5、荷兰早期计算机产业:Electrologica的兴衰历程

荷兰早期计算机产业:Electrologica的兴衰历程

1. Electrologica的公司战略

起初,Electrologica发展态势良好,订单充足。管理层和董事会积极探讨X1的升级版本,或是面向办公自动化市场推出更廉价的机型。他们设想了适用于小型企业的X0,以及速度和规模远超现有机器百倍的X2。然而,X0的设计进展缓慢,成本居高不下,根本无法满足市场需求。在中低容量计算机市场,IBM的1401等产品占据了主导地位。Electrologica迟迟未能放弃研发廉价机型的想法,持续投入大量资源。

公司还向潜在客户推出X1的新版本,但这些版本最终都未能问世。就连Van Wijngaarden也不得不告知董事会成员,X1在科学计算领域已失去吸引力,面临淘汰。

1962年11月,乌得勒支大学计算中心的Bram van der Sluis给了Electrologica沉重一击。乌得勒支大学收到了英国计算机制造商Elliot的诱人报价:两年后交付一台大型计算机Elliot 503,为填补这两年的空白,一年内先交付一台Elliot 803。Electrologica迅速做出回应,提出如果乌得勒支大学订购一台比X1快八倍的X1′(后更名为X8),两年后交付,将给予折扣,并在此期间免费提供一台X1。至此,X2的概念被搁置。

X8项目被提上日程并得到优先推进。1963年初,乌得勒支大学下了订单,数学中心也订购了一台X8。数学中心将接收原型机,因为它能够处理软件未完善的机器,且不太在意实验设备的外观。在经历了1959年和1960年的盈利后,Electrologica开始出现亏损。

鉴于在办公自动化领域的不佳表现,Electrologica明确选择专注于科学

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值