《算法笔记 上机训练指南（胡凡曾磊）》（全两本）

该代码是基于FPGA的矩阵乘法器的代码，可以实现32x32大小有符号矩阵相乘，开发环境是ISE，用modelsim进行仿真

【实例简介】新能源并网发电系统的低电压穿越

最近刚学UG二次开发，用到了《图表详解UG NX 二次开发》好不容易搞到光盘资源，与大家分享一下

整个系统分菜单栏与运行图显示两部分 1.菜单栏包括：列车时刻表，列车晚点登记 2.列车时刻表：点击后形成窗口，显示列车（火车）车次，出发和到站的时间 3.列车晚点登记：点击后形成窗口，输入晚点火车车次，晚点时间和实际到站时间，并有确定按钮。在有晚点登记时，运行图显示部分自动调整并且更新列车时刻表里的内容 4.运行图显示部分：表示时间和车站的轴线（绿色的线）是固定不变的，表示火车运行的斜线（红色和蓝色的线）是由列车时刻表里的信息决定的。

运用模糊控制方法实现一级倒立摆稳定。里面有相应的源程序代码及其课件，简单易懂。

自己写的一个无源滤波器计算的软件，VC++的源码，测试是50M一下都是可以用的，50M以上的时候一定要配置精确电容和电感

步进电机控制论文.pdf

对文章进行扫描并分析，检查是否存在敏感词汇并报告出现次数。 使用图形用户界面实现。 任意选择一个文本文件，分析该文件，如果存在敏感词汇，报告每个词出现的次数。敏感词汇保存在sentive.txt 文件中，每个词占一行，至少设置30个敏感词汇。系统中可以增加、删除、修改敏感词汇。

充分了解数学建模的相关知识，其中包括各种算法以及MATLAB在数学建模中的具体应用以及相关的程序代码，综合各方面的知识，方便我们了解例如线性规划maxx s.t. Ax>b的Maab标准型为min -cx s.Axcx∑anx,=bi=12,…,mst≥可行解满足约束条件(4)的解x=(x1,x2,…,xn),称为线性规划问题的可行解,而使目标函数(3)达到最大值的可行解叫最优解可行域所有可行解构成的集合称为问题的可行域,记为R14线性规划的图解法101+x2=106z=12图1线性规划的图解示意图图解法简单直观,有助」了解线性规划问题求解的基木原坦。我们先应用图解法来求解例1。对于每一固定的值z,使目标函数值等于z的点构成的直线称为目标函数等位线,当z变动时,我们得到一族平行直线。对于例1,显然等位线截趋于右上方,其上的点具有越大的目标函数值。不难看出,本例的最优解为x*=(2,6),最优目标值26从上面的图解过程可以看出并不难证明以下断言:(1)可行域R可能会出现多种情况。R可能是空集也可能是非空集合,当R非空时,它必定是若干个半平面的交集(除非遇到空间维数的退化)。R既可能是有界区域,也可能是无界区域(2)在R非空,线性规划既可以存在有限最优解,也可以不存在有限最优解(其目标函数值无界)。(3)若线性规划存在有限最优解,则必可找到具有最优目标函数值的可行域R的“顶点”。上述论断可以推广到一般的线性规划问题,区别只在」空问的维数。在一般的n维空间中,满足一线性等式∑a1x=b的点集被称为一个超平面,而满足一线性不等式氵=1∑ax≤b(或∑a1x,≥b)的点集被称为一个半空间(其中(a1…,an)为一n维行向量,b为一实数)。若千个半空间的交集被称为多胞形,有界的多胞形又被称为多面体。易见,线性规划的可行域必为多胞形(为统一起见,空集Φ也被λ为多胞形)。在一般n维空问中,要直接得出多胞形“顶点”概念还有一些困难。二维空间中的顶点可以看成为边界直线的交点,但这一几何概念的推广在一般n维空间中的几何意义并不十分直观。为此,我们将采用另一途径来定义它。定义1称n维空间中的区域R为一凸集,若Vx,x2∈R及元∈(01),有x+(1-4)x2∈R定义2设R为n维空间中的一个凸集,R中的点x被称为R的一个极点,若不存在x、x2∈R及∈(0,1),使得x=4x+(1-4)x2。定义1说明凸集中任意两点的连线必在此凸集中;而定义2说明,若x是凸集R的个极点,则x不能位于R中任意两点的连线上。不难证明,多胞形必为凸集。同样也不难证明,维空间中可行域R的顶点均为R的极点(R也没有其它的极点)1.5求解线性规划的 Matlab解法单纯形法是求解线性规划问题的最常用、最有效的算法之一。这里我们就不介绍单纯形法,有兴趣的读者可以参看其它线性规划书籍。下面我们介绍线性规划的 Matlab解法Matlab中线性规划的标准型为min c rAx shs t.Aeq. x=beb

异形窗口与gif动画（带透明背景）的实现