利用该程序，可以作为相应程序的一个函数功能

用JAVA语言实现排序算法中的，快速排序，基数排序，堆排序等排序算法的动画演示，用JAVA语言实现排序算法中的，快速排序，基数排序，堆排序等排序算法的动画演示，用JAVA语言实现排序算法中的，快速排序，基数排序，堆排序等排序算法的动画演示

利用C语言产生随机数，每次的随机数都是不一样的，并把随机数写到指定的文件中-The use of C language random number generated each time the random number is not the same, and wrote a random number of the document specified

三维场景优化加载,用opengl 实现，涉及四叉树分割, LOD  l以及块与块之间裂缝的修补，等等  窥探三维场景四叉树加载的入门例子

SAM3U-EK 包括 WOLFSON 编解码器 WM8731 为数字声音输入和输出。此接口 包括音频插孔：

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。

运用蚁群算法对函数进行求解 得到最优解，运用蚁群算法对函数进行求解 得到最优解

应用背景 为防止今年电赛的四旋翼题目，自己写了个四旋翼程序，内含3路PID，内环为角度，外环位置（高度），PID为增量式的，考虑到了4个电机不同状态和位置时的控制，比较容易理解 关键技术 自己写的stm32四旋翼程序（为电子设计大赛准备的），利用MPU6050求得的姿态角进行PID校正，误差在0.3度左右，（自己拿量角器量过），内置了串口调试程序，在PC端可以自己调节PID，占空比等参数，也可以自己接一个蓝牙模块，用手机直接控制（我就是这样做的），内含超声波测距程序（最简单的那种模块，很便宜的），电机 占空比之类的已经试过，可以起飞，

该程序可以求解二维流函数-势函数。。。通过势函数与流函数的关系，求解压力场及速度场。能够清楚得到每个点的速度及压力，涡函数及流函数。

200495231612.rar

基于粒子群算法的PID控制器优化设计,本程序主要研究基于粒子群算法控制系统PID参数优化设计方法以及对PID控制的改进。选择控制系统的目标函数，本控制系统选用时间乘以误差的绝对值，通过对控制系统的逐步仿真,对结果进行分析