这是计算机算法基础中的动态规划的方法的一个例子，多段图是一个很经典的问题！这里的程序用于求解最小成本路径，用类似的思想可以解决最优分配方案的问题！...

随即数的产生 在计算机仿真系统中的应用-then the emergence of several computer simulation system applications

贝叶斯网络学习算法――k2算法，包括对贝叶斯网络结构的学习，最后生成网络-Bayesian network learning algorithm- k2 algorithms, including Bayesian network structure learning, the last generation network

矩阵的最大特征值的幂法. 对于工程计算而言，矩阵的特征值和特征向量都是相当重要和常见的数据，这里给出的幂法是一种常见的求解方法，用的是迭代的思想。 符号说明: 1A为待求的矩阵， 2Uk，Vk为迭代用的列向量。 3最后的最大特征值maxLamda由最后一次的max(Uk)-----求Uk中的绝对值最大的元素的绝对值.所决定。 而maxLamda所对应的特征向量由最后一次迭代的Vk所决定. 主要的想法就是先选一个不为0的初始向量U0!=0，然后按下面的式子迭代。 -matrix eigenvalue of the largest power France. For engineering calculation, Matrix eigenvalues and eigenvectors are very important and common data, here is the power law is a common solution, using the iterative thinking. Symbol : 1A of the question for the matrix, 2Uk, Vk iteration of the column vector. The final three largest eigenvalue maxLamda from last max (uk Hoffmann for the uk the largest absolute value of the absolute value of the element. by decision. While maxLamda corresponding eigenvectors from the last iteration of Vk decision. The main idea was first choice not one of the initial vector 0 U0! = 0, then by the following formula iteration.

资源描述二叉排序树的实现与合并                                                                                                                                                                                                                                                                                 

牛顿下山法-Newton downhill method

全元主高斯－约当法消去法求线形代数方程的解-Quan-yuan main Gauss- Jordan method elimination method for linear algebraic equations

 错不了。。相信我。。是一个关于数字时钟需要用到的进制算法，我把他单独分开出来的模块。源码内容较为简单但是 缺 五脏俱全。原理是这样的，把时钟分为 秒模块，分模块，时模块。秒和分模块一样一起讲，以秒为例子。z秒是0-59那么有个位和十位，个位上数字是0-9，十位上是0-5.那么在秒十位上就是用十进制，在十位上用6进制。这样就可以实现秒个位到9的时候下一秒 向秒十位进1.当秒到59时候，下一秒向分的个位进1.一样的步骤实现分的进制算法。时的算法较为复杂，它分了两段来计时，在时的个位上记两次十进制，在加四的时候停止，重新从00 开始计时。时的算法解释的比较仓促，需要详情请联系我。

求非终端结点的算法-for non-terminal nodes algorithm

java实现的非线性方程的解法，包括二分法，牛顿法，弦截法等。。。。。。。

本代码为基本粒子群算法，通过修改适应值函数，可以应用于多个领域，比如电力系统的相关参数的优化设置，如陷入局部最优，需引入变异函数，通过重置某一维的数值，使粒子脱离局部最优。