演算法框架

A. 經常加入限制條件的演算法框架，用什麼語言寫比較好

和演算法沒有太大關系，主要是看應用方向是什麼，
網路Web 開發就使用 java、Python、PHP、.net 這一類的
Windows 桌面應用使用 C# 、C++ 這一類
還有很多就不列舉了，明確自己的應用方向，再去選擇對應的開發語言，至於演算法，無論使用哪種開發語言，演算法是不變的

B. Javascript中有哪些比較成熟的機器學習演算法框架

應該是沒有的
除了Python以外，沒有哪個語言做這種比較全面的機器學習框架
更不要說js這種主要是前端的語言

C. 進化演算法的框架

進化演算法是以達爾文的進化論思想為基礎，通過模擬生物進化過程與機制的求解問題的自組織、自適應的人工智慧技術。生物進化是通過繁殖、變異、競爭和選擇實現的；而進化演算法則主要通過選擇、重組和變異這三種操作實現優化問題的求解。如圖1： 1、t=0
2、初始化群體p(0)
3、評估初始化群體p(0)
4、while終止條件不滿足do
5、 重組操作：p(t)=r(p(t))
6、 變異操作：p(t)=m(p(t))
7、 評估操作：p(t)
8、 選擇操作：p(t+1)=s(p(t)UQ)
9、 t=t+1
10、end 圖1：進化演算法基本框架
其中r、m、s分別表示重組運算元、變異運算元、選擇運算元。

D. 當前深度學習框架學習主要依賴哪個演算法框架

兩者不是同一個level上的，深度學習是機器學習的一種。最近火的發紫的深度學習實際上指的的深度神經網路學習，普通神經網路由於訓練代價較高，一般只有3-4層，而深度神經網路由於採用了特殊的訓練方法加上一些小trick，可以達到8-10層。深度神經

E. 遺傳演算法的基本框架

遺傳演算法不能直接處理問題空間的參數，必須把它們轉換成遺傳空間的由基因按一定結構組成的染色體或個體。這一轉換操作就叫做編碼，也可以稱作(問題的)表示(representation)。
評估編碼策略常採用以下3個規范:
a)完備性(completeness):問題空間中的所有點(候選解)都能作為GA空間中的點(染色體)表現。
b)健全性(soundness): GA空間中的染色體能對應所有問題空間中的候選解。
c)非冗餘性(nonrendancy):染色體和候選解一一對應。
目前的幾種常用的編碼技術有二進制編碼，浮點數編碼，字元編碼，變成編碼等。
而二進制編碼是目前遺傳演算法中最常用的編碼方法。即是由二進制字元集{0,1}產生通常的0,1字元串來表示問題空間的候選解。它具有以下特點：
a)簡單易行
b)符合最小字元集編碼原則
c)便於用模式定理進行分析，因為模式定理就是以基礎的。 進化論中的適應度，是表示某一個體對環境的適應能力，也表示該個體繁殖後代的能力。遺傳演算法的適應度函數也叫評價函數，是用來判斷群體中的個體的優劣程度的指標，它是根據所求問題的目標函數來進行評估的。
遺傳演算法在搜索進化過程中一般不需要其他外部信息，僅用評估函數來評估個體或解的優劣，並作為以後遺傳操作的依據。由於遺傳演算法中，適應度函數要比較排序並在此基礎上計算選擇概率，所以適應度函數的值要取正值。由此可見，在不少場合，將目標函數映射成求最大值形式且函數值非負的適應度函數是必要的。
適應度函數的設計主要滿足以下條件：
a）單值、連續、非負、最大化
b) 合理、一致性
c）計算量小
d）通用性強。
在具體應用中，適應度函數的設計要結合求解問題本身的要求而定。適應度函數設計直接影響到遺傳演算法的性能。 遺傳演算法中初始群體中的個體是隨機產生的。一般來講，初始群體的設定可採取如下的策略:
a)根據問題固有知識，設法把握最優解所佔空間在整個問題空間中的分布范圍，然後，在此分布范圍內設定初始群體。
b)先隨機生成一定數目的個體，然後從中挑出最好的個體加到初始群體中。這種過程不斷迭代，直到初始群體中個體數達到了預先確定的規模。

F. android源碼里有哪些比較好的演算法或框架推薦

Android中對於圖形界面以及多媒體的相關操作比較容易實現。而且對於大多數
手機
用戶來說，他們主要也就是根據這些方面的功能來對系統那個進行修改。我們可以通過本文介紹的Android多媒體框架的源碼解讀，來具體分析一下這方面的基本知識。
Android多媒體框架的代碼在以下目錄中：external/opencore/。這個目錄是Android多媒體框架的根目錄，其中包含的子目錄如下所示：
* android：這裡面是一個上層的庫，它基於PVPlayer和PVAuthor的SDK實現了一個為Android使用的Player和Author。
* baselibs：包含數據結構和線程安全等內容的底層庫
* codecs_v2：這是一個內容較多的庫，主要包含編解碼的實現，以及一個OpenMAX的實現
* engines：包含PVPlayer和PVAuthor引擎的實現
* extern_libs_v2：包含了khronos的OpenMAX的頭文件
* fileformats：文件格式的據具體解析(parser)類
* nodes：編解碼和文件解析的各個node類。
* oscl：操作系統兼容庫
* pvmi： 輸入輸出控制的抽象介面
* protocols：主要是與網路相關的RTSP、RTP、HTTP等協議的相關內容
* pvcommon：pvcommon庫文件的Android.mk文件，沒有源文件。
* pvplayer：pvplayer庫文件的Android.mk文件，沒有源文件。
* pvauthor：pvauthor庫文件的Android.mk文件，沒有源文件。
* tools_v2：編譯工具以及一些可注冊的模塊。
Splitter的定義與初始化
以wav的splitter為例，在fileformats目錄下有解析wav文件格式的pvwavfileparser.cpp文件，在nodes目錄下有pvmf_wavffparser_factory.cpp，pvmf_wavffparser_node.h， pvmf_wavffparser_port.h等文件。
我們由底往上看，vwavfileparser.cpp中的PV_Wav_Parser類有InitWavParser()，GetPCMData()，RetrieveFileInfo()等解析wav格式的成員函數，此類應該就是最終的解析類。我們搜索PV_Wav_Parser類被用到的地方可知，在PVMFWAVFFParserNode類中有PV_Wav_Parser的一個指針成員變數。
再搜索可知，PVMFWAVFFParserNode類是通過PVMFWAVFFParserNodeFactory的CreatePVMFWAVFFParserNode()成員函數生成的。而CreatePVMFWAVFFParserNode()函數是在PVPlayerNodeRegistry::PVPlayerNodeRegistry()類構造函數中通過PVPlayerNodeInfo類被注冊到Oscl_Vector<PVPlayerNodeInfo, OsclMemAllocator> 的vector中，在這個構造函數中，AMR，mp3等node也是同樣被注冊的。
由上可知，Android多媒體框架中對splitter的管理也是與ffmpeg等類似，都是在框架的初始化時注冊的，只不過Opencore注冊的是每個splitter的factory函數。
綜述一下splitter的定義與初始化過程：
每個splitter都在fileformats目錄下有個對應的子目錄，其下有各自的解析類。
每個splitter都在nodes目錄下有關對應的子目錄，其下有各自的統一介面的node類和node factory類。
播放引擎PVPlayerEngine類中有PVPlayerNodeRegistry iPlayerNodeRegistry成員變數。
在PVPlayerNodeRegistry的構造函數中，將 AMR, AAC, MP3等splitter的輸入與輸出類型標示和node factory類中的create node與release delete介面通過PVPlayerNodeInfo類push到Oscl_Vector<PVPlayerNodeInfo, OsclMemAllocator> iType成員變數中。
當前Splitter的匹配過程
PVMFStatus PVPlayerNodeRegistry::QueryRegistry(PVMFFormatType& aInputType, PVMFFormatType& aOutputType, Oscl_Vector<PVUuid, OsclMemAllocator>& aUuids)函數的功能是根據輸入類型和輸出類型，在已注冊的node vector中尋找是否有匹配的node，有的話傳回其唯一識別標識PVUuid。
從QueryRegistry這個函數至底向上搜索可得到，在android中splitter的匹配過程如下：
android_media_MediaPlayer.cpp之中定義了一個JNINativeMethod(JAVA本地調用方法)類型的數組gMethods，供java代碼中調用MultiPlayer類的setDataSource成員函數時找到對應的c++函數
1.{"setDataSource", "(Ljava/lang/String;)V", (void *)
android_media_MediaPlayer_setDataSource},
2.static void android_media_MediaPlayer_setDataSource
(JNIEnv *env, jobject thiz, jstring path)
此函數中先得到當前的MediaPlayer實例，然後調用其setDataSource函數，傳入路徑
3.status_t MediaPlayer::setDataSource(const char *url)
此函數通過調getMediaPlayerService()先得到當前的MediaPlayerService， const sp<IMediaPlayerService>& service(getMediaPlayerService());
然後新建一個IMediaPlayer變數， sp<IMediaPlayer> player(service->create(getpid(), this, fd, offset, length));
在sp<IMediaPlayer> MediaPlayerService::create(pid_t pid, const sp<IMediaPlayerClient>& client, const char* url)中
調status_t MediaPlayerService::Client::setDataSource(const char *url)函數，Client是MediaPlayerService的一個內部類。
在MediaPlayerService::Client::setDataSource中，調sp<MediaPlayerBase> MediaPlayerService::Client::createPlayer(player_type playerType)
生成一個繼承自MediaPlayerBase的PVPlayer實例。

G. 當前深度學習框架演算法主要依賴於哪個演算法框架

深度學習的概念源於人工神經網路的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵，以發現數據的分布式特徵表示

H. 用pkpm計算框架

可以啊，，畢業設計很簡單的東西~~取個pk算算，，一般實際施工圖沒有這么乾的

I. 1+2+3+......+n求和所有演算法框架圖

第一種

if（n%2==0）
{
sum=(n+1)*(n/2);
}
else
{
sum=(n+1)*((n-1)/2) + (n+1)/2;
}

第2種

int sum=0;
for(int i=1;i<=n;i++)
{
sum=sum+i;
}

沒有按照你的順序來，你自己識別下