TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #654 · 16.11

Пытаюсь решить организационно-логистическую задачу в #Satisfactory. Может быть, умные люди (вы) мне дадите интересные советы. Я уже открыл практически все типы деталей, они довольно сложные, и для производства многих из них нужны целые цепочки: добыть ресурс А в одном месте и ресурс B в другом, потом сделать из них детали C и D, из этой пары получить деталь E, добыть ещё ресурс F, соединить, смешать с водой... В каком-то месте эти цепочки удобно разрывать (то есть не строить всё на одной фабрике, а растаскивать фабрики по карте). Потому что, во-первых, с гигантской базой, производящей все типы всех деталей, банально неудобно работать. Во-вторых, её тяжело масштабировать. Хотя у этого решения есть плюсы, и некоторые так делают, лично я идти по такому пути не хочу. Но в каком месте рвать цепочки? Глобально есть две крайности: 1. Можно делать по фабрике на каждое звено производства. Например, фабрика, которая делает деталь E, должна принимать на вход детали C и D, и всё. Такая схема очень легко масштабируется: небольшую фабрику очень просто расширять. А детали возить между фабриками поездами. Но тогда потребуется типа 100 разных фабрик и очень сложная железнодорожная сеть. 2. Можно в каждую фабрику привозить сырьё. Только то, что невозможно произвести, а можно только добыть. Фабрика делает с нуля из сырья все детали, в том числе для промежуточных звеньев. Такую схему очень легко балансировать: один раз посчитал, сколько нужно сырья, и всё. Но фабрики для сложных деталей будут громоздкие. А ещё если деталь C нужна в десяти местах то придётся десять раз повторить всю цепочку производства детали C, а можно было бы в одном месте делать очень много деталей C и возить. Мне не нравятся оба варианта, значит, рвать цепочку нужно где-то посередине. Но где? #games

Резултати

Намерени 2 подобни публикации

Търсене: #feedit

当前筛选 #feedit清除筛选
ALL About RSS

@AboutRss · Post #876 · 19.11.2020 г., 01:00

FeedIt trainable RSS reader 登陆 iOS APP Store 频道提及过的机器学习型 #RSS阅读器#FeedIt 在其安卓版和线上版后发布了 #iOS 版: https://apps.apple.com/us/app/feedit-rss-reader/id1538541609 发现于 https://twitter.com/RSSCircus/status/1328955086152806401

ALL About RSS

@AboutRss · Post #840 · 13.10.2020 г., 01:00

FeedIt :利用机器学习进行文章喜好排序的在线 #RSS阅读器 还记得在 Reddit 上看到个贴,说 Ta 唯一不喜欢 RSS 订阅的一点是:阅读器把所有文章一视同仁,不能告诉 Ta 哪个重要、哪个不重要。回帖里自然有人教育道:RSS 订阅的特色就是没有谁帮你决定哪个重要、哪个不重要。 当然,该帖里也提到,除了关键词过滤或给 Feeds 按重要程度分组外,有几家阅读器可以给文章打分,并以分数改变其排序。比如 #TTRSS 的 Scoring 。 现在,更 fancy 的来了。 #FeedIt 让你可以通过给文章以及文章关键词打“赞”和“踩”来用机器学习训练阅读器对你喜好的把握;一段时日之后,就可以让阅读器按你的喜好来给文章排序了。对于那些订阅很多 Feeds 的玩家,说不定也是条路。 官网在此,自带 #Android App : https://feedit.sk/ 发现于 Reddit 。到底是高大上还是本末倒置,欢迎留言讨论。