excel做的傳統工程量計算表（加入vba后能自動計算、匯總、標注說明） 1、序號根據填入的分部分項名稱自動填出1~N的數值。 2、代碼欄根據填入的數據自動給出同一分部分項名稱序號，為匯總提供方便。 3、項目名稱/計算部位欄中書寫分部分項名稱、計算部位。 4、計算式欄中填入加、減、乘、除、乘方等運算公式，并在計算式中可加入注明（注明要用中括號或大括號，本例中有）。 5、單位欄為分部分項的計量單位，采用下拉菜單選取，點擊單位所在的單元格即出現下拉菜單（必須填寫，否則不能匯總）。 6、總量為C列同類代碼的工程量匯總，系統會自動計算出同類代碼的工程量總量，填入同一序號的總量上單元格。 7、工程量匯總表中，只填寫1~N的序號，系統會自動將工程量中的分部分項名稱、單位、總量填入。 8、因1、2行已被鎖住工程名稱在工程名稱工作表中填入。 9、序號、代碼、計算表達式、總量要敲回車鍵方能計算
上傳時間： 2014-11-28
上傳用戶：lunshaomo
按FPE定階的 源程序：fpe.cpp M序列：M序列.txt 白噪聲：Gauss.txt 程序中先用依模型階次遞推算法估計模型的參數，再用fpe方法判斷模型的階次。 程序運行結果如下： n: 1 判斷階次FPE的值: 0.0096406 -0.481665 1.07868 n: 2 判斷階次FPE的值: 0.00875755 -0.446739 0.00498181 1.07791 0.0527289 n: 3 判斷階次FPE的值: 0.0087098 -0.459433 0.120972 -0.0569228 1.07814 0.0390757 0.116982 n: 4 判斷階次FPE的值: 0.000396884 -0.509677 0.4501 -0.200906 0.0656188 1.07991 -0.0156362 0.442989 0.0497236 n: 5 判斷階次FPE的值: 3.2095e-007 -1.18415 0.813123 -0.517862 0.34881 -0.116864 1.07999 -0.744141 0.474462 -0.253112 0.122771 n: 6 判斷階次FPE的值: 3.23349e-007 -1.14659 0.76933 -0.487651 0.329676 -0.10377 -0.00440907 1.07999 -0.703574 0.447253 -0.235282 0.113587 0.00479688 從以上結果可以看出，當n=5時，fpe值最小，所以這時的模型階次和參數估計值為最優結果： 3.2095e-007 -1.18415 0.813123 -0.517862 0.34881 -0.116864 1.07999 -0.744141 0.474462 -0.253112 0.122771
上傳時間： 2013-12-11
上傳用戶：yd19890720
科學與工程數值計算算法 1、本書附贈的光盤包含了本書中全部的源代碼。使用時只需將相應的目錄拷貝到您的硬盤中。 注意 拷貝到硬盤上的源文件的屬性如果成為只讀的，在編譯之前應該將它們的屬性改為可讀寫的。 2、光盤各目錄中的內容如下所示： 光盤目錄 內容說明 \Source\ChapterN 第N章的所有示例工程源程序 \Source\Classes 本書所有算法類的源程序 \Source\Lib 集成本書所有算法的靜態庫文件 \Source\Dll 集成本書所有算法的動態庫文件
上傳時間： 2016-10-21
上傳用戶：Ants
多邊形中軸算法，時間復雜度在o（n），看看吧，支持下
標簽： 算法
上傳時間： 2014-01-20
上傳用戶：nanfeicui
先用內排序對隨即產生的內n個3位數的整數排好序，存放在一個文件中， 共產生m個有序文件，然后對這m個文件利用敗者樹進行多路平衡歸并， 得到一個有n*m個三位數的有序文件。
上傳時間： 2016-12-01
上傳用戶：2525775
程序設計思路 在動態規劃中，可將一個問題的解決方案視為一系列決策的結果，要考察每個最優決策序列中是否包含一個最優子序列。所以在最短路徑問題中，假如在的第一次決策時到達了某個節點v，那么不管v 是怎樣確定的，此后選擇從v 到d 的路徑時，都必須采用最優策略。利用最優序列由最優子序列構成的結論，可得到f 的遞歸式。f ( 1 ,c) 是初始時背包問題的最優解?？墒褂茫?）中所示公式通過遞歸或迭代來求解f ( 1 ,c)。從f (n, * )開始迭式， f (n, * )由第一個式子得出，然后由第二式遞歸計算f (i,*) ( i=n- 1，n- 2，⋯ ， 2 )，最后得出f ( 1 ,c)。動態規劃方法采用最優原則（ principle of optimality）來建立用于計算最優解的遞歸式。所謂最優原則即不管前面的策略如何，此后的決策必須是基于當前狀態（由上一次決策產生）的最優決策。由于對于有些問題的某些遞歸式來說并不一定能保證最優原則，因此在求解問題時有必要對它進行驗證。若不能保持最優原則，則不可應用動態規劃方法。
上傳時間： 2016-12-03
上傳用戶：kristycreasy
已知斐波那契數列的定義：F(1)=1,F(2)=1,F(i)= F(i-1)+ F(i-2) (i>=3),編寫求該數列前n項的子程序 實現了輸入一個數，然后將計算的結果保存在存儲器中
上傳時間： 2013-12-21
上傳用戶：風之驕子
//--- 開發背景------------// 在javascript開發過程中，如果總是使用alert的方式調試程序,很難滿足企業級開發的需要。 比如ajax項目中，存在一個3000行左右JS文件，其中存在各種自定義的javascript對象。 開發的過程中，總是需要在js程序執行到某個關鍵點的時候，監視自定義對象的值或狀態， 判斷執行結果是否是預期的樣子. alert的方式存在以下兩個明顯的缺點： 1.假如一次執行中有n個關鍵點的值都想隨時監視，使用alert您就不的不點夠n次確認， - 給開發者的感覺是很不連貫也不直觀，很難流暢發現隱藏很深的問題。 2.用于調試的alert語句，在發布的時候必須刪除掉，等有朝一日需要再次調試的時候， - 您就不得不回憶之前的關鍵點，分別加上alert，艱難的調試。 鑒于以上需求,本著簡單實用的原則,自己動手編寫了這個javascript調試工具，全部程序只有10kb左右。 使用該工具之后，以上兩個問題，變得迎刃而解。您或許會發現,IE下調試javascript程序變的便利。 該工具主要有以下特點： 1.完全的可插入式思想，對目標程序沒有任何負作用。 2.使用方法簡單,方便，只需要引入一行JS代碼。
標簽： javascript 背景 過程
上傳時間： 2016-12-16
上傳用戶：BIBI
Euler函數: m = p1^r1 * p2^r2 * …… * pn^rn ai >= 1 , 1 <= i <= n Euler函數： 定義：phi(m) 表示小于等于m并且與m互質的正整數的個數。 phi(m) = p1^(r1-1)*(p1-1) * p2^(r2-1)*(p2-1) * …… * pn^(rn-1)*(pn-1) = m*(1 - 1/p1)*(1 - 1/p2)*……*(1 - 1/pn) = p1^(r1-1)*p2^(r2-1)* …… * pn^(rn-1)*phi(p1*p2*……*pn) 定理：若(a , m) = 1 則有 a^phi(m) = 1 (mod m) 即a^phi(m) - 1 整出m 在實際代碼中可以用類似素數篩法求出 for (i = 1 i < MAXN i++) phi[i] = i for (i = 2 i < MAXN i++) if (phi[i] == i) { for (j = i j < MAXN j += i) { phi[j] /= i phi[j] *= i - 1 } } 容斥原理：定義phi(p) 為比p小的與p互素的數的個數 設n的素因子有p1, p2, p3, … pk 包含p1, p2…的個數為n/p1, n/p2… 包含p1*p2, p2*p3…的個數為n/(p1*p2)… phi(n) = n - sigm_[i = 1](n/pi) + sigm_[i!=j](n/(pi*pj)) - …… +- n/(p1*p2……pk) = n*(1 - 1/p1)*(1 - 1/p2)*……*(1 - 1/pk)
上傳時間： 2014-01-10
上傳用戶：wkchong
編寫具有如下原型的函數：int f(unsigned long x, int n, int& Lxn) 它負責將整數x的第n位（從左邊數第n位，n>0）的數值放到引用Lxn之中（將作為結果返回到主調函數的對應實參變量中），并將倒數第n位（從右邊數第n位，n>0）的數值作為函數結果返回去。并編制主函數對它進行調用以驗證其正確性。 例如，當x=123456789，n=7時，執行語句“Rxn=f(x, n, Lxn) ”將使返回的Lxn為7，并使Rxn變為3；而執行語句“Rxn=f(12345, 6, Lxn) ”將使Lxn與Rxn都變為為0（超出數的“長度”即總位數時返回0）。
上傳時間： 2017-01-02
上傳用戶：s363994250
