导航:首页 > 源码编译 > 混合蛙跳算法matlab

混合蛙跳算法matlab

发布时间:2023-10-18 21:45:52

A. 蛙跳算法的过程

全局搜索过程
步骤l 初始化。确定蛙群的数量、种群以及每个种群的青蛙数。
步骤2 随机产生初始蛙群,计算各个蛙的适应值。
步骤3 按适应值大小进行降序排序并记录最好解Px,并且将蛙群分成族群。把F个蛙分配到m个族群Y,Y,Y…,Y中去,每个族群包含n个蛙,从而使得Yk=[X(j),f(j)|X(j)=X(k+m*(j-1), f(j)=f(k+m*(j-1),j=1,…,n,k=1,…,m].这里X(j)表示蛙群中的第j蛙,f(j)表示第j个蛙的目标函数值。
步骤4根据SFLA算法公式,在每个族群中进行元进化。
步骤5将各个族群进行混合。在每个族群都进行过一轮元进化之后,将各个族群中的蛙重新进行排序和族群划分并记录全局最好解Px。
步骤6检验计算停止条件。如果满足了算法收敛条件,则停止算法执行过程,否则转到步骤3。通常而言,如果算法在连续几个全局思想交流以后,最好解没有得到明显改进则停止算法。某些情况下,最大函数评价次数也可以作为算法的停止准则。
局部搜索过程
局部搜索过程是对上述步骤4的进一步展开,具体过程
如下:
步骤4—1设im=O,这里im是族群的计数器。用来与族群总数m进行比较。设iN=0,这里iN是局部进化的计数器,用来与Ls进行比较。
步骤4-2根据式(1)在第l,,1个族群中选择q个蛙进入子族群,确定Pb和Pw并设im=im+1。
步骤4-3设iN=iN+1。
步骤4—4根据式(2)和式(3)改进子族群中的最差蛙的位置。
步骤4—5如果步骤4—4改进了最差蛙的位置(解),就用新产生的位置取代最差蛙的位置。否则就采用Px代替式(2)中的PB,重新更新最差蛙的位置。
步骤4—6如果步骤4-5没有改进最差蛙的位置,则随机产生一个处于湿地中任何位置的蛙来替代最差的蛙。
不管执行了以上三次跳跃中的任何一次,需重新计算本子群的最优个体Pb和最差个体Pw。
步骤4—7如果iN<LS,则转到步骤4-3。
步骤4—8如果im<m,则转到步骤4-2,否则转到全局搜索过程的步骤5。
算法停止条件
SFLA通常采用两种策略来控制算法的执行时间:
1)在最近的K次全局思想交流过程之后,全局最好解没有得到明显的改进;
2)算法预先定义的函数评价次数已经达到。
3)已有标准测试结果。
无论哪个停止条件得到满足,算法都要被强制退出整个循环搜索过程。

B. 智慧工地中的图像传感技术的应用进展

本文内容来自以下文章:

杨晓娇,于忠,冮军.智慧工地中的图像传感技术的应用进展[J].四川建筑,2021,41(S1):41-44.

摘要:文章对智慧工地中的图像传感技术的发展历程、以及图像技术、视频技术、激光雷达点云技术在建筑工地中的应用作介绍,并介绍了智能算法在图像处理技术领域的发展应用。最后提出为了更好地满足施工监管的需求,图像技术可以通过视频技术、激光雷达点云技术在时间、空间上进行交叉验证,以提高图像识别的准确性。在智能算法与图像耦合技术方面应结合三维技术形成更加准确地实时反馈信号指导工程施工。

关键词:图像传感技术; 视频技术; 激光雷达点云技术; 智能算法

智慧工地和智慧建筑的兴起与当今智能化、信息化的发展有着紧密的联系。随着我国城镇化进程的加快,建筑施工过程日益复杂,施工现场安全问题,如劳务人员安全帽和安全绳佩戴、施工现场临时用电混乱、临边防护等问题,也日益凸显出来,使得传统施工安全监管技术已经无法满足目前现场施工安全的要求。借助计算机和人工智能技术的快速发展,图像传感技术凭借 处理精度高、灵活性强、再现性好、适用面广等特点 成功应用于建筑施工安全管理等过程,为项目管理人员提供施工现场的安全隐患、施工动态及进度的实时反馈,提高了建筑施工安全管理效率。

进入21世纪,图像传感技术的应用范围被逐渐拓宽,甚至在某些领域已经取得突破。然而,对计算机计算速度、存储容量要求较高,图像处理使用频带较宽、以及在成像、传输方面还有一定的技术难度等因素,制约了图像传感技术的进一步发展。

目前,智慧工地系统中包含了大量的各类传感器和核心的数据实时处理技术,也由此带来了大量的数据获取、传递和处理。随着智能技术的发展,视频图像信息在建筑信息数据中的占比越来越大,利用图像传感技术对建筑施工进度、人员安全带和防护栅栏等安全装置状态识别、工程质量评价以及施工现场扬尘监测等过程进行实时反馈,实现建筑施工过程中的信息识别、安全监管、决策分析等功能,使得图像传感技术成为建筑施工管理过程中的重要技术手段之一。

1 图像及视频传感技术在智慧工地中的应用

1.1 图像技术在建筑工地中的应用

图像技术总体上可以分为 图像分析、图像重建和图像的像质改善 三大部分,在建筑施工中图像技术一般用于图像分析,如人脸识别、安全帽/绳识别、火灾识别、混凝土结构监控等。

1. 2 视频技术在建筑工地的应用

建筑工地是一个复杂庞大的区域,利用视频技术对建筑物内部各个位置情况进行监管,对建筑施工现场安全管理进行实时监控。从现有的研究和应用案例来看,建筑工地对视频监控的需求主要集中在: 地基基础、地面施工、高层作业以及文明施工检查 等阶段。其中, 安全问题 是各个阶段最突出的问题之一,利用视频技术对施工现场的深基坑、高边坡支护安全、模板工程安全、临边洞口防护、脚手架搭设安全等过程进行监管,既减轻了监管人员的工作强度,又加强了建设行政主管部门以及监管机构的调控监控力度,提高了工作效率。

1.3 激光雷达点云技术在建筑工地的应用

近年来,利用激光雷达技术处理大规模的地理空间数据,发展了计算机视觉、计算机图形学。从有关于建筑重建、图像以及激光雷达建模的文献中发现,其中很大一部分内容致力于基于图像的方法进行 建筑重建 。激光雷达利用点云成型技术能快速获取大范围区域表面采样点的三维空间数据,正是由于其在建模工作上的高效性,因而在 建筑规划、建筑施工以及文物保护等 方面起到了重要作用。

2 智能算法对于图像技术在智慧建筑领域发展的影响

2.1 智能算法在图像处理技术中的发展

智能算法自提出以来就引起了国内外众多学者的广泛关注,经过多年的发展和创造,智能优化算法已成功应用在国民经济的各个领域,为生产生活中的许多复杂问题提供了一个高效可行的解决方案,成为了学术领域中一个重要的研究方向。其中比较经典的智能优化算法有: 遗传算法(GA)、蚁群算法(ACO)、粒子群算法(PSO)、差分进化算法(DE)、混合蛙跳算法(SFLA)、人工蜂群算法 等。 在图像处理技术上蚁群算法和粒子群算法是最常用的算法

总的来说,智能算法用于图像处理技术的优化具有两个方面的重要作用。 一是基于大数据信息平台的信息汇总数据智能处理分析,引导图像处理技术的优化和发展; 二是基于大数据技术对于数字信号的处理架构以及模型优化,能够有效辅助现有图像处理技术,实现图像处理技术的快速升级。

2.2 智能算法和图像耦合技术对传感建模方法的改进

利用 智能算法与图像耦合技术 处理施工过程中火灾识别、污染识别、劳务人员安全识别等问题具有高速、便捷等特点。智能算法与图像之间的耦合技术主要利用图像本身具有的张量结构,且张量结构具有良好的表达能力和计算特性,因此可以利用智能算法对张量结构进行分解并快速而高质量对图像进行压缩和提取相关特征信息,从而可以利用获取的信息进行快速的传感建模。施工现场的大气污染防治作为建筑工地的重要工作之一,利用图像处理技术对施工过程中的扬尘、裸土覆盖等问题进行智能识别,通过智能算法与图像之间的耦合技术对施工现场的扬尘、烟雾、裸土等信息进行提取传感建模,实现快速识别、抓取、处理等功能,并生成相应的数学模型对施工过程进行预测、评估等,指导施工现场管理。

然而,智能算法与图像耦合技术的传感建模方法仅仅是获取图像中的 二维数据信息 进行快速建模,对施工现场出现的问题作出的响应更多只是简单提取建模、分析、以及预警等,很难进一步提高精度。因此, 智能算法与图像之间的耦合技术应结合三维技术进行更加精确的数据信息提取,从而形成精度更高的实时反馈、预测模型、评价模型等指导现场施工实现精确识别、预测告警、以及深度治理等功能

3 总结和展望

本文主要对图像传感技术的发展历程,以及 图像技术、视频技术、激光雷达点云技术 在建筑中的应用进行了概述,指出随着建筑施工过程的日益复杂,建筑体量增大,仅仅依靠图像识别技术对劳务人员、安全帽佩戴、烟雾情况进行识别已经无法满足工地现场管理的要求,因此目前图像技术应与视频技术相结合,以提高图像识别的准确性。并提出利用激光雷达点云与视频图像技术对施工过程中的扬尘、裸土识别等进行交叉验证,以提高识别精度,实现建筑施工污染源的精准定位、智能预测、深度治理。文中还对智能算法、以及其在图像处理技术领域的应用进行了介绍,提出智能算法与图像耦合技术对于传感建模方法应结合三维技术进行更加精确的数据信息提取,从而形成精度更高的实时反馈、各类模型等指导现场工地施工。

C. 最常见的人工智能算法都有哪些

神经网络算法、蚁群算法、混合蛙跳算法、蜂群算法。

D. 优化算法笔记(二)优化算法的分类

(以下描述,均不是学术用语,仅供大家快乐的阅读)

在分类之前,我们先列举一下常见的优化算法(不然我们拿什么分类呢?)。
1遗传算法Genetic algorithm
2粒子群优化算法Particle Swarm Optimization
3差分进化算法Differential Evolution
4人工蜂群算法Artificial Bee Colony
5蚁群算法Ant Colony Optimization
6人工鱼群算法Artificial Fish Swarm Algorithm
7杜鹃搜索算法Cuckoo Search
8萤火虫算法Firefly Algorithm
9灰狼算法Grey Wolf Optimizer
10鲸鱼算法Whale Optimization Algorithm
11群搜索算法Group search optimizer
12混合蛙跳算法Shuffled Frog Leaping Algorithm
13烟花算法fireworks algorithm
14菌群优化算法Bacterial Foraging Optimization
以上优化算法是我所接触过的算法,没接触过的算法不能随便下结论,知之为知之,不知为不知。其实到目前为止优化算法可能已经有几百种了,我们不可能也不需要全面的了解所有的算法,而且优化算法之间也有较大的共性,深入研究几个之后再看其他优化算法上手速度会灰常的快。
优化算法从提出到现在不过50-60年(遗传算法1975年提出),虽种类繁多但大多较为相似,不过这也很正常,比较香蕉和人的基因相似度也有50%-60%。当然算法之间的相似度要比香蕉和人的相似度更大,毕竟人家都是优化算法,有着相同的目标,只是实现方式不同。就像条条大路通罗马,我们可以走去,可以坐汽车去,可以坐火车去,也可以坐飞机去,不管使用何种方式,我们都在去往罗马的路上,也不会说坐飞机去要比走去更好,交通工具只是一个工具,最终的方案还是要看我们的选择。

上面列举了一些常见的算法,即使你一个都没见过也没关系,后面会对它们进行详细的介绍,但是对后面的分类可能会有些许影响,不过问题不大,就先当总结看了。
再对优化算法分类之前,先介绍一下算法的模型,在笔记(一)中绘制了优化算法的流程,不过那是个较为简单的模型,此处的模型会更加复杂。上面说了优化算法有较大的相似性,这些相似性主要体现在算法的运行流程中。
优化算法的求解过程可以看做是一个群体的生存过程。

有一群原始人,他们要在野外中寻找食物,一个原始人是这个群体中的最小单元,他们的最终目标是寻找这个环境中最容易获取食物的位置,即最易存活下来的位置。每个原始人都去独自寻找食物,他们每个人每天获取食物的策略只有采集果实、制作陷阱或者守株待兔,即在一天之中他们不会改变他们的位置。在下一天他们会根据自己的策略变更自己的位置。到了某一天他们又聚在了一起,选择了他们到过的最容易获取食物的位置定居。
一群原始人=优化算法中的种群、群体;
一个原始人=优化算法中的个体;
一个原始人的位置=优化算法中个体的位置、基因等属性;
原始人变更位置=优化算法中总群的更新操作;
该位置获取食物的难易程度=优化算法中的适应度函数;
一天=优化算法中的一个迭代;
这群原始人最终的定居位置=优化算法所得的解。
优化算法的流程图如下:

对优化算法分类得有个标准,按照不同的标准分类也会得到不一样的结果。首先说一下我所使用的分类标准(动态更新,有了新的感悟再加):

按由来分类比较好理解,就是该算法受何种现象启发而发明,本质是对现象分类。

可以看出算法根据由来可以大致分为有人类的理论创造而来,向生物学习而来,受物理现象启发。其中向生物学习而来的算法最多,其他类别由于举例有偏差,不是很准确,而且物理现象也经过人类总结,有些与人类现象相交叉,但仍将其独立出来。
类别分好了,那么为什么要这么分类呢?

当然是因为要凑字数啦,啊呸,当然是为了更好的理解学习这些算法的原理及特点。
向动物生存学习而来的算法一定是一种行之有效的方法,能够保证算法的效率和准确性,因为,如果使用该策略的动物无法存活到我们可以对其进行研究,我们也无法得知其生存策略。(而这也是一种幸存者偏差,我们只能看到行之有效的策略,但并不是我们没看到的策略都是垃圾,毕竟也发生过小行星撞地球这种小概率毁灭性事件。讲个冷笑话开cou心一shu下:一只小恐龙对他的小伙伴说,好开心,我最喜欢的那颗星星越来越亮了(完)。)但是由于生物的局限性,人们所创造出的算法也会有局限性:我们所熟知的生物都生存在三维空间,在这些环境中,影响生物生存的条件比较有限,反应到算法中就是这些算法在解决较低维度的问题时效果很好,当遇到超高维(维度>500)问题时,结果可能不容乐观,没做过实验,我也不敢乱说。

按更新过程分类相对复杂一点,主要是根据优化算法流程中更新位置操作的方式来进行分类。更新位置的操作按我的理解可大致分为两类:1.跟随最优解;2.不跟随最优解。
还是上面原始人的例子,每天他有一次去往其他位置狩猎的机会,他们采用何种方式来决定今天自己应该去哪里呢?
如果他们的策略是“跟随最优解”,那么他们选取位置的方式就是按一定的策略向群体已知的最佳狩猎位置(历史最佳)或者是当前群体中的最佳狩猎位置(今天最佳)靠近,至于是直线跑过去还是蛇皮走位绕过去,这个要看他们群体的策略。当然,他们的目的不是在最佳狩猎位置集合,他们的目的是在过去的途中看是否能发现更加好的狩猎位置,去往已经到过的狩猎地点再次狩猎是没有意义的,因为每个位置获取食物的难易程度是固定的。有了目标,大家都会朝着目标前进,总有一日,大家会在谋个位置附近相聚,相聚虽好但不利于后续的觅食容易陷入局部最优。
什么是局部最优呢?假设在当前环境中有一“桃花源”,拥有上帝视角的我们知道这个地方就是最适合原始人们生存的,但是此地入口隐蔽“山有小口,仿佛若有光”、“初极狭,才通人。”,是一个难以发现的地方。如果没有任何一个原始人到达了这里,大家向着已知的最优位置靠近时,也难以发现这个“桃源之地”,而当大家越聚越拢之后,“桃源”被发现的可能性越来越低。虽然原始人们得到了他们的解,但这并不是我们所求的“桃源”,他们聚集之后失去了寻求“桃源”的可能,这群原始人便陷入了局部最优。

如果他们的策略是“不跟随最优解”,那么他们的策略是什么呢?我也不知道,这个应该他们自己决定。毕竟“是什么”比“不是什么”的范围要小的多。总之不跟随最优解时,算法会有自己特定的步骤来更新个体的位置,有可能是随机在自己附近找,也有可能是随机向别人学习。不跟随最优解时,原始人们应该不会快速聚集到某一处,这样一来他们的选择更具多样性。
按照更新过程对上面的算法分类结果如下

可以看出上面不跟随最优解的算法只有遗传算法和差分进化算法,他们的更新策略是与进化和基因的重组有关。因此这些不跟随最优解的算法,他们大多依据进化理论更新位置(基因)我把他们叫做进化算法,而那些跟随群体最优解的算法,他们则大多依赖群体的配合协作,我把这些算法叫做群智能算法。

目前我只总结了这两种,分类方法,如果你有更加优秀的分类方法,我们可以交流一下:

目录
上一篇 优化算法笔记(一)优化算法的介绍
下一篇 优化算法笔记(三)粒子群算法(1)

E. 蛙跳算法的原理

蛙跳算法的思想是:在一片湿地中生活着一群青蛙。湿地内离散的分布着许多石头,青蛙通过寻找不同的石头进行跳跃去找到食物较多的地方。每只青蛙个体之间通过文化的交流实现信息的交换。每只青蛙都具有自己的文化。每只青蛙的文化被定义为问题的一个解。湿地的整个青蛙群体被分为不同的子群体,每个子群体有着自己的文化,执行局部搜索策略。在子群体中的每个个体有着自己的文化,并且影响着其他个体,也受其他个体的影响,并随着子群体的进化而进化。当子群体进化到一定阶段以后,各个子群体之间再进行思想的交流(全局信息交换)实现子群体间的混合运算,一直到所设置的条件满足为止。

F. 邹采荣的学术成果

一、发表论文(代表作10篇,部分检索结果:1997开始至今被收录SCI 33篇、EI 96篇、CPCI 29篇):
1.Zou-CR, Plotkin-EI, Swamy-MNS, 2-D Fast Kalman Algorithms for Adaptive Parameter-Estimation of Nonhomogeneous Gaussian Markov Random-Field Model,IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS II-ANALOG AND DIGITAL SIGNAL PROCESSING , Vol.41, Iss. 10,pp 678-692,1994;
2. Zou-CR, Plotkin-EI, Swamy-MNS, He-ZY. Recursive-in- Order Least-Squares Parameter-Estimation Algorithm for 2-D Noncausal Gaussian Markov Random-Field Model, CIRCUITS SYSTEMS AND SIGNAL PROCESSING Vol.14 Iss.1,pp 87-110,1995;
3.Luo LJ,Lu Y,Zou CR, Image Sequence Macroblock Classification Using Neural Networks, SIGNAL PROCESSING,Vol.69, Iss. 2,pp.191-198,1998;
4.Wang ZH, He ZY, Zou CR, A Generalized Fast Algorithm for N-d Discrete Cosine Transform and Its Application to Motion Picture Coding, IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS II-ANALOG AND DIGITAL SIGNAL PROCESSING Vol.46, Iss.5, pp.617-627 ,1999;
5. Gao-XQ, Duanmu-CJ, Zou-CR, A Multilevel Successive Elimination Algorithm for Block Matching Motion Estimation, IEEE TRANSACTIONS ON IMAGE PROCESSING,Vol.9, Iss.3, pp.501-504, 2000;
6.Zheng WM, Zhou XY, Zou CR, Facial expression recognition using kernel canonical correlation analysis (KCCA),IEEE TRANSACTIONS ON NEURAL NETWORKS ,Vol.17,pp.233-238,2005;
7.He, Yunhui, Zhao, Li, Zou, Cairong, Face recognition using common faces method,PATTERN RECOGNITION, Vol.39, Iss.11, pp.2218-2222, 2006;
8.Wei Xin, Zhao Li, Zou Cairong,Blind Multiple Access Interference Suppression Algorithm Based on Relaxed Subgradient Projection for DS/CDMA Systems, CIRCUITS SYSTEMS AND SIGNAL PROCESSING Vol.29, Iss.4 pp.769-780,2010;
9.Sun Ning, Ji Zhen-hai, Zou Cai-rong , Two-dimensional Canonical Correlation Analysis and Its Application in Small Sample Size Face Recognition, NEURAL COMPUTING & APPLICATIONS,Vol.19,Iss.3,pp.377-382,2010;
10.Cairong Zou, Chengwei Huang, Dong Han, Li Zhao. Detecting Practical Speech Emotion in a Cognitive Task, Computer Communications and Networks (ICCCN), 2011 Proceedings of 20th International Conference on, Maui, HI, USA, 2011。
二、授权发明专利:
1.一种基于二维偏最小二乘法的面部表情识别方法;
2.一种基于加权主动形状建模的人脸特征定位方法;
3.一种人脸身份和表情的同步识别方法;
4.一种雷达脉内调制信号的特征提取方法;
5.一种基于改进Fukunage-koontz变换的语音情感识别系统;
6.浅海水声通信系统的间接自适应均衡方法;
7.水声网络中的节能的媒质访问控制方法;
8.基于JND和AR模型的感知视频压缩方法;
9.基于改进的VLS的立体视频编码方法;
10.一种基于支持矢量基的语音情感识别方法;
11.一种适用于中国数字电视地面广播国家标准的同步方法;
12.基于分数傅里叶变换的二维维纳滤波的取证语音增强方法;
13.一种加权次梯度投影的数字助听器回声路径估计方法;
14.基于改进BP算法的中间视合成方法;
15.一种基于CDMA水声网络的媒质访问控制方法。
三、已授权实用新型专利3项:
1.超高精度压力计量校准仪;
2.新型滴眼装置;
3.带有信息检索的智能电视终端。
四、已授权外观设计专利1项:
1.活页式电子乐谱。
五、已登记软件着作权1项:
1.MusicPro电子乐谱系统软件V1.0(登记号:2008SR38814)。
六、正在申请并受理发明专利15项:
1.基于乐符知识及双投影法的乐符基元分割方法;
2.一种基于心电信号与语音信号的双模态情感识别方法;
3.一种针对烦躁情绪的可据判的自动语音情感识别方法;
4.基于情感对特征优化的语音情感分类方法;
5.一种分数傅里叶变换上的时频域掩蔽信息隐藏方法;
6.一种基于分数傅里叶变换域的隐秘信号同步方法;
7.基于分段投影与乐符结构的谱线检测及删除方法;
8.基于行游程邻接表的乐谱快速连通域分析方法;
9.一种基于多变量统计的助听器声源定位方法;
10.一种基于压缩传感的助听器声源定位方法;
11.一种认知无线电功率控制方法;
12.一种基于云理论与分子动力学模拟的混合蛙跳算法;
13.基于特征空间自适应投影的语音情感识别方法;
14.一种跨语言的语音情感识别方法;
15.负面情绪检测中的基于上下文修正的语音情感识别方法。
七、科技获奖:
1.“基于面部表情和情感语音的儿童情绪能力分析与分类的研究”获2009年度江苏省科学技术进步二等奖.排名 第一;
2.“情感特征分析与识别的理论与应用”获2008年教育部自然科学二等奖 排名 第一;
3.“多维数字信号处理的理论与应用研究” 获1998年国家教育部科技进步(基础类)二等奖 排名第三;
4.“盲信号模型参数估计的方法研究”获2000年中国高校科学技术奖励委员会二等奖 排名第四;
5.“小波与滤波器组的理论及其应用研究”获2006年教育部自然科学二等奖 排名 第三;
6.“神经网络理论及其智能信息处理应用基础”获1998年国家教育部科技进步(基础类)一等奖 排名第二十二。
八、参编着作:
1.《多维数字信号处理》,何振亚主编,国防工业出版社 1995。获江苏省优秀教材一等奖、教育部2001年优秀教材一等奖。

阅读全文

与混合蛙跳算法matlab相关的资料

热点内容
电视数据压缩 浏览:536
macbook如何文件压缩 浏览:985
安卓手机怎么校正屏幕 浏览:998
在长沙租商铺哪个app靠谱 浏览:572
删除用户命令 浏览:618
恢复命令方块指令怎么搞 浏览:582
flac隧道命令流 浏览:446
我的世界网易版主页为什么找不到服务器 浏览:975
sqlserver宝典pdf 浏览:740
比心app怎么取消认证用护照 浏览:755
php获得系统信息 浏览:507
如何使服务器占用过大 浏览:717
安卓怎么制定充电提示音 浏览:775
汽车压缩机工作但冷媒充不进去 浏览:389
python绘制同心圆螺旋线 浏览:88
编译原理factor什么意思 浏览:863
openssl对称加密算法 浏览:442
服务器没有驱动怎么回事 浏览:794
php调用匿名函数调用 浏览:803
python计算机四则运算编码 浏览:458