智慧航空AI大賽-阿里雲算法大賽總結 第一賽季總結

【之前的文章】最後一千米極速配送 - 阿里雲算法大賽總結

總結一下新的教訓

1.因爲都是NP難題，得到最優解用常規的方法很是困難，對於不是算法科班出身的人來講，首先應該到網絡上尋找一下論文，是否有一些好的經驗。
2.保持日常心，這種比賽獲獎很困難，生活仍是要和往常同樣，只是將空餘的時間給作比賽
3.每個小功能，小函數，儘量作一些簡單的單元測試，這種題目每每代碼最後很是複雜，難以調試，不作單元測試，可能之後調試都很困難
4.熟悉使用語言的多線程工做方式，例如C#的多線程特色
5.尋找好的計算資源，儘可能在多核CPU上運行
6.加入官方羣，問題及時和官方討論
7.利用晚上進行大規模的迭代測試和參數實驗
8.中間結果保存，減小每次執行時間。
你們都是爲了獎金去的（TOP10都有獎金），TOP17的名次，和本身實力符合。

另外此次全程使用VS CODE 和 NET CORE 2.0 寫的代碼，在公司的ＰＣ和家裏的ＭＡＣ上經過ＧＩＴ無縫銜接，體驗不錯。
代碼：https://github.com/magicdict/AIForAirline
賽題：https://tianchi.aliyun.com/competition/information.htm?raceId=231609

一我的作題目頗有趣，可是組隊也不錯，有人願意和我組隊參加第二賽季嗎？難度增長很多的。前三有獎金，固然若是沒有奇蹟，基本上拿不到獎金的。

附上之前比賽經驗：
窮舉部分應該最後加入
通常來講,算法題目總歸缺乏不了排列組合的嘗試，可是若是過早的在算法中引入了排列組合的大規模計算，則每次代碼運行時間會很長，很是浪費時間。這裏能夠有兩個方案，第一，能夠作一個系統配置項，是否啓用排列組合的嘗試；第二，能夠將排列組合的強度也作成一個配置項。
所謂的排列組合的強度，就是算法的廣度和深度的限制。例如揹包問題，若是所有有10個元素，我進行全排列嘗試，20個元素，則進行簡單的貪婪算法。這裏的10就能夠認爲是一個閾值，超過閾值的時候，考慮到時間成本，使用通常的算法。

保證每次運行結果都是符合題目要求的
在複雜的場景下，你的算法多是很是優秀的，可是可能在一個很微小的點上，是不符合題目要求的。題目要求是最大的前提，若是違反題目要求，再好的算法都是不能被採納的。因此務必檢查每次的運行結果是否符合題目要求。

保證編碼正確
有時候，一個想法是正確的，可是每每可能出現編碼的錯誤，使得結果變壞。因此，必須保證你的代碼和你的想法是一致的。若是出現你的想法使得你的運行結果變差的時候，不要先急着推翻你的想法，而是應該先看一下是否是你的代碼有什麼錯誤，沒有真正反映出你的實際想法。

邏輯和閾值
在複雜的算法題目中，有時候咱們喜歡用閾值來運行出不一樣結果，而後選擇最優的結果。可是，若是可能的話，應該以統計等方式決定閾值。若是可能的話，應該有一個明確的邏輯，而不使用閾值。閾值沒有泛用性，而且有時候因爲不能測試每個閾值的效果，容易出現局部最優解，而不是全局最優解

版本管理
不是每個想法都會給結果帶來正面的效果，有些改動可能不但沒有效果，並且使得結果變壞，咱們須要一個版本管理的概念，將很差的結果及時回滾到原來的狀態。有時候，兩個想法可能被同事加入到代碼中，而且兩個想法獨立使用和一塊兒使用效果也不一樣，這個時候更加須要版本管理工具了。建議使用Git作版本管理工具，能夠自由的添加或者刪減不一樣的想法。

自動測試 和 電源管理
此次沒有準備自動測試的代碼，正確的作法是，白天進行編碼工做，晚上對於閾值，各類想法的排列組合的效果，進行自動測試。
在自動測試的時候，請注意電源管理的設定，須要看一下是否設定了休眠，若是設定了休眠狀態，基本上什麼都運行不了了。
對於每次自動測試的結果，都必須保留下來，做爲算法的評價依據。

中間指標 和 數據分析
在最終目標以外，還須要訂立一些其餘指標來判斷算法的好壞。
整個最終結果每每是由多種因素決定的，若是將這些因素的量化結果也打印出來，對於這些指標進行分析，每每能夠找到優化點。
有一些題目，在寫算法以前，能夠將題目中給定的數據集進行一些分析，總結出數據集的特徵，而後針對這些特徵選擇算法，也是一個很重要的步驟。

從答案中找問題 不少算法的最終結果多是一些調度計劃和分配方案。仔細觀察這些結果，找到一些明顯能夠優化的點，這也是提升算法結果的途徑。 從算法執行結果這個答案中尋找你的算法中存在的問題，是一條頗有用的途徑