這是s3c4510原廠開(kāi)發(fā)版的cdrom內(nèi)容，但是因?yàn)樵瓘S停產(chǎn)，所以已經(jīng)下載不到，得來(lái)不易，是arm初學(xué)者必備文檔。
上傳時(shí)間： 2014-02-12
上傳用戶：偷心的海盜
基於S3C44B0X上的各種範(fàn)例，可以實(shí)驗(yàn)IDE,PWM,USB,LED...etc。對(duì)於初學(xué)嵌入式系統(tǒng)者有很大助益。
標(biāo)簽： S3C44B0X
上傳時(shí)間： 2014-01-19
上傳用戶：sy_jiadeyi
SQL基礎(chǔ) 使用SQL從表中取記錄 使用ISQL執(zhí)行SELECT查詢 操作多個(gè)表 排序查詢結(jié)果 取出互不相同的記錄 創(chuàng)建新表 使用SQL事務(wù)管理器 創(chuàng)建索引 SQL核心語(yǔ)句 集合函數(shù) 其它常用的SQL表達(dá)式，函數(shù)，和過(guò)程
上傳時(shí)間： 2013-12-31
上傳用戶：kytqcool
改進(jìn)遺傳算法－郭濤算法做最優(yōu)化問(wèn)題很管用,算法的基本思想是 先任意產(chǎn)生n個(gè)隨機(jī)數(shù)，然后從n個(gè)數(shù)里隨機(jī)選擇m個(gè)數(shù)，再有這m個(gè) 數(shù)合成一個(gè)新數(shù)，將這個(gè)新數(shù)同n個(gè)數(shù)中間適應(yīng)值函數(shù)值的最差的比較， 如果好的話就取代最差的那個(gè)，如果它比最好的還要好的話，則把最好的 也取代。如果比最差的壞，則重新合成一個(gè)新數(shù)。依次循環(huán)下去。 程序的奇妙之處是GA_crossover()函數(shù)，產(chǎn)生的新數(shù)確實(shí)比較好，看看 那位大俠能改進(jìn)一下，產(chǎn)生比這跟好的數(shù)。
標(biāo)簽： 算法 郭濤算法 隨機(jī)數(shù)
上傳時(shí)間： 2015-04-10
上傳用戶：thuyenvinh
模擬退火算法來(lái)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(shí)，固體內(nèi)部粒子隨溫升變?yōu)闊o(wú)序狀，內(nèi)能增大，而徐徐冷卻時(shí)粒子漸趨有序，在每個(gè)溫度都達(dá)到平衡態(tài)，最后在常溫時(shí)達(dá)到基態(tài)，內(nèi)能減為最小。根據(jù)Metropolis準(zhǔn)則，粒子在溫度T時(shí)趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時(shí)的內(nèi)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(wèn)題，將內(nèi)能E模擬為目標(biāo)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(wèn)題的模擬退火算法：由初始解i和控制參數(shù)初值t開(kāi)始，對(duì)當(dāng)前解重復(fù)“產(chǎn)生新解→計(jì)算目標(biāo)函數(shù)差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時(shí)的當(dāng)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(jī)搜索過(guò)程。退火過(guò)程由冷卻進(jìn)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(gè)t值時(shí)的迭代次數(shù)L和停止條件S。
標(biāo)簽： 模擬退火算法
上傳時(shí)間： 2015-04-24
上傳用戶：R50974
模擬退火算法來(lái)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(shí)，固體內(nèi)部粒子隨溫升變?yōu)闊o(wú)序狀，內(nèi)能增大，而徐徐冷卻時(shí)粒子漸趨有序，在每個(gè)溫度都達(dá)到平衡態(tài)，最后在常溫時(shí)達(dá)到基態(tài)，內(nèi)能減為最小。根據(jù)Metropolis準(zhǔn)則，粒子在溫度T時(shí)趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時(shí)的內(nèi)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(wèn)題，將內(nèi)能E模擬為目標(biāo)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(wèn)題的模擬退火算法：由初始解i和控制參數(shù)初值t開(kāi)始，對(duì)當(dāng)前解重復(fù)“產(chǎn)生新解→計(jì)算目標(biāo)函數(shù)差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時(shí)的當(dāng)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(jī)搜索過(guò)程。退火過(guò)程由冷卻進(jìn)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(gè)t值時(shí)的迭代次數(shù)L和停止條件S。
標(biāo)簽： 模擬退火算法
上傳時(shí)間： 2015-04-24
上傳用戶：ryb
模擬退火算法來(lái)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(shí)，固體內(nèi)部粒子隨溫升變?yōu)闊o(wú)序狀，內(nèi)能增大，而徐徐冷卻時(shí)粒子漸趨有序，在每個(gè)溫度都達(dá)到平衡態(tài)，最后在常溫時(shí)達(dá)到基態(tài)，內(nèi)能減為最小。根據(jù)Metropolis準(zhǔn)則，粒子在溫度T時(shí)趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時(shí)的內(nèi)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(wèn)題，將內(nèi)能E模擬為目標(biāo)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(wèn)題的模擬退火算法：由初始解i和控制參數(shù)初值t開(kāi)始，對(duì)當(dāng)前解重復(fù)“產(chǎn)生新解→計(jì)算目標(biāo)函數(shù)差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時(shí)的當(dāng)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(jī)搜索過(guò)程。退火過(guò)程由冷卻進(jìn)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(gè)t值時(shí)的迭代次數(shù)L和停止條件S。
標(biāo)簽： 模擬退火算法
上傳時(shí)間： 2014-12-19
上傳用戶：TRIFCT
[書(shū)籍] Microsoft SQL Server 2005 Reporting Services For Dummies 書(shū)籍名稱：Microsoft SQL Server 2005 Reporting Services For Dummies 出版社 ：Wiley 作者 ：Mark Robinson 書(shū)籍語(yǔ)言：English 書(shū)籍類型：教學(xué) - 軟件教學(xué) 檔案格式：PDF 檔案大小：7.75MB 發(fā)行日期：December 2005
標(biāo)簽： Microsoft Server 2005 SQL
上傳時(shí)間： 2015-05-04
上傳用戶：小鵬
7種插值算法的c++代碼實(shí)現(xiàn)，1 拉格朗日插值(POLINT) 2 有理函數(shù)插值(RATINT) 3 三次樣條插值(SPLINE(二階導(dǎo)數(shù)值)->SPLINT(函數(shù)值)) 4 有序表的檢索法(LOCATE(二分法), HUNT(關(guān)聯(lián)法)) 5 插值多項(xiàng)式(POLCOE(n2), POLCOF(n3)) 6 二元拉格朗日插值(POLIN2) 7 雙三次樣條插值(SPLIE2)
上傳時(shí)間： 2015-05-09
上傳用戶：yph853211
5種函數(shù)逼近的c++代碼， 1 級(jí)數(shù)求和(EULSUM) 2 多項(xiàng)式和有理函數(shù)(DDPOLY(函數(shù)值), POLDIV(兩個(gè)多項(xiàng)式的商及余)) 3 切比雪夫逼近(CHEBFT->CHEBEV) 4 積分和導(dǎo)數(shù)的切比雪夫逼近(CHINT(不定積分), CHDER(導(dǎo)函數(shù))) 5 用切比雪夫逼近求函數(shù)的多項(xiàng)式逼近(CHEBPC, PCSHFT)
上傳時(shí)間： 2013-12-15
上傳用戶：水口鴻勝電器
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
