很好的 基於WebForm的操作Word文檔實例配套源碼
上傳時間： 2014-12-01
上傳用戶：hopy
并用編程實現(xiàn)兩種LCD 驅(qū)動方式的基本原 理和方法；1．用總線方式直接驅(qū)動帶有驅(qū)動模塊的LCD。 2．用ARM 內(nèi)置的LCD 控制器來驅(qū)動LCD。
標(biāo)簽： LCD ARM 編程實現(xiàn) 總線
上傳時間： 2015-04-18
上傳用戶：myworkpost
卡內(nèi)基大學(xué)數(shù)據(jù)與算法作業(yè)考試習(xí)題， 以CHM文件形式提供。
標(biāo)簽： 大學(xué) 數(shù)據(jù) 算法
上傳時間： 2015-04-22
上傳用戶：希醬大魔王
一種基于模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)控制器
標(biāo)簽： 模糊 徑向基函數(shù) 學(xué)習(xí)控制 神經(jīng)網(wǎng)絡(luò)
上傳時間： 2013-12-23
上傳用戶：haohaoxuexi
這是我修讀美國卡耐基梅隆大學(xué)Carnegie Mellon University（CMU）課程ssd3:Object-Oriented Programming and Design時完成的課程設(shè)計，內(nèi)含課程設(shè)計報告，類圖，源碼（注釋規(guī)范）。執(zhí)行效果見報告內(nèi)。
標(biāo)簽： Object-Oriented Programming University Carnegie
上傳時間： 2015-04-23
上傳用戶：腳趾頭
《湖泊生態(tài)的簡單模擬》（Simulation Of Living Beings In A Lake ）。這是我修讀美國卡耐基梅隆大學(xué)Carnegie Mellon University（CMU）課程ssd1:Information Systems時完成的一個課程設(shè)計，內(nèi)含課程設(shè)計報告、類圖、源碼（1800多行），并附傳了workbench（CMU提供的虛擬服務(wù)器，可用tomcat替換）。本人當(dāng)時為軟件工程專業(yè)大一學(xué)生。
標(biāo)簽： Simulation University Carnegie Living
上傳時間： 2014-01-01
上傳用戶：leehom61
請大家看一看, 我編的這個用遺傳算法求 f(x)=xsin(10pi*x)+2.0 x為-1到2區(qū)間的值
上傳時間： 2015-04-24
上傳用戶：15071087253
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(nèi)部粒子隨溫升變?yōu)闊o序狀，內(nèi)能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達(dá)到平衡態(tài)，最后在常溫時達(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時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內(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(dāng)前解重復(fù)“產(chǎn)生新解→計算目標(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)式隨機搜索過程。退火過程由冷卻進(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t值時的迭代次數(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(nèi)部粒子隨溫升變?yōu)闊o序狀，內(nèi)能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達(dá)到平衡態(tài)，最后在常溫時達(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時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內(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(dāng)前解重復(fù)“產(chǎn)生新解→計算目標(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)式隨機搜索過程。退火過程由冷卻進(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t值時的迭代次數(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(nèi)部粒子隨溫升變?yōu)闊o序狀，內(nèi)能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達(dá)到平衡態(tài)，最后在常溫時達(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時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內(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(dāng)前解重復(fù)“產(chǎn)生新解→計算目標(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)式隨機搜索過程。退火過程由冷卻進(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t值時的迭代次數(shù)L和停止條件S。
標(biāo)簽： 模擬退火算法
上傳時間： 2014-12-19
上傳用戶：TRIFCT
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
