对难于时行积分的方程y=x*sin(x),用蒙特卡洛方法进行了求解。

你好？

翻译 maninwest@Codeforge 作者:John D. Cook@CodeProject这里介绍一个算法，优化化带有一个变量的函数而不需要导数。通常，需要导数的方法稳定但是慢，不需要导数的方法快捷但是不稳定。这里实现的这个方法稳定且高效。这个方法开始是Richard Brent 实现的。 给定一个函数  f(x) 和一个区间l [a, b], 该方法是找出函数 f(x) 在 [a, b] 区间的最小值。该方法也可以用于找出最大值。要找出最大值，指向传递原函数的反函数。即 f(x) 的最大值出现在-f(x) 的最小值点。Brent 的方法比较稳定。也很容易使用。用户不需要提供导数函数。该方法为了稳定牺牲了一些效率，但是相比其他稳定的方法如黄金分割法，则更加快捷。使用函数这里给出的代码是一个 C++ 函数和使用此函数的示例项目。要在你自己的项目中使用，只需在 Brent.h.头文件中添加#include 即可。最小化函数的主要输入是一个模板化实参，一个函数对象实现目标函数最小化。目标函数必须使用签名 double operator()(double x)实现 Public 方法。例如，这里是一个用于计算函数 f(x) = -x exp(-x) 的函数对象类。 class foo { public: double operator()(double x) {return -x*exp(-x);} };代码需要函数对象而不是函数的主要原因是，需要在应用中优化的函数，除了函数实参外，还要依赖参数。函数对象可以有很多参数，它们在找到一个变量的结果函数最小值前固定。其他实参是函数需要找到最小值的区间的终点，偏差用于停止， 一个输出参数用

资源描述基于GA的tsp算法结局旅行商问题，该方法高校快捷方便，所需数据简单，代码有注释，易懂，能进行修改，是一套非常不错的算法，用了好多次 稳定性较好。

关于C语言结构体的应用-on the C language structure of the application

应用背景最优形状设计是一种学习多层感知器的任务，应用神经网络对实际执行问题进行研究设计一个机翼，在这里的目标是电脑化的翼型设计过程和较少的时间设计机翼，在这个过程中，一个希望优化的解决方案的一些数学模型的标准它的领域，分享设计是非常重要的工业应用领域，一数学模型和物理约束的最佳形状设计所需的，为神经网络的变分公式为问题的解决提供了直接的方法。我们用传统的逆方法利用流域的保角映射方法，基于人工的逆设计方法进行了神经网络的计算，计算流体力学求解器（流利）首先是用来生成存储和服务的解决方案作为神经网络的输入。基于这些数据，使用一个合适的算法和神经网络的训练确定了优化的网络，并提出了一种翼型设计的技术方案。基于神经网络的逆设计。每个设计师都有自己的方式和他喜欢的工具进行。有些人喜欢使用反设计代码（比如Eppler代码）规定的流动参数，得到几何图形。气动设计大致可分为以下2类：1）直接数字优化方法2）逆方法。关键技术可以描述的翼型轮廓通过一系列的X和Y坐标。空气动力系数对应于一系列的翼型件存储在一个数据库中，随着翼型坐标，优化后的进给前馈神经网络是用来生成翼型坐标作为输出的通过气动系数作为输入，对目标和获得的翼型进行了比较，并从优化的神经网络中提取翼型外形匹配与存储在数据库中的翼型配置文件。

根据维纳滤波理论，基于先验信噪比的维纳滤波，并用后验信噪比补偿先验信噪比，达到很好效果，可以直接运行

vc写的SSE2优化离散余弦变换-vc write SSE2 optimization Discrete Cosine Transform

本书对Linux 早期操作系统内核(v0.95)全部代码文件进行了详细全面的注释和说明，旨在使读者能够在尽量短的时间内对Linux 的工作机理获得全面而深刻的理解，- This book (v0.95) the complete code document has carried on the detailed comprehensive annotation and the explanation to the Linux early time operating system essence, is for the purpose of enabling the reader to obtain comprehensive and the profound understanding in the as far as possible short time to the Linux work mechanism,

BP神经网络的逼近函数源代码 数学建模-BP neural network approximation function of the source code for mathematical modeling

粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法(（Evolu2tionary Algorithm - EA）。程序已验证好用，希望能对大家有所帮助。