/*最大k乘積問題 問題描述: 設I是一個n位十進制整數。如果將I劃分為k段，則可得到k個整數。這k個整數的乘積稱為I的一個k乘積 。 試設計一個算法，對于給定的I和k，求出I的最大k乘積（n<=10）。 示例:輸入為 ： 4 3 結果:1234 */
上傳時間： 2013-12-14
上傳用戶：caixiaoxu26
回溯（b a c k t r a c k i n g）是一種系統地搜索問題解答的方法。為了實現回溯，首先需要為問題定義一個解空間（ solution space），這個空間必須至少包含問題的一個解（可能是最優的）。在迷宮老鼠問題中，我們可以定義一個包含從入口到出口的所有路徑的解空間；在具有n 個對象的0 / 1背包問題中（見1 . 4節和2 . 2節），解空間的一個合理選擇是2n 個長度為n 的0 / 1向量的集合，這個集合表示了將0或1分配給x的所有可能方法。當n= 3時，解空間為{ ( 0 , 0 , 0 )，( 0 , 1 , 0 )，( 0 , 0 , 1 )，( 1 , 0 , 0 )，( 0 , 1 , 1 )，( 1 , 0 , 1 )，( 1 , 1 , 0 )，( 1 , 1 , 1 ) }。
標簽： 搜索
上傳時間： 2014-01-17
上傳用戶：jhksyghr
設I是一個n位十進制整數。如果將I劃分為k段，則可得到k個整數。這k個整數的乘積稱為I的一個k乘積。 編程任務：對于給定的I 和k，編程計算I的最大k乘積。
上傳時間： 2016-10-10
上傳用戶：13188549192
y3k=fft(u,(m+n-2)/4) i=1:(m+n-2)/4 subplot(5,2,9) stem(i,u) title( 濾波后上采樣 ) k=1:(m+n-2)/4 subplot(5,2,10) stem(k,y3k) title( 上采樣頻譜 ) xlabel( k ) ylabel( y3k )
上傳時間： 2013-12-18
上傳用戶：zhliu007
設∑＝{α1, α2…… αn }是n個互不相同的符號組成的符號集。 Lk＝{β1β2…βk | βiЄ ∑,1≤i≤k}是∑中字符組成的長度為k 的全體字符串。 S是Lk的子集，S是Lk的無分隔符字典是指對任意的S中元素a1a2…ak， b1b2…bk. {a2a3…akb1, a3a4…akb1b2, ……, akb1b2… bk-1 }∩S=Φ。該算法算法，對于給定的正整數n 和k，計算 Lk的最大無分隔符字典。
上傳時間： 2013-12-26
上傳用戶：waitingfy
書 名：Programming Windows程式開發設計指南 出版日期：2000/6/2 書 號：957-8239-73-4 I S B N：957-8239-73-4 原 作 者：Charles Petzold 譯 者：余孟學
標簽： 8239 Programming 957 Windows
上傳時間： 2015-04-26
上傳用戶：xinyuzhiqiwuwu
本題的算法中涉及的三個函數： double bbp(int n,int k,int l) 其中n為十六進制位第n位，k取值范圍為0到n+7，用來計算16nS1，16nS2，16nS3，16nS4小數部分的每一項。返回每一項的小數部分。 void pi(int m,int n,int p[]) 計算從n位開始的連續m位的十六進制數字。其中p為存儲十六進制數字的數組。 void div(int p[]) void add(int a[],int b[]) 這兩個函數都是為最后把十六進制數字轉換為十進制數字服務的。 最后把1000個數字分別存儲在整型數組r[]中，輸出就是按順序輸出該數組。
上傳時間： 2014-01-05
上傳用戶：xcy122677
利用ATtiny45晶片自行開發製做遊戲控制器
上傳時間： 2013-12-10
上傳用戶：h886166
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數據對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數據對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，則根據它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復這一過程直到標準測度函數開始收斂為止。一般都采用均方差作為標準測度函數. k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
上傳時間： 2016-07-31
上傳用戶：youlongjian0
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數據對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數據對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，則根據它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復這一過程直到標準測度函數開始收斂為止。一般都采用均方差作為標準測度函數. k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
上傳時間： 2013-12-19
上傳用戶：chenlong
<noscript id="msmc0"></noscript>