這是關于PowerBuilder 應 用 開 發(fā) 系 列 講 座
標簽： PowerBuilder
上傳時間： 2015-04-17
上傳用戶：小草123
有趣的文字鼠標跟隨,l o a d i n g字母組成，在打開頁面等待的時候可以用
上傳時間： 2013-12-21
上傳用戶：2525775
VxWorks開發(fā)實踐,包括： 《Tornado初步.doc》、《WindView簡介及其用法0.doc》、《工具演示l.doc》
上傳時間： 2015-04-19
上傳用戶：thesk123
Program: PC FEAP Title: Finite Element Analysis Program Developer: R.L. Taylor, Department of Civil Engineering, University of California, Berkeley 1997.
標簽： Program R.L. Department Developer
上傳時間： 2014-01-08
上傳用戶：569342831
完成ls的如下功能 不帶參數(shù)的ls：列出當前目錄下的非隱藏（文件和目錄名不以.開頭）的文件和目錄 ls -a：列出當前目錄下的所有文件和目錄 ls -l：以長列表形式列出當前目錄下的非隱藏的文件和目錄。每個文件或目錄只要求列出如下信息：類型與權限、文件名、鏈接數(shù)、用戶ID、組ID、字節(jié)大小、塊數(shù) ls 路徑名：如果路徑名代表一個存在的文件則顯示該文件，否則提示出錯；如果路徑名字代表一個存在的目錄則列出該目錄中的文件 列出文件名和目錄名時，要求可執(zhí)行文件最后加上一個*號，目錄名最后加上一個/號。 所提供的路徑名可以包含“.”，“..”，“~”等特殊目錄
上傳時間： 2014-01-20
上傳用戶：84425894
字符串加密技術（hfipusahgn l）
標簽： hfipusahgn 字符串 加密技術
上傳時間： 2015-04-21
上傳用戶：天涯
用神經元模擬磁旋，用連接權模擬磁場中磁旋的相互作用，用各神經元的激活、抑制這兩種狀態(tài)，模擬磁旋的上下兩個方向。 構成一個具有記憶功能的NN，并用計算能量函數(shù)，來評價和指導整個網絡的記憶功能。
標簽： 模擬
上傳時間： 2015-04-22
上傳用戶：戀天使569
模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內部粒子隨溫升變?yōu)闊o序狀，內能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態(tài)，最后在常溫時達到基態(tài)，內能減為最小。根據Metropolis準則，粒子在溫度T時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內能，ΔE為其改變量，k為Boltzmann常數(shù)。用固體退火模擬組合優(yōu)化問題，將內能E模擬為目標函數(shù)值f，溫度T演化成控制參數(shù)t，即得到解組合優(yōu)化問題的模擬退火算法：由初始解i和控制參數(shù)初值t開始，對當前解重復“產生新解→計算目標函數(shù)差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當前解即為所得近似最優(yōu)解，這是基于蒙特卡羅迭代求解法的一種啟發(fā)式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數(shù)的初值t及其衰減因子Δt、每個t值時的迭代次數(shù)L和停止條件S。
標簽： 模擬退火算法
上傳時間： 2015-04-24
上傳用戶：R50974
模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內部粒子隨溫升變?yōu)闊o序狀，內能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態(tài)，最后在常溫時達到基態(tài)，內能減為最小。根據Metropolis準則，粒子在溫度T時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內能，ΔE為其改變量，k為Boltzmann常數(shù)。用固體退火模擬組合優(yōu)化問題，將內能E模擬為目標函數(shù)值f，溫度T演化成控制參數(shù)t，即得到解組合優(yōu)化問題的模擬退火算法：由初始解i和控制參數(shù)初值t開始，對當前解重復“產生新解→計算目標函數(shù)差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當前解即為所得近似最優(yōu)解，這是基于蒙特卡羅迭代求解法的一種啟發(fā)式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數(shù)的初值t及其衰減因子Δt、每個t值時的迭代次數(shù)L和停止條件S。
標簽： 模擬退火算法
上傳時間： 2015-04-24
上傳用戶：ryb
模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內部粒子隨溫升變?yōu)闊o序狀，內能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態(tài)，最后在常溫時達到基態(tài)，內能減為最小。根據Metropolis準則，粒子在溫度T時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內能，ΔE為其改變量，k為Boltzmann常數(shù)。用固體退火模擬組合優(yōu)化問題，將內能E模擬為目標函數(shù)值f，溫度T演化成控制參數(shù)t，即得到解組合優(yōu)化問題的模擬退火算法：由初始解i和控制參數(shù)初值t開始，對當前解重復“產生新解→計算目標函數(shù)差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當前解即為所得近似最優(yōu)解，這是基于蒙特卡羅迭代求解法的一種啟發(fā)式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數(shù)的初值t及其衰減因子Δt、每個t值時的迭代次數(shù)L和停止條件S。
標簽： 模擬退火算法
上傳時間： 2014-12-19
上傳用戶：TRIFCT
