二进制指数退避算法与追女生的关系控制

术语解释:

在以太网运行中,如果两个电脑同时向网路中发送信号的话,存在冲突的可能性,为了减少下一次冲突发生的可能性,以太网采用二进制指数退避算法(是否听起来很牛叉的样子。。。。)来避免冲突。

其具体做法是:某个发送主机在发送数据包时,一旦检测到有其他主机也在发送数据包,也就是检测到了冲突,那么

1. 将冲突发生后的时间划分为长度为2t的时隙

2. 发生第一次冲突后,各个站点等待0或1个时隙再开始重传

3. 发生第二次冲突后,各个站点随机地选择等待0,1,2或3个时隙再开始重传

4. 第i次冲突后,在0至2的i次方减一间随机地选择一个等待的时隙数,再开始重传

5. 10次冲突后,选择等待的时隙数固定在0至1023(2的10次方减一)间

6. 16次冲突后,发送失败,报告上层。

 
 

最近和人联系,但是关系的疏远貌似控制得有问题,根据心理学中的社会依恋理论,取决于双方对亲密关系,对人际距离的定义不同,也就是同样的客观情况,对一方来说,这个太疏远了,对另一方来说,这个过分亲密了,那么做为一个感性转理性的新一代非正常人类,当然要着手解决一下这个问题。

 
 

于是想到的N年前尝过的二进制指数退避算法,虽然已经不学网络好多年,嗝。不过还是应该把所有的理论融汇贯通为我所用的。

 
 

具体怎么做呢。

给一人打电话,OK,他接了,对应在网络通信中,表示一次通信顺畅,那么冲突计数,也就是上面的i值(准确地说应该是第i次)重置为零。

那么他不接呢,OK,冲突出现了(注意在网络通信中,冲突指双方都在通信,但是在我们的使用中,冲突是指,主动方与被动方对于是否通信这个问题的默认协商出现冲突),那么开始执行退避算法,具体来说,开始间隔一段时间再打电话,间隔多久?

i1时,可选择间隔一天或不间隔。

i 2时,可选择间隔一天,二天,三天等时间,到底应该选几,可以使用c语言或者python语言中的random()函数进行确定。(如果使用c语言,一定要注意要使用srand()将随机算法初始化。。)

以此类推,如果连续i次对方不接,那么就在0—-2^i2i次方)中任意选择一个值,做为新的间隔值。

一旦在某个量级的间隔内,对方总是接电话,那么即算完成了通信协商过程,双方对关系的疏远达成一致,然后就可以继续发展关系,至于下一步是努力接近关系,还是适当推远关系,就完全根据童鞋们的个人需要制订规则了。

 
 

那么有什么好处?

首先二进制退避算法每次退避的数量级是上次退避数量的一倍。这样不断延长的周期,能够让对方感觉到你的不断远离,但是规律性的远离又告诉对方,我的行为是有规则的,你可以在这么长的时间内思考你自己到底如何取舍。

其次,在每次2i次方的间隔中,实际间隔日期的确定是随机的,那么就能够营造出一种新奇感,对方可以在大致的规律对同时感到对你的行为捉摸不定。俗话说得好,保持神秘是吸引力的三大法则之首(什么,你连三大法则都不知道,请参考作者的名著《紫龙为何斗不过星矢—->论青铜圣斗士对吸引力法则的修行》)。

第三,指数退避算法,可以通过一场具有控制力的严谨的行为来发现双方对于距离感的认知,这样建立在科学的,经过2G3G5678G网络认证的精密算法,在发现对方对当前关系的距离感上,具有一个牛叉算法的可用性(能够发现)与完备性(能够发现所有情况)两大基本特征。人的感觉是不可靠的,我们必须使用科学的武器来武装自己。。科学已经阻止不了IT男了,让世界和地球在我们的代码下颤抖吧。。。。。。

 
 

 
 

好吧,我已经胡扯完了,男女童鞋们,一定要注意理论联系实践,不断地从自己当前所学的学科中发掘奥秘,然后思考,重构,应用,就一定成为一代大师,到那个时代,我一定资助童鞋们,建立一个恋爱学科图书馆,里面包括爱情心理学,爱情经济学,爱情管理学,爱情社会学,爱情基因学,爱情文字学,爱情考古学。。。。。。。那个时代,你要是不把这图书馆里面推荐的十大学科看完,你真没法出门找妹纸,因为妹纸都已经在这些书籍的帮助下,全副武装,对你进行歼灭战了。。。。。

 
 

 
 

第二个好吧。本文纯属胡扯,我的感性脑已经抗议无极限,它认为这篇文章的发表对我的人际关系极为不利,会有无数的人认为我待人不真诚,理性的可怕blablablabla。。。。。。

 
 

那就让感性出来说句话,以前我排斥一切技巧,认为人本自然,现在我则认为,在感性的控制下,在让感性制订目标,发现对象,至于如何操作,如何实施,这些活动还是交给理性脑比较好。话说:右脑领导,左脑管理。。。

 
 

而我之所以会想到这些点子,因为我还一直在思考,应该怎么和你相处。。。。

发表评论

电子邮件地址不会被公开。 必填项已用*标注

CAPTCHA ImageChange Image

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据