久久99久久99精品蜜柚传媒,草莓视频丝瓜在线观看丝瓜18,亚洲精品视频一区

算法改進(jìn)

一個遺傳算法的工具箱經過改編后的。可以進行部分創新

一個遺傳算法的工具箱經過改編后的。可以進行部分創新

標簽： 算法工具箱分創新

上傳時間： 2013-12-30

上傳用戶：zhaoq123
此程序改自算法課的一個作業

此程序改自算法課的一個作業，用四種不同的算法，對隨機生成的n個數排序(n取值500至5000），并重復n遍，最后統計平均比較次數。本在xp下用vc6編寫，現在修改為Ubuntu下gcc編譯。 sortArchieve.c內為各個排序算法的實現

標簽： 程序算法

上傳時間： 2014-01-22

上傳用戶：linlin
改文件是用C++來實現kmeans的算法

改文件是用C++來實現kmeans的算法，學過模式識別的人都知道這個算法的，是用來實現數據的聚類

標簽： kmeans 算法

上傳時間： 2014-01-13

上傳用戶：epson850
ADT BinaryTree 的實現及驗證程序采用的主要數據結構：二叉樹、棧、隊算法思想：1、先序建樹、輸出樹、后序遍歷用遞歸方法。性能分析：O( n )2、先序遍歷、中序遍歷：性能分析：O( n

ADT BinaryTree 的實現及驗證程序采用的主要數據結構：二叉樹、棧、隊算法思想：1、先序建樹、輸出樹、后序遍歷用遞歸方法。性能分析：O( n )2、先序遍歷、中序遍歷：性能分析：O( n )(1) 若遇到新節點非空則先入棧，然后訪問其左子樹。(2) 若為空則將棧頂結點出棧，訪問其右子樹。(3) 循環1、2直到棧為空且無節點可入棧。先序與中序的區別是：先序在入棧時訪問節點，中序在出棧時訪問節點。3、層遍歷：性能分析：O( n )(1) 根節點入隊(2) 節點出隊并訪問(3) 若節點有左孩子，則左孩子入隊；有右孩子，則右孩子入隊。(4) 重復2、3直到隊列為空。4、線索樹：算法與先序遍歷、中序遍歷一樣，只是將訪問節點的Visit函數改為連接前驅與后繼的操作。性能分析：O(

標簽： BinaryTree ADT 性能分析樹

上傳時間： 2014-12-20

上傳用戶：SimonQQ
圖像壓縮的MATLAB算法之JEPG

圖像壓縮的MATLAB算法之JEPG，完整的例程，參改價值高。

標簽： MATLAB JEPG 圖像壓縮算法

上傳時間： 2013-12-21

上傳用戶：13188549192
簡單好用的AES算法

簡單好用的AES算法，提供基本的對文件的加密、解密和數據塊的加密、解密，目前的版本是靜態庫，很容易改做成動態庫，亦可輕松移植到Linux平臺，已測試過跟Java等其他標準AES加密庫成功對接（可相互加、解密）。

標簽： AES 算法

上傳時間： 2015-04-13

上傳用戶：silenthink
模擬退火算法來源于固體退火原理

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為無序狀，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，最后在常溫時達到基態，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。用固體退火模擬組合優化問題，將內能E模擬為目標函數值f，溫度T演化成控制參數t，即得到解組合優化問題的模擬退火算法：由初始解i和控制參數初值t開始，對當前解重復“產生新解→計算目標函數差→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解，這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數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

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為無序狀，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，最后在常溫時達到基態，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。用固體退火模擬組合優化問題，將內能E模擬為目標函數值f，溫度T演化成控制參數t，即得到解組合優化問題的模擬退火算法：由初始解i和控制參數初值t開始，對當前解重復“產生新解→計算目標函數差→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解，這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數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

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為無序狀，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，最后在常溫時達到基態，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。用固體退火模擬組合優化問題，將內能E模擬為目標函數值f，溫度T演化成控制參數t，即得到解組合優化問題的模擬退火算法：由初始解i和控制參數初值t開始，對當前解重復“產生新解→計算目標函數差→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解，這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數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
本例是用md5做為數據校驗的算法防止自己的程序被篡改的小例子。有些可執行程序

本例是用md5做為數據校驗的算法防止自己的程序被篡改的小例子。有些可執行程序，當被改了資源時再運行會有文件已損壞的提示，這就是使用了數據校驗。當然你可以使用個性化的,比如des作為數字簽名，那樣安全性更高。具體請見代碼及注釋.

標簽： md5 程序數據校驗可執行

上傳時間： 2015-04-27

上傳用戶：tedo811