它不追求一次性找到數學上的絕對最優解，而是通過模擬“物競天擇，適者生存”的自然過程，在龐大的搜索空間中高效地尋找一個非常接近最優的、實用的解決方案。這對于零件形狀各異、數量眾多、約束復雜的鈑金排料問題尤其有效。

核心原理與工作流程

可以將整個排料方案看作一個“生命體”（個體），而構成這個方案的各個要素（如零件的擺放順序、旋轉角度、起始坐標等）就是它的“基因”。GA 通過多代的演化來不斷改進這些“生命體”。

  1. 編碼 (Encoding):

    • 目的：?將現實世界的排料方案轉換成計算機可以處理的“染色體”（一串數字或符號）。
    • 方法：?在排料中，常見的編碼方式有：
      • 順序編碼：?染色體表示零件的下料順序。例如，[3, 1, 5, 2, 4]?表示先放第3個零件，然后是第1個，依此類推。放置規則（如左下角填充法）決定了每個零件的具體位置。
      • 位置編碼：?染色體直接包含每個零件的關鍵參數，如?(零件ID, X坐標, Y坐標, 旋轉角度)?的組合。這種方式更直接但維度更高。
    • 關鍵：?編碼必須能唯一且完整地描述一個排料方案。

  2. 初始化種群 (Initialization):

    • 算法開始時，隨機生成一組（稱為“種群”，Population）不同的排料方案作為第一代。種群大小（如50、100個個體）是一個重要參數。

  3. 適應度評估 (Fitness Evaluation):

    • 核心指標：?這是驅動進化的“裁判”。對于排料問題，最直接的適應度函數通常是?材料利用率。
    • 計算公式：?利用率 = (所有零件總面積 / 所用板材面積) × 100%
    • 有時也會結合其他因素，如切割路徑長度、工藝約束（橋位、微連接）等，形成復合適應度函數。
    • 適應度值越高的個體（即利用率越高的排料方案），在下一代中被選中的概率就越大。

  4. 選擇 (Selection):

    • 目的：?從當前種群中挑選出優秀的“父母”個體，用于繁殖下一代。
    • 常用方法：
      • 輪盤賭選擇 (Roulette Wheel Selection)：?適應度越高的個體，被選中的“扇形區域”就越大，概率越高。
      • 錦標賽選擇 (Tournament Selection)：?隨機選取幾個個體進行“比賽”，勝者（適應度最高者）被選中。重復此過程直到選出足夠數量的父母。
    • 原則：?“優勝劣汰”，保證優良基因得以傳承。

  5. 交叉 (Crossover / Recombination):

    • 目的：?模擬生物交配，將兩個“父母”個體的基因進行重組，產生新的“后代”個體，期望繼承雙方的優點。
    • 排料中的挑戰：?直接交叉可能會產生非法或低效的方案（如零件重疊、超出板幅）。
    • 常用策略（以順序編碼為例）：
      • 順序交叉 (Order Crossover, OX)：?隨機選取父母A的一段基因序列，復制到后代；然后按順序從父母B中取剩余零件，填滿后代。這能在一定程度上保持順序信息。
      • 部分映射交叉 (Partially Mapped Crossover, PMX)：?更復雜，能更好地處理順序約束。
    • 結果：?產生一個或多個新的排料方案（后代）。

  6. 變異 (Mutation):

    • 目的：?模擬自然界基因突變，引入新的基因多樣性，防止算法過早收斂到局部最優（即陷入一個不是最好的“小高峰”）。
    • 方法：
      • 交換變異：?隨機交換染色體中兩個基因的位置。例如，將順序?[3, 1, 5, 2, 4]?變為?[3, 2, 5, 1, 4]。
      • 插入變異：?隨機取出一個基因，插入到另一個隨機位置。
      • 逆轉變異：?隨機選取一段基因，將其順序反轉。
    • 關鍵參數：?變異概率通常很低（如1%-5%），避免破壞已有的優良結構。

  7. 迭代與終止 (Iteration and Termination):

    • 將經過選擇、交叉、變異產生的新“后代”群體作為下一代種群。
    • 重復執行?評估 → 選擇 → 交叉 → 變異?的循環。
    • 終止條件：?當達到預設的代數、適應度值在連續多代內不再顯著提升、或找到了滿意的解時，算法停止。
    • 輸出：?最終種群中適應度最高的那個個體，即為算法找到的最佳排料方案。
優勢詳解
  • 強大的全局搜索能力：?GA 不是從單點開始搜索，而是維護一個種群，相當于在搜索空間的多個點同時探索。這大大增加了找到全局最優解的可能性，而不是像一些貪心算法那樣容易卡在某個局部最優。
  • 對問題依賴性低：?只要能定義出適應度函數，GA 就可以應用。它不關心問題內部的數學細節（如是否線性、連續），因此非常靈活。
  • 并行性好：?種群中每個個體的適應度評估可以獨立進行，非常適合并行計算，加速求解過程。
  • 適合復雜組合優化：?排料問題是典型的NP-hard問題，隨著零件數量增加，可能的排列組合呈指數級增長。GA 能在合理時間內找到高質量的近似解。
應用實例與局限性
  • 應用：?如您提到的，CNCkad?是成功應用GA的商業軟件典范。許多學術研究也基于GA進行改進，例如：
    • 混合遺傳算法：?將GA與其他算法（如模擬退火、局部搜索）結合，利用GA進行全局探索，用其他算法在局部進行精細調整，進一步提升性能。
    • 自適應遺傳算法：?動態調整交叉和變異概率，提高收斂速度和精度。
  • 局限性：
    • 計算時間：?對于大規模問題，可能需要較長時間才能收斂。
    • 參數敏感：?種群大小、交叉/變異概率等參數的選擇對性能影響較大，需要經驗或調參。
    • 不一定是最優解：?它提供的是一個非常好的近似解，但不能保證是數學上的絕對最優。

總而言之，遺傳算法通過模擬自然界的進化機制，將排料這個復雜的優化問題轉化為一個“進化”過程。它通過不斷地“試錯”和“優選”，最終進化出材料利用率極高的排料方案，是現代智能排料軟件背后的核心引擎之一。

好的，這是一個非常有挑戰性且實用的項目！我們將使用 pywin32 連接 AutoCAD，并實現一個基于遺傳算法（GA）的簡單排版程序，目標是將一組矩形零件盡可能高效地排列在一個大的閉合區域內。

重要說明：

  1. 簡化模型：?真實的工業級排料極其復雜。本示例將進行重大簡化：
    • 零件僅為矩形。
    • 區域為凸多邊形或矩形（非凸區域處理更復雜）。
    • 不考慮旋轉（或僅允許90度旋轉）。
    • 使用簡單的“左下角”放置策略。
    • GA 編碼為零件下料順序。
  2. 依賴庫：
    • pywin32：連接 AutoCAD。
    • numpy：數值計算。
    • random：隨機數生成。
    • typing：類型提示。

步驟 1: 環境準備

確保已安裝：

bash
深色版本
pip install pywin32 numpy
步驟 2: Python 腳本 (ga_nesting_autocad.py)
python
深色版本
import win32com.client
import numpy as np
import random
from typing import List, Tuple, Dict
import pythoncom  # For COM threading# --- 配置參數 ---
POPULATION_SIZE = 50     # 種群大小
NUM_GENERATIONS = 100    # 迭代代數
MUTATION_RATE = 0.05     # 變異概率
CROSSOVER_RATE = 0.8     # 交叉概率class Rectangle:"""表示一個矩形零件"""def __init__(self, width: float, height: float, id: int):self.width = widthself.height = heightself.id = id# 如果允許旋轉，可以添加旋轉狀態self.rotated = False  # 簡化：不旋轉def area(self) -> float:return self.width * self.heightclass NestingArea:"""表示排料區域（凸多邊形）"""def __init__(self, vertices: List[Tuple[float, float]]):self.vertices = np.array(vertices)self.bounds = self._calculate_bounds()def _calculate_bounds(self) -> Tuple[float, float, float, float]:"""計算區域的包圍盒 (min_x, min_y, max_x, max_y)"""min_x = np.min(self.vertices[:, 0])min_y = np.min(self.vertices[:, 1])max_x = np.max(self.vertices[:, 0])max_y = np.max(self.vertices[:, 1])return (min_x, min_y, max_x, max_y)def contains_point(self, x: float, y: float) -> bool:"""簡化：檢查點是否在區域的包圍盒內。真實應用需要使用射線投射法(Ray Casting)或Winding Number算法檢查是否在多邊形內。此處為簡化，僅檢查包圍盒。"""min_x, min_y, max_x, max_y = self.boundsreturn min_x <= x <= max_x and min_y <= y <= max_ydef area(self) -> float:"""簡化：使用包圍盒面積作為區域面積。真實應用應計算多邊形面積。"""min_x, min_y, max_x, max_y = self.boundsreturn (max_x - min_x) * (max_y - min_y)class NestingGA:def __init__(self, parts: List[Rectangle], area: NestingArea):self.parts = partsself.area = areaself.total_part_area = sum(part.area() for part in parts)# 檢查零件總面積是否超過區域面積（簡化檢查）if self.total_part_area > area.area():raise ValueError("零件總面積超過排料區域面積！")def _place_parts(self, order: List[int]) -> List[Tuple[float, float]]:"""根據給定的零件順序，使用簡單的"左下角"策略放置零件。返回每個零件左下角的坐標列表。"""placed_positions = []  # 存儲已放置零件的 (x, y, width, height)part_positions = []    # 存儲每個零件的放置位置 (x, y)# 將順序映射到零件對象ordered_parts = [self.parts[i] for i in order]for part in ordered_parts:# 簡單策略：從 (min_x, min_y) 開始，嘗試放置min_x, min_y, max_x, max_y = self.area.boundsplaced = False# 簡化：只嘗試從左下角開始，逐行掃描（效率很低，僅演示）# 真實算法會使用更智能的空閑區域管理（如最大矩形算法）for y in np.arange(min_y, max_y, 1.0):  # 步長1mmfor x in np.arange(min_x, max_x, 1.0):if self._can_place(part, x, y, placed_positions):placed_positions.append((x, y, part.width, part.height))part_positions.append((x, y))placed = Truebreakif placed:breakif not placed:# 放不下，返回部分放置結果（或標記為無效）print(f"警告: 零件 {part.id} 無法放置！")part_positions.append((0, 0))  # 占位符return part_positionsdef _can_place(self, part: Rectangle, x: float, y: float, placed_positions: List[Tuple[float, float, float, float]]) -> bool:"""檢查零件是否可以在 (x, y) 處放置。檢查：1. 是否在區域內 2. 是否與已放置零件重疊"""# 檢查左下角和右上角是否在區域內（簡化）if (not self.area.contains_point(x, y) or not self.area.contains_point(x + part.width, y + part.height)):return False# 檢查是否與已放置零件重疊for px, py, pw, ph in placed_positions:if (x < px + pw and x + part.width > px and y < py + ph and y + part.height > py):return Falsereturn Truedef fitness(self, individual: List[int]) -> float:"""適應度函數：計算材料利用率。individual: 零件下料順序的索引列表"""positions = self._place_parts(individual)# 簡化：假設所有零件都能放完# 真實情況需要計算實際放置的零件面積# 這里直接使用總面積（因為我們在 _place_parts 中嘗試放置所有零件）# 更好的做法是返回實際利用率# 為了演示，我們假設放置成功# 實際利用率 = 實際放置零件面積 / 區域面積# 但此處簡化為總零件面積 / 區域面積，如果放不下會降低適應度# 這是一個非常粗糙的近似if len(positions) != len(self.parts):return 0.0  # 放不下任何零件，適應度為0# 檢查是否有零件被放置在無效位置（占位符）if any(pos == (0, 0) for pos in positions):return 0.1  # 懲罰，但不是0utilization = self.total_part_area / self.area.area()return utilizationdef create_individual(self) -> List[int]:"""創建一個個體（隨機的零件順序）"""order = list(range(len(self.parts)))random.shuffle(order)return orderdef create_population(self) -> List[List[int]]:"""創建初始種群"""return [self.create_individual() for _ in range(POPULATION_SIZE)]def selection(self, population: List[List[int]], fitnesses: List[float]) -> List[List[int]]:"""輪盤賭選擇"""total_fitness = sum(fitnesses)if total_fitness == 0:# 所有個體適應度為0，隨機選擇return random.choices(population, k=POPULATION_SIZE)probabilities = [f / total_fitness for f in fitnesses]return random.choices(population, weights=probabilities, k=POPULATION_SIZE)def crossover(self, parent1: List[int], parent2: List[int]) -> Tuple[List[int], List[int]]:"""順序交叉 (OX)"""if random.random() > CROSSOVER_RATE:return parent1[:], parent2[:]size = len(parent1)# 隨機選擇交叉點start, end = sorted(random.sample(range(size), 2))# 創建子代child1 = [-1] * sizechild2 = [-1] * size# 復制父代片段child1[start:end] = parent1[start:end]child2[start:end] = parent2[start:end]# 填充剩余位置，保持順序def fill_child(child, parent_source):pointer = endfor i in range(end, end + size):idx = i % sizeval = parent_source[idx]if val not in child:child[pointer % size] = valpointer += 1fill_child(child1, parent2)fill_child(child2, parent1)return child1, child2def mutate(self, individual: List[int]) -> List[int]:"""交換變異"""if random.random() < MUTATION_RATE:i, j = random.sample(range(len(individual)), 2)individual[i], individual[j] = individual[j], individual[i]return individualdef run(self) -> Tuple[List[int], float]:"""運行遺傳算法"""population = self.create_population()best_individual = Nonebest_fitness = 0.0for generation in range(NUM_GENERATIONS):# 計算適應度fitnesses = [self.fitness(ind) for ind in population]# 找到當前代最佳max_fitness = max(fitnesses)if max_fitness > best_fitness:best_fitness = max_fitnessbest_individual = population[fitnesses.index(max_fitness)]print(f"第 {generation+1} 代, 最佳利用率: {best_fitness:.4f}")# 選擇selected = self.selection(population, fitnesses)# 交叉和變異new_population = []for i in range(0, POPULATION_SIZE, 2):parent1 = selected[i]parent2 = selected[i+1] if (i+1) < POPULATION_SIZE else selected[0]child1, child2 = self.crossover(parent1, parent2)child1 = self.mutate(child1)child2 = self.mutate(child2)new_population.extend([child1, child2])population = new_populationreturn best_individual, best_fitnessdef get_selection_from_autocad() -> Tuple[win32com.client.CDispatch, List, List]:"""連接AutoCAD，獲取用戶選擇的閉合多段線（區域）和矩形（零件）。返回: (acad, area_polyline, part_rectangles)"""try:acad = win32com.client.Dispatch("AutoCAD.Application")doc = acad.ActiveDocumentmsp = doc.ModelSpace# 提示用戶選擇print("請在AutoCAD中選擇一個閉合多段線作為排料區域，然后選擇所有矩形零件。")selection = doc.Utility.GetSelection()area_polyline = Nonepart_rectangles = []for entity in selection:if entity.ObjectName == "AcDbPolyline" and entity.Closed:if area_polyline is None:area_polyline = entityprint(f"已選擇區域: {entity.Handle}")else:print("警告: 發現多個閉合多段線，僅使用第一個。")elif entity.ObjectName == "AcDbRectangle":part_rectangles.append(entity)print(f"已選擇零件: {entity.Handle}")else:print(f"忽略對象: {entity.ObjectName}")if not area_polyline:raise ValueError("未選擇有效的閉合多段線作為排料區域！")if not part_rectangles:raise ValueError("未選擇任何矩形零件！")return acad, area_polyline, part_rectanglesexcept Exception as e:print(f"獲取AutoCAD選擇時出錯: {e}")raisedef extract_vertices(polyline) -> List[Tuple[float, float]]:"""從AutoCAD多段線提取頂點坐標"""vertices = []# 多段線的坐標存儲為 [x1, y1, x2, y2, ...]coords = polyline.Coordinatesfor i in range(0, len(coords), 2):vertices.append((coords[i], coords[i+1]))return verticesdef extract_part_dimensions(rectangle) -> Tuple[float, float]:"""從AutoCAD矩形提取寬度和高度"""# 矩形通常有 Length 和 Width 屬性# 或者通過角點計算try:width = rectangle.Widthheight = rectangle.Heightreturn width, heightexcept:# 如果屬性不可用，嘗試通過幾何計算# 這里簡化處理raise NotImplementedError("無法獲取矩形尺寸")def draw_result_in_autocad(acad, best_order: List[int], parts: List[Rectangle], area_vertices: List[Tuple[float, float]], part_positions: List[Tuple[float, float]]):"""在AutoCAD中繪制排料結果。在實際中，best_order 和 part_positions 來自 _place_parts 的結果。"""doc = acad.ActiveDocumentmsp = doc.ModelSpace# 可選：清除舊結果或創建新圖層try:result_layer = doc.Layers.Item("Nesting_Result")except:result_layer = doc.Layers.Add("Nesting_Result")msp.AddLightWeightPolyline([coord for vertex in area_vertices for coord in vertex]).Layer = "Nesting_Result"# 繪制放置好的零件for i, (x, y) in enumerate(part_positions):part = parts[best_order[i]]  # 注意順序if (x, y) != (0, 0):  # 避開占位符# 繪制矩形rect = msp.AddLightWeightPolyline([x, y,x + part.width, y,x + part.width, y + part.height,x, y + part.height,x, y])rect.Layer = "Nesting_Result"# 添加文本標簽text = msp.AddText(f"P{part.id}", win32com.client.VARIANT(pythoncom.VT_ARRAY | pythoncom.VT_R8, (x, y)), 2.0)text.Layer = "Nesting_Result"def main():"""主函數"""try:# 1. 連接AutoCAD并獲取選擇acad, area_polyline, part_rectangles = get_selection_from_autocad()# 2. 提取數據area_vertices = extract_vertices(area_polyline)nesting_area = NestingArea(area_vertices)parts = []for i, rect in enumerate(part_rectangles):width, height = extract_part_dimensions(rect)part = Rectangle(width, height, i)parts.append(part)print(f"排料區域: {len(area_vertices)} 個頂點")print(f"零件數量: {len(parts)}")# 3. 運行遺傳算法nesting_ga = NestingGA(parts, nesting_area)best_order, best_utilization = nesting_ga.run()print(f"優化完成！最佳利用率: {best_utilization:.4f}")print(f"最佳下料順序: {best_order}")# 4. 計算最佳順序下的實際放置位置# 注意：這里應該用 best_order 調用 _place_parts# 但 _place_parts 是私有方法，我們可以重構或直接調用# 為了演示，我們假設 nesting_ga 有一個方法final_positions = nesting_ga._place_parts(best_order)# 5. 將結果繪制回AutoCADdraw_result_in_autocad(acad, best_order, parts, area_vertices, final_positions)print("排料結果已繪制到AutoCAD圖層 'Nesting_Result'。")except Exception as e:print(f"程序執行出錯: {e}")if __name__ == "__main__":main()


使用步驟
  1. 打開 AutoCAD?并創建一個新圖紙。
  2. 繪制一個閉合的多段線 (PLINE)?作為排料區域。
  3. 繪制若干矩形 (RECTANG)?作為待排料的零件。
  4. 運行 Python 腳本：
    bash
    深色版本
    python ga_nesting_autocad.py
  5. 腳本會提示你選擇對象，先選擇區域多段線，再選擇所有矩形零件，然后按 Enter。
  6. 腳本運行 GA 優化，并在控制臺輸出每代的最佳利用率。
  7. 優化完成后，結果會繪制在名為?Nesting_Result?的新圖層上。
局限性與改進方向
  • 放置算法太簡單：?_place_parts?的掃描方式效率極低。應實現最大矩形算法 (Maximal Rectangles)?或最低水平線算法 (Bottom-Left)。
  • 區域檢查不準確：?contains_point?僅檢查包圍盒。應實現射線投射法。
  • 零件類型有限：?僅支持矩形。可擴展為支持多邊形。
  • 無旋轉：?可添加旋轉狀態到?Rectangle?類。
  • 性能：?對于大量零件，速度會很慢。可考慮并行計算適應度。
  • 錯誤處理：?需要更完善的錯誤處理和用戶交互。
這個腳本提供了一個概念驗證 (POC)，展示了如何將 GA 與 AutoCAD 集成。要達到工業級水平，需要在此基礎上進行大量復雜的算法和工程優化。











本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。

如若轉載，請注明出處：http://www.pswp.cn/pingmian/96390.shtml


繁體地址，請注明出處：http://hk.pswp.cn/pingmian/96390.shtml

英文地址，請注明出處：http://en.pswp.cn/pingmian/96390.shtml


如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！











相關文章










Go語言io.Copy深度解析：高效數據復制的終極指南








Go語言io.Copy深度解析：高效數據復制的終極指南




在日常開發中&#xff0c;我們經常需要在不同的數據源之間復制數據。無論是文件操作、網絡傳輸還是進程通信&#xff0c;數據復制都是不可或缺的基礎操作。Go語言的標準庫提供了一個強大而高效的工具來簡化這一過程&#xff1a;io.Copy。
什么是io.Copy&#xff1f;
io.Copy是G…




閱讀更多...

















【Vue3】07-利用setup編寫vue（2）-setup的語法糖








【Vue3】07-利用setup編寫vue（2）-setup的語法糖




其它篇章&#xff1a; 1.【Vue3】01-創建Vue3工程 2.【Vue3】02-Vue3工程目錄分析 3.【Vue3】03-編寫app組件——src 4.【Vue3】04-編寫vue實現一個簡單效果 5.【Vue3】05-Options API和Composition API的區別 6.【Vue3】06-利用setup編寫vue&#xff08;1&#xff09; 7.【Vue…




閱讀更多...

















Firefox自定義備忘








Firefox自定義備忘




1.設置firefox右鍵點擊標簽直接關閉&#xff0c;由于目前沒有插件能實現這個功能&#xff0c;只能手動設置了&#xff08;目前已知支持142和之前的版本&#xff09; 
firefox117右鍵關閉macWin 117版本應該可以了&#xff0c;大家可試下&#xff0c;配置方法參考之前的帖子&…




閱讀更多...

















跨屏互聯KuapingCMS建站系統發布更新 增加數據看板








跨屏互聯KuapingCMS建站系統發布更新 增加數據看板




跨屏互聯KuapingCMS建站系統發布更新&#xff0c;增加了文章統計、產品統計、軟文統計、流量統計、pv統計、ip統計、os訪問者設備統計等等&#xff0c;整個體驗會更好&#xff0c;數據顯示更加直觀&#xff0c;可以清晰看到最近的網站數據&#xff0c;特別是對于老板&#xff0…




閱讀更多...

















WebSocket連接狀態監控與自動重連實現








WebSocket連接狀態監控與自動重連實現




WebSocket連接狀態監控與自動重連實現
下面我將實現一個具有連接狀態監控和自動重連功能的WebSocket聊天室界面。
設計思路
創建直觀的連接狀態指示器實現自動重連機制&#xff0c;包括&#xff1a;
指數退避策略&#xff08;重連間隔逐漸增加&#xff09;最大重連次數限制手動…




閱讀更多...

















【Vue2手錄05】響應式原理與雙向綁定 v-model








【Vue2手錄05】響應式原理與雙向綁定 v-model




一、Vue2響應式原理&#xff08;底層基礎&#xff09;
Vue2的“響應式”核心是數據變化自動觸發視圖更新&#xff0c;其實現依賴Object.defineProperty API&#xff0c;但受JavaScript語言機制限制&#xff0c;存在“數組/對象修改盲區”&#xff0c;這是理解后續內容的關鍵。
…




閱讀更多...

















探索大語言模型（LLM）：Ollama快速安裝部署及使用（含Linux環境下離線安裝）








探索大語言模型（LLM）：Ollama快速安裝部署及使用（含Linux環境下離線安裝）




前言 
Ollama 是一個開源的本地化大模型運行平臺&#xff0c;支持用戶直接在個人計算機上部署、管理和交互大型語言模型&#xff08;LLMs&#xff09;&#xff0c;無需依賴云端服務。而且其混合推理的特性也使得CPU和GPU的算力能夠充分被使用&#xff0c;能夠在同等配置下跑更大…




閱讀更多...

















滲透測試信息收集詳解








滲透測試信息收集詳解




我們來詳細解析一下滲透測試中信息收集&#xff08;Information Gathering&#xff09;的完整內容、步驟及工具方法。信息收集是整個滲透測試的基石&#xff0c;其深度和廣度直接決定了后續測試的成功率&#xff0c;因此有“滲透測試成功與否&#xff0c;90%取決于信息收集”的…




閱讀更多...

















Kafka面試精講 Day 16：生產者性能優化策略








Kafka面試精講 Day 16：生產者性能優化策略




【Kafka面試精講 Day 16】生產者性能優化策略 
在“Kafka面試精講”系列的第16天&#xff0c;我們將聚焦于生產者性能優化策略。這是Kafka中極為關鍵的技術點&#xff0c;也是大廠面試中的高頻考點——尤其是在涉及高并發數據寫入、日志采集、實時數倉等場景時&#xff0c;面試…




閱讀更多...

















深入解析AI溫度參數：控制文本生成的隨機性與創造性








深入解析AI溫度參數：控制文本生成的隨機性與創造性




引言
在人工智能飛速發展的今天&#xff0c;文本生成模型如GPT系列已經成為內容創作、代碼編寫、對話系統等領域的核心工具。然而&#xff0c;許多用戶在使用這些模型時&#xff0c;可能會發現輸出結果有時過于保守和重復&#xff0c;有時又過于天馬行空而缺乏連貫性。這背后其…




閱讀更多...

















20250912在榮品RD-RK3588-MID開發板的Android13系統下在接電腦的時候禁止充電








20250912在榮品RD-RK3588-MID開發板的Android13系統下在接電腦的時候禁止充電




20250912在榮品RD-RK3588-MID開發板的Android13系統下在接電腦的時候禁止充電
2025/9/12 10:21緣起&#xff1a;某人的電腦接榮品RD-RK3588-MID開發板的時候做APK開發板的時候&#xff0c;通過Android Studio連接榮品RD-RK3588-MID開發板。
經常斷聯/時斷時續。投訴了/抱怨了好…




閱讀更多...

















Unity Addressable System 本地服務器功能驗證








Unity Addressable System 本地服務器功能驗證




1.從Package Manger里安裝Addressable 注意這里有Addressables和Addressables兩個包&#xff0c;前者是核心框架&#xff0c;處理跨平臺通用邏輯&#xff0c;比如用 地址&#xff08;Address&#xff09;來異步加載、卸載資源&#xff1b;自動做引用計數&#xff0c;避免資源泄…




閱讀更多...

















碎片化采購是座金礦：數字化正重構電子元器件分銷的價值鏈








碎片化采購是座金礦：數字化正重構電子元器件分銷的價值鏈




在電子元器件的分銷江湖里&#xff0c;長期存在著一條隱秘的“鄙視鏈”&#xff1a;訂單金額大、需求穩定的頭部客戶是眾星捧月的“香餑餑”&#xff0c;而需求碎片化、品類繁多的小微企業長尾訂單&#xff0c;則常被視作食之無味、棄之可惜的“雞肋”。行業固有認知告訴我們&a…




閱讀更多...

















Typescript - 通俗易懂的 interface 接口，創建接口 / 基礎使用 / 可選屬性 / 只讀屬性 / 任意屬性（詳細教程）








Typescript - 通俗易懂的 interface 接口，創建接口 / 基礎使用 / 可選屬性 / 只讀屬性 / 任意屬性（詳細教程）




前言 在面向對象語言中&#xff0c;接口是一個很重要的概念&#xff0c;它是對行為的抽象&#xff0c;而具體如何行動需要由類去實現。 TypeScript 中的接口是一個非常靈活的概念&#xff0c;除了可用于 對類的一部分行為進行抽象 以外&#xff0c;也常用于對「對象的形狀&…




閱讀更多...

















【硬件-筆試面試題-92】硬件/電子工程師，筆試面試題（知識點：米勒效應，米勒平臺）








【硬件-筆試面試題-92】硬件/電子工程師，筆試面試題（知識點：米勒效應，米勒平臺）




題目匯總版--鏈接&#xff1a;  
【硬件-筆試面試題】硬件/電子工程師&#xff0c;筆試面試題匯總版&#xff0c;持續更新學習&#xff0c;加油&#xff01;&#xff01;&#xff01;-CSDN博客 
【硬件-筆試面試題-92】硬件/電子工程師&#xff0c;筆試面試題&#xff08;知識點…




閱讀更多...

















C語言深度入門系列：第十一篇 - 動態內存管理與數據結構：程序世界的高效算法大師








C語言深度入門系列：第十一篇 - 動態內存管理與數據結構：程序世界的高效算法大師




C語言深度入門系列&#xff1a;第十一篇 - 動態內存管理與數據結構&#xff1a;程序世界的高效算法大師
本章目標
本章將深入探討C語言中的動態內存管理和經典數據結構實現&#xff0c;這是從基礎編程邁向算法工程師的關鍵一步。您將掌握內存的精確控制、理解各種數據結構的本質…




閱讀更多...

















Go 語言開發環境安裝與 GOPROXY 鏡像配置（含依賴管理與版本切換技巧）








Go 語言開發環境安裝與 GOPROXY 鏡像配置（含依賴管理與版本切換技巧）




在國內搭建 Go 開發環境的最大障礙不是“怎么裝”&#xff0c;而是“下不動”。本文是我在多臺 Windows / macOS / Linux 機器上踩坑后的整合筆記&#xff1a;用最穩妥的安裝方式  合理的鏡像配置  一套通吃的依賴/版本管理流程&#xff0c;把速度、穩定性和可維護性一次性解決…




閱讀更多...

















崔傳波教授：以科技與人文之光，點亮近視患者的清晰視界?








崔傳波教授：以科技與人文之光，點亮近視患者的清晰視界?




崔傳波教授&#xff1a;以科技與人文之光&#xff0c;點亮近視患者的清晰視界?在臨沂新益民眼科醫院&#xff0c;有這樣一位眼科醫師——他不僅是近視矯正領域的專家&#xff0c;更是“金視青春之光手術”的研發倡導者。?崔傳波教授?以其深厚的學術功底、創新的技術理念和以…




閱讀更多...

















如何寫過濾條件wrapper的使用








如何寫過濾條件wrapper的使用




模糊查詢 &#xff1a;功能是&#xff1a;查詢 WORK_NUM 字段包含 ${workOrder.workNum} 的記錄。<if test"workOrder.workNum ! null and workOrder.workNum ! ">and b.WORK_NUM like CONCAT(%,CONCAT(#{workOrder.workNum},%))
</if>一、比較條件方法示…




閱讀更多...

















【Spring Boot 報錯已解決】徹底解決 “Main method not found in class com.xxx.Application” 報錯








【Spring Boot 報錯已解決】徹底解決 “Main method not found in class com.xxx.Application” 報錯




文章目錄引言一、問題描述1.1 報錯示例1.2 報錯分析1.3 解決思路二、解決方法2.1 方法一&#xff1a;添加標準的main方法2.2 方法二&#xff1a;檢查main方法的定義是否規范2.3 方法三&#xff1a;檢查主類的位置是否正確2.4 方法四&#xff1a;重新構建項目并清理緩存三、其他…




閱讀更多...


















最新文章


















Copyright @ 2022~2023