第1章 引 言產(chǎn)業(yè)界人士和觀察家（甚至包括那些經(jīng)過多年外層空間旅行剛剛返回這個(gè)世界的人）都已經(jīng)很清楚，因特網(wǎng)（ I n t e r n e t）發(fā)展所達(dá)到的地位和其所產(chǎn)生的現(xiàn)象都不同于本世紀(jì)或上世紀(jì)所提出的任何一種技術(shù)。 I n t e r n e t的延伸和影響范圍、有關(guān) I n t e r n e t 出版物、以及包括美國(guó)在線（A O L）、美國(guó)電報(bào)電話公司（ AT & T）和微軟公司等I n t e r n e t產(chǎn)業(yè)界的大量風(fēng)險(xiǎn)投資者，這一切都會(huì)使我們有一種紛繁迷亂的感覺。所有這些都是通過這樣或那樣的方式與 I n t e r n e t連接起來(lái)。I n t e r n e t也是Joe Sixpack和Fortune 1000這樣的網(wǎng)站每天都關(guān)心、考慮和使用的唯一技術(shù)。或許I n t e r n e t是世界上少有的幾個(gè)能夠以相同的平等程度來(lái)對(duì)待每一個(gè)用戶的實(shí)體組織之一。一個(gè)企業(yè)的首席執(zhí)行官（ C E O）如果想給公司提供更好的網(wǎng)絡(luò)服務(wù)保證，他必須建立一個(gè)專用網(wǎng)絡(luò)。而在I n t e r n e t中，每一個(gè)人對(duì)網(wǎng)絡(luò)的訪問都是平等的。I n t e r n e t的發(fā)展并沒有損害到那些在過去 1 5 0年中所發(fā)展起來(lái)的其他技術(shù)。的確，電話技術(shù)是相當(dāng)重要的，它可以使我們能夠在雙方不見面的情況下通過聲音與線路另一端的人通話。同樣，汽車也改變了我們的生活，汽車的出現(xiàn)能夠使我們?cè)谝惶熘畠?nèi)跨越更大的距離，而這個(gè)距離要比任何其他動(dòng)物多出一個(gè)數(shù)量級(jí)。電燈、無(wú)線電和電視都曾經(jīng)是改善我們?nèi)粘Ｉ畹氖种匾募夹g(shù)，擴(kuò)展了我們?cè)诜撬郀顟B(tài)的時(shí)間，向我們傳播各種信息，使我們享受更多的娛樂。我們已經(jīng)在很大程度上解決了生存問題。大多數(shù)人的飯桌上有足夠的食品、有溫暖的住所，并且都有一個(gè)工作場(chǎng)所，可以每天早出晚歸地工作。我們也可以不必被動(dòng)地接收各種電視節(jié)目，而可以輕松地使用遙控器選擇欣賞自己喜愛的頻道。I n t e r n e t除了有把事情變得更好的能力外，也可能會(huì)把事情搞得更糟。在好的一方面，I n t e r n e t能夠使我們?cè)谑澜绶秶藗冞M(jìn)行對(duì)等通信；使我們能夠訪問那些存儲(chǔ)在數(shù)以百萬(wàn)計(jì)的網(wǎng)絡(luò)計(jì)算機(jī)上的幾乎無(wú)限的大量信息。一些功能強(qiáng)大的搜索引擎能夠使我們更加簡(jiǎn)單和迅速地實(shí)現(xiàn)對(duì)有用、有意義的信息資源的定位。不同階段的商務(wù)活動(dòng)，包括從最初的偶然興趣直到成熟的采購(gòu)定單等，都可以在 I n t e r n e t上完成。甚至于許多人已經(jīng)開始幻想在將來(lái)的某天，I n t e r n e t能使我們不再需要每天早起去上班了。人們可以靠在枕頭上使用一臺(tái)膝上型計(jì)算機(jī)（或許將來(lái)可能出現(xiàn)的任何先進(jìn)的計(jì)算機(jī)）通過撥接 I n t e r n e t對(duì)所有的商務(wù)活動(dòng)和某些消遣娛樂進(jìn)行管理和維護(hù)。在不利的一方面，I n t e r n e t也可能使我們成為有電子怪癖的人，使我們?nèi)狈εc其他人進(jìn)行直接交流的能力。人們僅有的非睡眠時(shí)間都將被耗費(fèi)在計(jì)算機(jī)的熒光屏前，不停地鍵入I n t e r n e t地址（U R L）或指向其他的超級(jí)鏈接。最令人不安的是，由于“等待回應(yīng)（ W F R E，waiting for reply）”而浪費(fèi)的時(shí)間是不可挽回的。 W F R E現(xiàn)象的出現(xiàn)是由于I n t e r n e t上太擁塞、太慢，以至于你的瀏覽器似乎進(jìn)入了一個(gè)永久“等待回應(yīng)”的狀態(tài)。有時(shí)候它只是幾秒鐘的問題；另一些情況下可能是幾分鐘。你在 W F R E狀態(tài)下盯著計(jì)算機(jī)熒光屏等待所花費(fèi)的時(shí)間第一部分 概 述是相當(dāng)大的，這些時(shí)間的總和可能會(huì)是一個(gè)令人吃驚的數(shù)字，其數(shù)量級(jí)或許是幾個(gè)月甚至幾年。我們所討論的要點(diǎn)在于：1) Internet已經(jīng)經(jīng)歷了巨大的增長(zhǎng)過程，并且這種增長(zhǎng)將會(huì)繼續(xù)。2) 不論是居民用戶或者是團(tuán)體用戶， I n t e r n e t都受到了同等的歡迎。對(duì)于后者， I n t e r n e t還意味著新的收入增長(zhǎng)點(diǎn)。3) 一些實(shí)力很強(qiáng)并且有創(chuàng)造力的產(chǎn)業(yè)巨頭正在致力于 I n t e r n e t的應(yīng)用，以便為其企業(yè)自身及其消費(fèi)者提供有利條件。無(wú)庸置疑，不論是偶爾對(duì) I n t e r n e t的臨時(shí)使用還是正式規(guī)范地應(yīng)用I n t e r n e t，都將導(dǎo)致對(duì)I n t e r n e t更多的興趣和廣告宣傳。與此同時(shí)，也將伴隨著 I n t e r n e t應(yīng)用和及其流量的成比例的增長(zhǎng)。4) 目前I n t e r n e t的帶寬和容量還是缺乏的，這導(dǎo)致了 I n t e r n e t上不穩(wěn)定的響應(yīng)時(shí)間和不可預(yù)知的性能。同時(shí)產(chǎn)生的問題是， I n t e r n e t是否有能力支持未來(lái)的、高帶寬需求的、時(shí)延敏感的應(yīng)用？或者說(shuō)I n t e r n e t是否有能力支持居民對(duì)帶寬容量的適度增長(zhǎng)的需求？我們是如何進(jìn)入了這樣一個(gè)不穩(wěn)定的狀態(tài)呢？這個(gè)問題有若干答案，但其中沒有一個(gè)是真正有權(quán)威性的解釋，或許還有一些是可以根本不考慮的。首先， I n t e r n e t是其自身成功的一個(gè)受害者。每一天都有新的用戶加入到 I n t e r n e t中，越來(lái)越多的人不停地使用瀏覽器通過一個(gè)We b站點(diǎn)搜尋他們所感興趣的下一個(gè) We b站點(diǎn)。由于訪問 I n t e r n e t的價(jià)格僅是電話的市話費(fèi)用附加一個(gè)適度的費(fèi)率，因此并沒有一個(gè)價(jià)格上的保護(hù)手段來(lái)防止某些瀏覽者對(duì) I n t e r n e t資源的長(zhǎng)時(shí)間占用。另一種資源的缺乏不一定是由于網(wǎng)絡(luò)資源的不足引起的，而更大程度上是由于服務(wù)器的資源不足造成的。對(duì)某些服務(wù)器或服務(wù)器陣列來(lái)說(shuō)，突發(fā)性的連接請(qǐng)求所引起的負(fù)荷和突發(fā)的頻度可能大大超過了這些服務(wù)器的處理能力。這種突發(fā)的大量的連接請(qǐng)求一般發(fā)生在大量的客戶試圖同時(shí)訪問同一個(gè) We b服務(wù)器的時(shí)候。這個(gè)問題可以被認(rèn)為是一個(gè)臨時(shí)性的問題，因?yàn)榉?wù)器的供應(yīng)商通常會(huì)不斷地提供新型的內(nèi)容服務(wù)器主機(jī)、負(fù)載平衡器、 We b緩存器等來(lái)使該問題得到緩解 。另一個(gè)問題是某些鏈路可能正好沒有足夠的帶寬來(lái)支持業(yè)務(wù)所提供的流量負(fù)荷。這個(gè)問題的部分解決方案當(dāng)然是增加更多的帶寬；一些新的技術(shù)，如波分復(fù)用（ W D M）技術(shù)，似乎可以為用戶提供幾乎無(wú)限的帶寬。所有這些我們上述所討論的問題都是造成 I n t e r n e t及I n t r a n e t（I n t r a n e t是I n t e r n e t在企業(yè)范圍內(nèi)的一個(gè)著名的復(fù)制品）性能極其不穩(wěn)定的重要因素。在這些問題中，有很多都已經(jīng)被研究清楚了；雖然其中有些諸如價(jià)格等問題是不可能在一夜之間得到解決的，但是我們至少已經(jīng)知道解決方案是存在的，并且可以在不久的將來(lái)得到應(yīng)用。然而，有關(guān)I n t e r n e t性能和基于I P協(xié)議進(jìn)行網(wǎng)絡(luò)互連的最基本問題，很大程度上還在于基本 I P路由轉(zhuǎn)發(fā)處理過程和該功能的實(shí)現(xiàn)平臺(tái)。
標(biāo)簽： ip交換技術(shù)
上傳時(shí)間： 2022-07-27
上傳用戶：fliang
Doolittle 分解法，數(shù)值分析中的重要方法，是LU分解的基礎(chǔ)算法
上傳時(shí)間： 2013-12-17
上傳用戶：qiao8960
看n2實(shí)例 #Create a simulator object set ns [new Simulator] #Define different colors for data flows #$ns color 1 Blue #$ns color 2 Red #Open the nam trace file set nf [open out-1.nam w] $ns namtrace-all $nf set f0 [open out0.tr w] set f1 [open out1.tr w] #Define a finish procedure proc finish {} { global ns nf $ns flush-trace #Close the trace file close $nf #Execute nam on the trace file exit 0 } #Create four nodes set n0 [$ns node] set n1 [$ns node] set n2 [$ns node] set n3 [$ns node] #Create links between the nodes $ns duplex-link $n0 $n2 1Mb 10ms
標(biāo)簽： simulator Simulator different Create
上傳時(shí)間： 2016-07-02
上傳用戶：wfl_yy
width = gdk_pixbuf_animation_get_width(ani) height = gdk_pixbuf_animation_get_height(ani) current_frame_list = gdk_pixbuf_animation_get_frames(ani) pixmap = gdk_pixmap_new(w->window, width, height, -1) clean_pixmap = gdk_pixmap_new(w->window, width, height, -1) if (w->style->bg_pixmap[GTK_STATE_NORMAL]) { GdkPixmap *bg = w->style->bg_pixmap[GTK_STATE_NORMAL] GdkGC *gc GdkGCValues values values.tile = bg values.fill = GDK_TILED gc = gdk_gc_new_with_values(w->window, &values, GDK_GC_FILL|GDK_GC_TILE) gdk_gc_set_ts_origin(gc, (w->allocation.width - width)/2, (w->allocation.height-height)/2) gdk_draw_rectangle(clean_pixmap,gc, TRUE, 0, 0, width, height) gdk_gc_destroy(gc) } else { gdk_draw_rectangle(clean_pixmap, w->style->bg_gc[GTK_STATE_NORMAL], TRUE, 0, 0, width, height) }
標(biāo)簽： gdk_pixbuf_animation_get_height gdk_pixbuf_animation_get_width ani height
上傳時(shí)間： 2013-12-26
上傳用戶：thinode
第1章 緒論 1 1.1 程序設(shè)計(jì)語(yǔ)言概述 1 1.1.1 機(jī)器語(yǔ)言 1 1.1.2 匯編語(yǔ)言 2 1.1.3 高級(jí)語(yǔ)言 2 1.1.4 C語(yǔ)言 3 1.2 C語(yǔ)言的優(yōu)點(diǎn)和缺點(diǎn) 4 1.2.1 C語(yǔ)言的優(yōu)點(diǎn) 4 1.2.2 C語(yǔ)言的缺點(diǎn) 6 1.3 算法概述 7 1.3.1 算法的基本特征 7 1.3.2 算法的復(fù)雜度 8 1.3.3 算法的準(zhǔn)確性 10 1.3.4 算法的穩(wěn)定性 14 第2章 復(fù)數(shù)運(yùn)算 18 2.1 復(fù)數(shù)的四則運(yùn)算 18 2.1.1 [算法1] 復(fù)數(shù)乘法 18 2.1.2 [算法2] 復(fù)數(shù)除法 20 2.1.3 【實(shí)例5】 復(fù)數(shù)的四則運(yùn)算 22 2.2 復(fù)數(shù)的常用函數(shù)運(yùn)算 23 2.2.1 [算法3] 復(fù)數(shù)的乘冪 23 2.2.2 [算法4] 復(fù)數(shù)的n次方根 25 2.2.3 [算法5] 復(fù)數(shù)指數(shù) 27 2.2.4 [算法6] 復(fù)數(shù)對(duì)數(shù) 29 2.2.5 [算法7] 復(fù)數(shù)正弦 30 2.2.6 [算法8] 復(fù)數(shù)余弦 32 2.2.7 【實(shí)例6】 復(fù)數(shù)的函數(shù)運(yùn)算 34 第3章 多項(xiàng)式計(jì)算 37 3.1 多項(xiàng)式的表示方法 37 3.1.1 系數(shù)表示法 37 3.1.2 點(diǎn)表示法 38 3.1.3 [算法9] 系數(shù)表示轉(zhuǎn)化為點(diǎn)表示 38 3.1.4 [算法10] 點(diǎn)表示轉(zhuǎn)化為系數(shù)表示 42 3.1.5 【實(shí)例7】 系數(shù)表示法與點(diǎn)表示法的轉(zhuǎn)化 46 3.2 多項(xiàng)式運(yùn)算 47 3.2.1 [算法11] 復(fù)系數(shù)多項(xiàng)式相乘 47 3.2.2 [算法12] 實(shí)系數(shù)多項(xiàng)式相乘 50 3.2.3 [算法13] 復(fù)系數(shù)多項(xiàng)式相除 52 3.2.4 [算法14] 實(shí)系數(shù)多項(xiàng)式相除 54 3.2.5 【實(shí)例8】 復(fù)系數(shù)多項(xiàng)式的乘除法 56 3.2.6 【實(shí)例9】 實(shí)系數(shù)多項(xiàng)式的乘除法 57 3.3 多項(xiàng)式的求值 59 3.3.1 [算法15] 一元多項(xiàng)式求值 59 3.3.2 [算法16] 一元多項(xiàng)式多組求值 60 3.3.3 [算法17] 二元多項(xiàng)式求值 63 3.3.4 【實(shí)例10】 一元多項(xiàng)式求值 65 3.3.5 【實(shí)例11】 二元多項(xiàng)式求值 66 第4章 矩陣計(jì)算 68 4.1 矩陣相乘 68 4.1.1 [算法18] 實(shí)矩陣相乘 68 4.1.2 [算法19] 復(fù)矩陣相乘 70 4.1.3 【實(shí)例12】 實(shí)矩陣與復(fù)矩陣的乘法 72 4.2 矩陣的秩與行列式值 73 4.2.1 [算法20] 求矩陣的秩 73 4.2.2 [算法21] 求一般矩陣的行列式值 76 4.2.3 [算法22] 求對(duì)稱正定矩陣的行列式值 80 4.2.4 【實(shí)例13】 求矩陣的秩和行列式值 82 4.3 矩陣求逆 84 4.3.1 [算法23] 求一般復(fù)矩陣的逆 84 4.3.2 [算法24] 求對(duì)稱正定矩陣的逆 90 4.3.3 [算法25] 求托伯利茲矩陣逆的Trench方法 92 4.3.4 【實(shí)例14】 驗(yàn)證矩陣求逆算法 97 4.3.5 【實(shí)例15】 驗(yàn)證T矩陣求逆算法 99 4.4 矩陣分解與相似變換 102 4.4.1 [算法26] 實(shí)對(duì)稱矩陣的LDL分解 102 4.4.2 [算法27] 對(duì)稱正定實(shí)矩陣的Cholesky分解 104 4.4.3 [算法28] 一般實(shí)矩陣的全選主元LU分解 107 4.4.4 [算法29] 一般實(shí)矩陣的QR分解 112 4.4.5 [算法30] 對(duì)稱實(shí)矩陣相似變換為對(duì)稱三對(duì)角陣 116 4.4.6 [算法31] 一般實(shí)矩陣相似變換為上Hessen-Burg矩陣 121 4.4.7 【實(shí)例16】 對(duì)一般實(shí)矩陣進(jìn)行QR分解 126 4.4.8 【實(shí)例17】 對(duì)稱矩陣的相似變換 127 4.4.9 【實(shí)例18】 一般實(shí)矩陣相似變換 129 4.5 矩陣特征值的計(jì)算 130 4.5.1 [算法32] 求上Hessen-Burg矩陣全部特征值的QR方法 130 4.5.2 [算法33] 求對(duì)稱三對(duì)角陣的全部特征值 137 4.5.3 [算法34] 求對(duì)稱矩陣特征值的雅可比法 143 4.5.4 [算法35] 求對(duì)稱矩陣特征值的雅可比過關(guān)法 147 4.5.5 【實(shí)例19】 求上Hessen-Burg矩陣特征值 151 4.5.6 【實(shí)例20】 分別用兩種雅克比法求對(duì)稱矩陣特征值 152 第5章 線性代數(shù)方程組的求解 154 5.1 高斯消去法 154 5.1.1 [算法36] 求解復(fù)系數(shù)方程組的全選主元高斯消去法 155 5.1.2 [算法37] 求解實(shí)系數(shù)方程組的全選主元高斯消去法 160 5.1.3 [算法38] 求解復(fù)系數(shù)方程組的全選主元高斯-約當(dāng)消去法 163 5.1.4 [算法39] 求解實(shí)系數(shù)方程組的全選主元高斯-約當(dāng)消去法 168 5.1.5 [算法40] 求解大型稀疏系數(shù)矩陣方程組的高斯-約當(dāng)消去法 171 5.1.6 [算法41] 求解三對(duì)角線方程組的追趕法 174 5.1.7 [算法42] 求解帶型方程組的方法 176 5.1.8 【實(shí)例21】 解線性實(shí)系數(shù)方程組 179 5.1.9 【實(shí)例22】 解線性復(fù)系數(shù)方程組 180 5.1.10 【實(shí)例23】 解三對(duì)角線方程組 182 5.2 矩陣分解法 184 5.2.1 [算法43] 求解對(duì)稱方程組的LDL分解法 184 5.2.2 [算法44] 求解對(duì)稱正定方程組的Cholesky分解法 186 5.2.3 [算法45] 求解線性最小二乘問題的QR分解法 188 5.2.4 【實(shí)例24】 求解對(duì)稱正定方程組 191 5.2.5 【實(shí)例25】 求解線性最小二乘問題 192 5.3 迭代方法 193 5.3.1 [算法46] 病態(tài)方程組的求解 193 5.3.2 [算法47] 雅克比迭代法 197 5.3.3 [算法48] 高斯-塞德爾迭代法 200 5.3.4 [算法49] 超松弛方法 203 5.3.5 [算法50] 求解對(duì)稱正定方程組的共軛梯度方法 205 5.3.6 [算法51] 求解托伯利茲方程組的列文遜方法 209 5.3.7 【實(shí)例26】 解病態(tài)方程組 214 5.3.8 【實(shí)例27】 用迭代法解方程組 215 5.3.9 【實(shí)例28】 求解托伯利茲方程組 217 第6章 非線性方程與方程組的求解 219 6.1 非線性方程求根的基本過程 219 6.1.1 確定非線性方程實(shí)根的初始近似值或根的所在區(qū)間 219 6.1.2 求非線性方程根的精確解 221 6.2 求非線性方程一個(gè)實(shí)根的方法 221 6.2.1 [算法52] 對(duì)分法 221 6.2.2 [算法53] 牛頓法 223 6.2.3 [算法54] 插值法 226 6.2.4 [算法55] 埃特金迭代法 229 6.2.5 【實(shí)例29】 用對(duì)分法求非線性方程組的實(shí)根 232 6.2.6 【實(shí)例30】 用牛頓法求非線性方程組的實(shí)根 233 6.2.7 【實(shí)例31】 用插值法求非線性方程組的實(shí)根 235 6.2.8 【實(shí)例32】 用埃特金迭代法求非線性方程組的實(shí)根 237 6.3 求實(shí)系數(shù)多項(xiàng)式方程全部根的方法 238 6.3.1 [算法56] QR方法 238 6.3.2 【實(shí)例33】 用QR方法求解多項(xiàng)式的全部根 240 6.4 求非線性方程組一組實(shí)根的方法 241 6.4.1 [算法57] 梯度法 241 6.4.2 [算法58] 擬牛頓法 244 6.4.3 【實(shí)例34】 用梯度法計(jì)算非線性方程組的一組實(shí)根 250 6.4.4 【實(shí)例35】 用擬牛頓法計(jì)算非線性方程組的一組實(shí)根 252 第7章 代數(shù)插值法 254 7.1 拉格朗日插值法 254 7.1.1 [算法59] 線性插值 255 7.1.2 [算法60] 二次拋物線插值 256 7.1.3 [算法61] 全區(qū)間插值 259 7.1.4 【實(shí)例36】 拉格朗日插值 262 7.2 埃爾米特插值 263 7.2.1 [算法62] 埃爾米特不等距插值 263 7.2.2 [算法63] 埃爾米特等距插值 267 7.2.3 【實(shí)例37】 埃爾米特插值法 270 7.3 埃特金逐步插值 271 7.3.1 [算法64] 埃特金不等距插值 272 7.3.2 [算法65] 埃特金等距插值 275 7.3.3 【實(shí)例38】 埃特金插值 278 7.4 光滑插值 279 7.4.1 [算法66] 光滑不等距插值 279 7.4.2 [算法67] 光滑等距插值 283 7.4.3 【實(shí)例39】 光滑插值 286 7.5 三次樣條插值 287 7.5.1 [算法68] 第一類邊界條件的三次樣條函數(shù)插值 287 7.5.2 [算法69] 第二類邊界條件的三次樣條函數(shù)插值 292 7.5.3 [算法70] 第三類邊界條件的三次樣條函數(shù)插值 296 7.5.4 【實(shí)例40】 樣條插值法 301 7.6 連分式插值 303 7.6.1 [算法71] 連分式插值 304 7.6.2 【實(shí)例41】 驗(yàn)證連分式插值的函數(shù) 308 第8章 數(shù)值積分法 309 8.1 變步長(zhǎng)求積法 310 8.1.1 [算法72] 變步長(zhǎng)梯形求積法 310 8.1.2 [算法73] 自適應(yīng)梯形求積法 313 8.1.3 [算法74] 變步長(zhǎng)辛卜生求積法 316 8.1.4 [算法75] 變步長(zhǎng)辛卜生二重積分方法 318 8.1.5 [算法76] 龍貝格積分 322 8.1.6 【實(shí)例42】 變步長(zhǎng)積分法進(jìn)行一重積分 325 8.1.7 【實(shí)例43】 變步長(zhǎng)辛卜生積分法進(jìn)行二重積分 326 8.2 高斯求積法 328 8.2.1 [算法77] 勒讓德-高斯求積法 328 8.2.2 [算法78] 切比雪夫求積法 331 8.2.3 [算法79] 拉蓋爾-高斯求積法 334 8.2.4 [算法80] 埃爾米特-高斯求積法 336 8.2.5 [算法81] 自適應(yīng)高斯求積方法 337 8.2.6 【實(shí)例44】 有限區(qū)間高斯求積法 342 8.2.7 【實(shí)例45】 半無(wú)限區(qū)間內(nèi)高斯求積法 343 8.2.8 【實(shí)例46】 無(wú)限區(qū)間內(nèi)高斯求積法 345 8.3 連分式法 346 8.3.1 [算法82] 計(jì)算一重積分的連分式方法 346 8.3.2 [算法83] 計(jì)算二重積分的連分式方法 350 8.3.3 【實(shí)例47】 連分式法進(jìn)行一重積分 354 8.3.4 【實(shí)例48】 連分式法進(jìn)行二重積分 355 8.4 蒙特卡洛法 356 8.4.1 [算法84] 蒙特卡洛法進(jìn)行一重積分 356 8.4.2 [算法85] 蒙特卡洛法進(jìn)行二重積分 358 8.4.3 【實(shí)例49】 一重積分的蒙特卡洛法 360 8.4.4 【實(shí)例50】 二重積分的蒙特卡洛法 361 第9章 常微分方程(組)初值問題的求解 363 9.1 歐拉方法 364 9.1.1 [算法86] 定步長(zhǎng)歐拉方法 364 9.1.2 [算法87] 變步長(zhǎng)歐拉方法 366 9.1.3 [算法88] 改進(jìn)的歐拉方法 370 9.1.4 【實(shí)例51】 歐拉方法求常微分方程數(shù)值解 372 9.2 龍格-庫(kù)塔方法 376 9.2.1 [算法89] 定步長(zhǎng)龍格-庫(kù)塔方法 376 9.2.2 [算法90] 變步長(zhǎng)龍格-庫(kù)塔方法 379 9.2.3 [算法91] 變步長(zhǎng)基爾方法 383 9.2.4 【實(shí)例52】 龍格-庫(kù)塔方法求常微分方程的初值問題 386 9.3 線性多步法 390 9.3.1 [算法92] 阿當(dāng)姆斯預(yù)報(bào)校正法 390 9.3.2 [算法93] 哈明方法 394 9.3.3 [算法94] 全區(qū)間積分的雙邊法 399 9.3.4 【實(shí)例53】 線性多步法求常微分方程組初值問題 401 第10章 擬合與逼近 405 10.1 一元多項(xiàng)式擬合 405 10.1.1 [算法95] 最小二乘擬合 405 10.1.2 [算法96] 最佳一致逼近的里米茲方法 412 10.1.3 【實(shí)例54】 一元多項(xiàng)式擬合 417 10.2 矩形區(qū)域曲面擬合 419 10.2.1 [算法97] 矩形區(qū)域最小二乘曲面擬合 419 10.2.2 【實(shí)例55】 二元多項(xiàng)式擬合 428 第11章 特殊函數(shù) 430 11.1 連分式級(jí)數(shù)和指數(shù)積分 430 11.1.1 [算法98] 連分式級(jí)數(shù)求值 430 11.1.2 [算法99] 指數(shù)積分 433 11.1.3 【實(shí)例56】 連分式級(jí)數(shù)求值 436 11.1.4 【實(shí)例57】 指數(shù)積分求值 438 11.2 伽馬函數(shù) 439 11.2.1 [算法100] 伽馬函數(shù) 439 11.2.2 [算法101] 貝塔函數(shù) 441 11.2.3 [算法102] 階乘 442 11.2.4 【實(shí)例58】 伽馬函數(shù)和貝塔函數(shù)求值 443 11.2.5 【實(shí)例59】 階乘求值 444 11.3 不完全伽馬函數(shù) 445 11.3.1 [算法103] 不完全伽馬函數(shù) 445 11.3.2 [算法104] 誤差函數(shù) 448 11.3.3 [算法105] 卡方分布函數(shù) 450 11.3.4 【實(shí)例60】 不完全伽馬函數(shù)求值 451 11.3.5 【實(shí)例61】 誤差函數(shù)求值 452 11.3.6 【實(shí)例62】 卡方分布函數(shù)求值 453 11.4 不完全貝塔函數(shù) 454 11.4.1 [算法106] 不完全貝塔函數(shù) 454 11.4.2 [算法107] 學(xué)生分布函數(shù) 457 11.4.3 [算法108] 累積二項(xiàng)式分布函數(shù) 458 11.4.4 【實(shí)例63】 不完全貝塔函數(shù)求值 459 11.5 貝塞爾函數(shù) 461 11.5.1 [算法109] 第一類整數(shù)階貝塞爾函數(shù) 461 11.5.2 [算法110] 第二類整數(shù)階貝塞爾函數(shù) 466 11.5.3 [算法111] 變型第一類整數(shù)階貝塞爾函數(shù) 469 11.5.4 [算法112] 變型第二類整數(shù)階貝塞爾函數(shù) 473 11.5.5 【實(shí)例64】 貝塞爾函數(shù)求值 476 11.5.6 【實(shí)例65】 變型貝塞爾函數(shù)求值 477 11.6 Carlson橢圓積分 479 11.6.1 [算法113] 第一類橢圓積分 479 11.6.2 [算法114] 第一類橢圓積分的退化形式 481 11.6.3 [算法115] 第二類橢圓積分 483 11.6.4 [算法116] 第三類橢圓積分 486 11.6.5 【實(shí)例66】 第一類勒讓德橢圓函數(shù)積分求值 490 11.6.6 【實(shí)例67】 第二類勒讓德橢圓函數(shù)積分求值 492 第12章 極值問題 494 12.1 一維極值求解方法 494 12.1.1 [算法117] 確定極小值點(diǎn)所在的區(qū)間 494 12.1.2 [算法118] 一維黃金分割搜索 499 12.1.3 [算法119] 一維Brent方法 502 12.1.4 [算法120] 使用一階導(dǎo)數(shù)的Brent方法 506 12.1.5 【實(shí)例68】 使用黃金分割搜索法求極值 511 12.1.6 【實(shí)例69】 使用Brent法求極值 513 12.1.7 【實(shí)例70】 使用帶導(dǎo)數(shù)的Brent法求極值 515 12.2 多元函數(shù)求極值 517 12.2.1 [算法121] 不需要導(dǎo)數(shù)的一維搜索 517 12.2.2 [算法122] 需要導(dǎo)數(shù)的一維搜索 519 12.2.3 [算法123] Powell方法 522 12.2.4 [算法124] 共軛梯度法 525 12.2.5 [算法125] 準(zhǔn)牛頓法 531 12.2.6 【實(shí)例71】 驗(yàn)證不使用導(dǎo)數(shù)的一維搜索 536 12.2.7 【實(shí)例72】 用Powell算法求極值 537 12.2.8 【實(shí)例73】 用共軛梯度法求極值 539 12.2.9 【實(shí)例74】 用準(zhǔn)牛頓法求極值 540 12.3 單純形法 542 12.3.1 [算法126] 求無(wú)約束條件下n維極值的單純形法 542 12.3.2 [算法127] 求有約束條件下n維極值的單純形法 548 12.3.3 [算法128] 解線性規(guī)劃問題的單純形法 556 12.3.4 【實(shí)例75】 用單純形法求無(wú)約束條件下N維的極值 568 12.3.5 【實(shí)例76】 用單純形法求有約束條件下N維的極值 569 12.3.6 【實(shí)例77】 求解線性規(guī)劃問題 571 第13章 隨機(jī)數(shù)產(chǎn)生與統(tǒng)計(jì)描述 574 13.1 均勻分布隨機(jī)序列 574 13.1.1 [算法129] 產(chǎn)生0到1之間均勻分布的一個(gè)隨機(jī)數(shù) 574 13.1.2 [算法130] 產(chǎn)生0到1之間均勻分布的隨機(jī)數(shù)序列 576 13.1.3 [算法131] 產(chǎn)生任意區(qū)間內(nèi)均勻分布的一個(gè)隨機(jī)整數(shù) 577 13.1.4 [算法132] 產(chǎn)生任意區(qū)間內(nèi)均勻分布的隨機(jī)整數(shù)序列 578 13.1.5 【實(shí)例78】 產(chǎn)生0到1之間均勻分布的隨機(jī)數(shù)序列 580 13.1.6 【實(shí)例79】 產(chǎn)生任意區(qū)間內(nèi)均勻分布的隨機(jī)整數(shù)序列 581 13.2 正態(tài)分布隨機(jī)序列 582 13.2.1 [算法133] 產(chǎn)生任意均值與方差的正態(tài)分布的一個(gè)隨機(jī)數(shù) 582 13.2.2 [算法134] 產(chǎn)生任意均值與方差的正態(tài)分布的隨機(jī)數(shù)序列 585 13.2.3 【實(shí)例80】 產(chǎn)生任意均值與方差的正態(tài)分布的一個(gè)隨機(jī)數(shù) 587 13.2.4 【實(shí)例81】 產(chǎn)生任意均值與方差的正態(tài)分布的隨機(jī)數(shù)序列 588 13.3 統(tǒng)計(jì)描述 589 13.3.1 [算法135] 分布的矩 589 13.3.2 [算法136] 方差相同時(shí)的t分布檢驗(yàn) 591 13.3.3 [算法137] 方差不同時(shí)的t分布檢驗(yàn) 594 13.3.4 [算法138] 方差的F檢驗(yàn) 596 13.3.5 [算法139] 卡方檢驗(yàn) 599 13.3.6 【實(shí)例82】 計(jì)算隨機(jī)樣本的矩 601 13.3.7 【實(shí)例83】 t分布檢驗(yàn) 602 13.3.8 【實(shí)例84】 F分布檢驗(yàn) 605 13.3.9 【實(shí)例85】 檢驗(yàn)卡方檢驗(yàn)的算法 607 第14章 查找 609 14.1 基本查找 609 14.1.1 [算法140] 有序數(shù)組的二分查找 609 14.1.2 [算法141] 無(wú)序數(shù)組同時(shí)查找最大和最小的元素 611 14.1.3 [算法142] 無(wú)序數(shù)組查找第M小的元素 613 14.1.4 【實(shí)例86】 基本查找 615 14.2 結(jié)構(gòu)體和磁盤文件的查找 617 14.2.1 [算法143] 無(wú)序結(jié)構(gòu)體數(shù)組的順序查找 617 14.2.2 [算法144] 磁盤文件中記錄的順序查找 618 14.2.3 【實(shí)例87】 結(jié)構(gòu)體數(shù)組和文件中的查找 619 14.3 哈希查找 622 14.3.1 [算法145] 字符串哈希函數(shù) 622 14.3.2 [算法146] 哈希函數(shù) 626 14.3.3 [算法147] 向哈希表中插入元素 628 14.3.4 [算法148] 在哈希表中查找元素 629 14.3.5 [算法149] 在哈希表中刪除元素 631 14.3.6 【實(shí)例88】 構(gòu)造哈希表并進(jìn)行查找 632 第15章 排序 636 15.1 插入排序 636 15.1.1 [算法150] 直接插入排序 636 15.1.2 [算法151] 希爾排序 637 15.1.3 【實(shí)例89】 插入排序 639 15.2 交換排序 641 15.2.1 [算法152] 氣泡排序 641 15.2.2 [算法153] 快速排序 642 15.2.3 【實(shí)例90】 交換排序 644 15.3 選擇排序 646 15.3.1 [算法154] 直接選擇排序 646 15.3.2 [算法155] 堆排序 647 15.3.3 【實(shí)例91】 選擇排序 650 15.4 線性時(shí)間排序 651 15.4.1 [算法156] 計(jì)數(shù)排序 651 15.4.2 [算法157] 基數(shù)排序 653 15.4.3 【實(shí)例92】 線性時(shí)間排序 656 15.5 歸并排序 657 15.5.1 [算法158] 二路歸并排序 658 15.5.2 【實(shí)例93】 二路歸并排序 660 第16章 數(shù)學(xué)變換與濾波 662 16.1 快速傅里葉變換 662 16.1.1 [算法159] 復(fù)數(shù)據(jù)快速傅里葉變換 662 16.1.2 [算法160] 復(fù)數(shù)據(jù)快速傅里葉逆變換 666 16.1.3 [算法161] 實(shí)數(shù)據(jù)快速傅里葉變換 669 16.1.4 【實(shí)例94】 驗(yàn)證傅里葉變換的函數(shù) 671 16.2 其他常用變換 674 16.2.1 [算法162] 快速沃爾什變換 674 16.2.2 [算法163] 快速哈達(dá)瑪變換 678 16.2.3 [算法164] 快速余弦變換 682 16.2.4 【實(shí)例95】 驗(yàn)證沃爾什變換和哈達(dá)瑪?shù)暮瘮?shù) 684 16.2.5 【實(shí)例96】 驗(yàn)證離散余弦變換的函數(shù) 687 16.3 平滑和濾波 688 16.3.1 [算法165] 五點(diǎn)三次平滑 689 16.3.2 [算法166] α-β-γ濾波 690 16.3.3 【實(shí)例97】 驗(yàn)證五點(diǎn)三次平滑 692 16.3.4 【實(shí)例98】 驗(yàn)證α-β-γ濾波算法 693
標(biāo)簽： C 算法 附件 源代碼
上傳時(shí)間： 2015-06-29
上傳用戶：cbsdukaf
說(shuō)明：1，測(cè)試交流電源（Test AC Power Supply）：A.中國(guó)（China）：AC 220V+/-2%50Hz+/-2%B.美國(guó)（United States of America）：AC 120V+/-2%60Hz+/-2%。C.英國(guó)（Britain）：AC 240V+/-2%50Hz+/-2%D.歐洲（Europe）：AC 230V+/-2%50Hz+/-2%E.日本（Japan）：AC 100V+/-2%60Hz+/-2%F.墨西哥（Mexico）：AC 127V+/-2%60Hz+/-2%2，測(cè)試溫度條件（Test Temperature Conditions）：25℃+/-2℃。3，測(cè)試以右聲道為準(zhǔn)（Standard Test Use Right Channell）4，信號(hào)由AUX插座輸入（Signal From AUX Jack Input）。5，測(cè)試以音量最大，音調(diào)和平衡在中央位置（電子音調(diào)在正常狀態(tài)）。（Test Volume Setup Max，Equalizer And Balance Setup Center）。6，標(biāo)準(zhǔn)輸出（Standard Output）：A.輸入1 KHz頻率信號(hào)（Input 1 KHz Frequency Signal）B.左右聲道輸入信號(hào)測(cè)試右聲道（L&R Input Signal Test Use R Channel）C.額定輸出功率満（Rating Output Power Full）10 W，標(biāo)準(zhǔn)輸出定為1w.（Rating Output Power Full 10 w，Standard Output Setup 1 W）D.額定輸出功率1W到10w，標(biāo)準(zhǔn)輸出定為500 mW（Rating Output Power 1 W To 10 W，Standard Output Setup 500 mW）E.額定輸出功率小于1w，標(biāo)準(zhǔn)輸出定為50 mW（Rating Output Power Not Full 1 W，Standard Output Setup 50 mW）F.標(biāo)準(zhǔn)輸出電壓以V-VPR為準(zhǔn)（Standard Output Voltage Use V-V/PR）。G.V-V/PR中P為額定輸出功率，R為喇叭標(biāo)稱阻抗。
標(biāo)簽： 音響功放
上傳時(shí)間： 2022-06-18
上傳用戶：
slickeditv10.0linuxcrackz.w.t.zip SlickEdit v10.0 for linux 注冊(cè)機(jī) 在國(guó)內(nèi)網(wǎng)站上找了N天都沒找到，在國(guó)外一家網(wǎng)站找到。雖然不是源代碼，但是SlickEdit是Linux下最好用的30多種編程IDE。這個(gè)是注冊(cè)機(jī)安裝文件在百度裡找吧
標(biāo)簽： 10.0 linuxcrackz slickeditv SlickEdit
上傳時(shí)間： 2013-12-10
上傳用戶：大融融rr
Linux下的voip通信終端軟件,common目綠為多媒體開發(fā)包,主要提供內(nèi)存mbus,md5,hmac,網(wǎng)絡(luò)接口方面的函數(shù).rat為主要的函數(shù)集.
標(biāo)簽： common Linux voip mbus
上傳時(shí)間： 2015-04-28
上傳用戶：songnanhua
介紹了一種反對(duì)稱漸變波導(dǎo)微帶探針過渡結(jié)構(gòu)，采用高頻仿真軟件HFSS仿真分析了這個(gè)波導(dǎo)微帶過渡結(jié)構(gòu)在 W 頻段的特性，并對(duì)影響過渡性能的幾個(gè)因素進(jìn)行了敏感性分析，得出了可供工程應(yīng)用參考的設(shè)計(jì)曲線。在全波導(dǎo)帶寬內(nèi)，實(shí)現(xiàn)了插入損耗小于0.088 dB，回波損耗大于27 dB。該結(jié)構(gòu)具有寬頻帶、結(jié)構(gòu)簡(jiǎn)單和易加工等優(yōu)點(diǎn)，可廣泛用于毫米波固態(tài)電路系統(tǒng)中。
標(biāo)簽： W波段 對(duì)稱 探針 轉(zhuǎn)換
上傳時(shí)間： 2013-11-13
上傳用戶：名爵少年
本文介紹了一種由低次級(jí)聯(lián)形式構(gòu)成的W波段寬帶六倍頻器。輸入信號(hào)先經(jīng)過MMIC得到二倍頻，再由反向并聯(lián)二極管對(duì)平衡結(jié)構(gòu)實(shí)現(xiàn)寬帶三倍頻，從而將Ku波段信號(hào)六倍頻到W波段。該倍頻器的輸入端口為玻璃絕緣子同軸轉(zhuǎn)換接頭，輸出為 WR-10 標(biāo)準(zhǔn)矩形波導(dǎo)結(jié)構(gòu)。仿真結(jié)果表明當(dāng)輸入信號(hào)功率為20dBm時(shí)，三倍頻器在整個(gè)W波段的輸出三次諧波功率為4.5dBm左右，變頻損耗小于17dB。該設(shè)計(jì)可以降低毫米波設(shè)備的主振頻率，擴(kuò)展已有微波信號(hào)源的工作頻段。
上傳時(shí)間： 2013-11-16
上傳用戶：qingzhuhu
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
