群体行为

遗传算法 1.简要概述 在几十亿年的演化过程中，自然界中的生物体已经 形成了一种优化自身结构的内在机制，它们能够不 断地从环境中学习，以适应不断变化的环境。对于大多数生物体，这个过程是通过自然选择和有性生殖来完成的。自然选择决定了群体中哪些个体 能够存活并繁殖，有性生殖保证了后代基因的混合 与重组。 演化计算（Evolutionary Computation, EC）是在达尔文（Darwin）的进化论和孟德 尔（Mendel）的遗传变异理论的基础上产生的一种在 基因和种群层次 上 模拟自然界生 物进化过程与机制，进行问题求解的自组织、自适应的随机搜索技术 。它以达尔文进化论的“物竟天择、适者生存”作为算法的进化规则，并结合孟德尔的遗 传变异理论，将生物进化过程中的繁殖（Reproduction）、变异（Mutation）、竞争 （Competition）、选择（Selection）引入到了算法中，是一种对人类智能的演化模拟方法演化计算的主要有 遗传算法、演化策略、演化规划和遗传规划 四大分支。其中，遗传算 法是演化计算中最初形成的一种具有普遍影响的模拟演化优化算法。 遗传算法简称GA（Genetic Algorithms）是1962年由美国Michigan大学的Holland教授提出的模拟自然界遗传机制和生物进化论而成的一种 并行随机搜索最优化方法 。

遗传算法 1.简要概述 在几十亿年的演化过程中，自然界中的生物体已经 形成了一种优化自身结构的内在机制，它们能够不 断地从环境中学习，以适应不断变化的环境。对于大多数生物体，这个过程是通过自然选择和有性生殖来完成的。自然选择决定了群体中哪些个体 能够存活并繁殖，有性生殖保证了后代基因的混合 与重组。 演化计算（Evolutionary Computation, EC）是在达尔文（Darwin）的进化论和孟德 尔（Mendel）的遗传变异理论的基础上产生的一种在 基因和种群层次 上 模拟自然界生 物进化过程与机制，进行问题求解的自组织、自适应的随机搜索技术 。它以达尔文进化论的“物竟天择、适者生存”作为算法的进化规则，并结合孟德尔的遗 传变异理论，将生物进化过程中的繁殖（Reproduction）、变异（Mutation）、竞争 （Competition）、选择（Selection）引入到了算法中，是一种对人类智能的演化模拟方法演化计算的主要有 遗传算法、演化策略、演化规划和遗传规划 四大分支。其中，遗传算 法是演化计算中最初形成的一种具有普遍影响的模拟演化优化算法。 遗传算法简称GA（Genetic Algorithms）是1962年由美国Michigan大学的Holland教授提出的模拟自然界遗传机制和生物进化论而成的一种 并行随机搜索最优化方法 。

安全意识，顾名思义，就是人们头脑中建立起来的生产必须安全的观念。人们在生产活动中，对各种各样可能对自己或他人造成伤害的外在环境条件的一种戒备和警觉的心理状态。“安全第一”是做好一切工作的试金石，是落实“以人为本”的根本措施。坚持安全第一，就是对国家负责，对企业负责，对人的生命负责。安全是自己的，也是大家的。往往因为自己失误，会伤害自己，伤害他人。我们一定要树立良好的群体意识，相互帮助，相互保护，相互协作，密切配合，这是保障安全的重要条件。例如在高速公路堵塞时，没有群体意识，任何个人都无法实现单个车辆行走的可能性。 我们需要有一双发现的眼睛，看到不寻常的事，例如没带胸牌的人进来时，应主动上前询问。安全隐患绝不放过，树立对自己安全负责，更要对他人安全负责的意识。过马路时一定要走斑马线，遵守交通规则，宁等一份不抢一秒。不要总有“一直都是这样过来的，不会出什么事”的侥幸心理，思想麻痹，对自己的违章行为熟视无睹，其结果往往就是“一时疏忽，一世痛苦”。 安全意识心中就是要做到“人人事事保安全”。关键要从我做起，从现在做起。只有每个人的安全意识提高了，才能有一个安全的学习生活环境。“安全无小事”，防微杜渐是关键，安全不只是为了自己，也是为了大家。安全部门可以不定期的抽查值班人员值班情况，召开一些有关安全方面的分享会，提高我们每个人的安全意识和安全行为。 让人人都来重视安全，时刻关注安全

2019年是社交产品的“大年”。 从年初的“三英战微信”到岁末的“七剑下天山”，声音社交、视频社交、图像社交、地图社交乃至恋爱社交，几乎所有的垂直社交市场都被试了个遍，留下的却是同质化、伪需求和疯狂过后的一地鸡毛。 而在大多数创业者拿95后、00后等新兴人群做文章的时候，社交江湖的老玩家易信却瞄向了以中年为主的精英人群。先是在7.0版的升级中打造了“说吧”的功能，又在7.3版本中优化了“资讯”板块，与网易新闻建立了深度合作，同时又与网易云音乐、LOFTER、有道、网易严选等开展了“同行计划”的合作…… 一连串密集的动作，以内容为棋的易信已然切入进了中年精英的社交场。 01 被孤立的中年人群 提起“社会精英”，大多数人会联想起位居管理岗位的中年男性。 可能在传统的认知里，中年男性在某种程度上等同于职场高管、儒雅绅士、高知中产等美好词汇，但在年轻人掌握着话语权的互联网世界里，中年男性早已有了被妖魔化的迹象，比如下面这些带有批判性质的中年男子图鉴： 如果你是一位40岁上下小有余财的商人，大概率会被定义为“暴发户群体’’，被贴上喜欢附庸风雅、嗜好佛珠金链、讲求豪华富丽等挥不去的标签，成为城市小资群体的嘲讽目标，主流舆论场中被诟病的主要对象。 如果你正值壮年又在宦海中沉浮，多半会被代入官场小说中的桥段，从一场饭局中的敬酒礼节到对子女的教育，都可能被误读成带有权力结构的表演

《乌合之众》是法国著名社会心理学家、群体心理学创始人古斯塔夫·勒庞的名著，初次出版于1895年。该书深入浅出地剖析了群体的诸种特点及其成因。全书分为三卷（群体心理、群体的意见与信念、不同群体的分类及?特点），依次分析了“群体的感情和道德观”，“群体的观念、推理与想象力”，“群体的意见”，“群体领袖”等，深入透视了社会服从和过度服从、趣味单一、群众的反叛、大众文化、受别人支配的自我、群众运动、人的自我异化、官僚化过程、以及无意识在社会行为中的作用。 　　这部著作在国际学术界有着十分广泛而深远的影响。弗洛伊德曾评价说：“勒庞的这本书是当之无愧的名著，他极为精致地描述了集体心态。”社会心理学家奥尔波特评价说：“在社会心理学领域已经写出的著作中，最有影响者，非勒庞的《乌合之众》莫属。”社会学家墨顿评价?： “勒庞这本书具有持久的影响力，是群体行为的研究者不可不读的文献。”与任何学术著作一样，该书也有其局限性，如作者因群体的非理性性质和表现而对它持鄙视和恐惧的态度。他说：“个人在群体影响下，思想和感觉中道德约束与文明方式突然消失，原始冲动、幼稚行为和犯罪倾向的突然爆发。”但同时他又认为群体是一股不可阻挡的力量因而是世界潮流的引领者。但这种内在矛盾并未减损其思想学术价值，而是为后来者开启了更深入研究的空间。这部著作对于我们今天认识和研究各种政治、经济、文化现象依然有着重要的参考价值和启发意义。

以下文章来源于：阿翘AKIU ，作者：阿翘在这里。 最近在给一些应届生讲产品经理基础课，不少人都问我，为什么从来不给他们讲 产品经理工具 怎么用。这些难道不是产品经理的基本功吗？ 突然意识到很多同学陷入一个误区，就是把产品经理当成传统行业的岗位一样，把工具学会了就能上岗工作了。实际上工具只是表达思维的方式，比起产品技能更重要的是产品能力。 我始终认为，产品经理最基本的能力只有两个，一个是解决问题的能力，另一个是感知用户的能力。解决问题的能力很好理解，但什么是感知用户的能力呢？ 01 01.“感知用户”与“我是用户”的区别 先聊一件很有趣的事情。最近看到有很多人在做校园类产品。他们做校园产品的思路很简单，因为以前大家都在校园里待过，都知道学生时代的那些痛点，找几个场景把产品做出来，再找一些学生来内测一番就准没有问题。 同样的情况还有做各种兴趣社区以及同类人群社区的，几个养狗的互联网人突然做了一个宠物社区，几个喜欢医美的同事找到一个切入点就辞职创业做了个医美社区，他们的逻辑大多都是：因为我就是这样的人，所以我知道这群人有什么痛点。 并非在批判这种做产品的方式不好，只是这种方式很容易做出一款“想当然”的产品。 产品经理与创业者在想问题的时候经常犯的一个错误就是把自己当用户，用自己特定的情感或经历代替了大部分的用户。 某高校欲开发一款与校园图书馆互联的app，方便学生使用图书馆

1.简介 粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation)，1995 年由Eberhart 博士和kennedy 博士提出，源于对鸟群捕食的行为研究 。该算法最初是受到飞鸟集群活动的规律性启发，进而利用群体智能建立的一个简化模型。粒子群算法在对动物集群活动行为观察基础上，利用群体中的个体对信息的共享使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得最优解。 2.基本思想 粒子群算法是模拟群体智能所建立起来的一种优化算法，粒子群算法可以用鸟类在一个空间内随机觅食为例，所有的鸟都不知道食物具体在哪里，但是他们知道大概距离多远，最简单有效的方法就是搜寻目前离食物最近的鸟的周围区域。对粒子群优化算法操作的一个简单解释如下：每一个粒子都代表了当前优化任务的一个可能解决方案。在每次迭代过程中，每个粒子都会朝着自己的最优解的方向加速，也会朝着种群中任何粒子迄今为止发现的全局最佳位置的方向加速。这意味着，如果一个粒子发现了一个更好的解，所有其他粒子都会靠近它，在这个过程中不断地搜索最优解。可以总结出粒子群算法地三条简单规则：（1）飞离最近的个体，以避免碰撞；（2）飞向目标；（3）飞向群体的中心。 假设存在一个维度为S的搜索空间，由m​个粒子组成粒子种群，其中第i​个粒子用一个S​维的向量表示，具体为Xi=(xi1,xi2,…,xiS)

ARIMA 模型 ARIMA模型（英语：AutoregressiveIntegratedMovingAverage model）， 差分整合移动平均自回归模型 ，又称 整合移动平均自回归模型 （移动也可称作滑动）， 时间序列 预测分析方法之一。ARIMA（p，d，q）中，AR是"自回归"，p为自回归项数；MA为"滑动平均"，q为滑动平均项数，d为使之成为平稳序列所做的差分次数（阶数）。 ARIMA（p，d，q）模型是 ARMA （p，q）模型的扩展。ARIMA（p，d，q）模型可以表示为： 其中 L 是滞后算子（Lag operator）， 1. 平稳性： 平稳性就是要求经由样本时间序列所得到的拟合曲线，在未来的一段时间内仍能顺着现有状态“惯性”地延续下去； 平稳性要求序列的均值和方差不发生明显变化； 方差越大，数据波动越大，方差计算公式如下式所示： 方差等于1，那么标准差也就是1，表示概率函数在对称轴左右偏差1的位置导数为0，即为拐点。期望为0，表示概率函数以y轴为对称轴。 平稳性分为严平稳和弱平稳 严平稳：严平稳表示的分布不随时间的改变而改变，如：白噪声（正态），无论怎么取，都是期望为0，方差为1； 弱平稳：期望与相关系数（依赖性）不变，未来某时刻的t值Xt就要依赖于它的过去信息，所以需要依赖性； 2. 差分法：时间序列在 t 与 t-1 时刻的差值 3. 自回归模型（ AR

为什么要做竞品分析？无非就是当你有了一个初步的产品想法之后，但是却不能够明确这个想法到底靠不靠谱，它是否真的解决了用户的某些需求，这些需求算不算痛点，也不知道市面上是否已经有了与你想法相似的产品，他们是怎么做的，是否做得足够好，还有哪些待挖掘的机会等等。 此时你脑中的想法一定只是个demo版，非常的初级，是一个朦朦胧胧的状态，甚至你都说不清它到底是来源于哪里，可以是从以往生活经历中随意调取到的一个记忆点，或者是某个月黑风高的夜晚做的一个不知所以然的梦。 例如你在某一天的下午突然冒出一个念头，觉得自己想开个肠粉店，为什么会突然有这样的想法，很有可能就是你中午吃饭的时候闻到一阵飘来的肠粉的香味，而到了下午辘辘饥肠的时候脑里面就自动调取了这一部分记忆使之你有了这个莫名其妙的想法。 当然，想法的来源有时也非常明确，例如说你可能对某个产品的形态很感兴趣，所以你有了做这个产品的想法，或者是当你体验了某个应用商店app，有种透彻了解这类产品的想法，还有就是leader直接给予你的产品任务，例如他会跟你说阿毛啊，我们接下来公司想做一款新产品，是社交通讯类的产品，你好好去研究一下，看看怎么做更好。 因此，这时候的产品想法相对于前者来说来源就是明确的，但是不管来源是否明确，都存在着靠谱或者不靠谱的可能，无法判断这个想法是否有市场机会，你不能一拍脑袋就断定这个想法可不可行，想要真正明确这个想法是否有戏

文 | 公关之家 作者：Leon360k 公关与营销一直以来都被划分为两个工作方向，但实际上在企业的不同发展阶段或时期会有不同方向上的倾向性需求，在战略层面与阶段性需求上倾向于其中一方的价值输出时，更会要求另一方能够在满足企业需求的实践过程中配合前者协同作战，以此达成品牌形象与经济效益的双重稳步获利。 如何理解公关活动与营销活动的差异与融合 整合营销作为当今商业界广泛认可并应用的营销理论，其中心思想便是通过企业与消费者的沟通完成一系列宣传、公关、促销、产品等，消费者能够体验并感受的整体营销战略思想。在整合营销的传播部分更是将广告与公关进行充分整合，强调并完善以往营销理论中疏忽的公关内容，实现真正将完整的“推”与“拉”过程融于营销理论，并在诸如产品、定价、销售等领域同样融入了大量的公关要素。 活动策划 首先我们从营销和公关两个不同的视角来审视策划层面的差异与共通之处。 现在的营销活动中都会加入品牌化的公关要素，不仅能有效提升品牌知名度，还能提升品牌的美誉度和口碑传播，进而在品牌的基础上实现更完整的促销体验和突显差异化的品牌优势。如此一来两者便可以在客观的心智、需求、利益为基础融合各项优势，达成根据企业需求制定倾向于公共关系或品牌效益的活动策略。 营销角度 营销活动策划的目的是提高市场占有率、促进产品流通、提高企业效益等，进而在良好的可执行和可操作的基础上提升企业知名度和品牌美誉度。