任意相互不捕捉皇后生成源程序（类似相互不捕捉八皇后）

Huffman Algorithm develop by C-Huffman Algorithm develop by C++

资源描述英文小说存放于一文本文件中，待统计的词汇集合要一次输入完毕，程序的输出结果是每个词的出现次数和出现位置所在行的行号,格式自行设计。 整个统计过程中只对小说文字扫描一遍以提高效率。

介绍算法的书籍，比较详细介绍了相关算法的一些基本知识和事项过程。-algorithm introduced the books, more detailed correlation algorithm introduced some basic knowledge of the process and issues.

移动平均预测 ModifyShiftAverageRegress.cs 移动平均也可画趋势图，如下： public double forecast(int interval) 移动平均认为数据是时间序列数据，该方法预测interval个时间间隔后的值 public override double[] getTrendArray() 得到趋势数组，该数组的数据直接在图形中展示出来就可以产生趋势线。 -Moving average moving average prediction ModifyShiftAverageRegress.cs trends can also be painted as follows: public double forecast (int interval) consider moving average data are time-series data, the method of prediction interval of time after the interval the value of public override double [] getTrendArray () be the trend of the array, the array of data directly in the graphical display can be generated by the trend line.

      本电梯是基于AT8952单片机开发的，具有电梯常用的所有功能。包括楼层检测、超重报警、记忆楼层和楼层指向显示等功能。基本上实现了电梯的所有功能。该系统采用单片机为核心控制元件及外围电路组成高度为三层的电梯运行控制系统。整个系统设计包含两方面的内容，即系统硬件电路设计和软件编程设计。系统的硬件电路主要包括最小单片机系统、电梯内电路模块、电梯外电路模块、井道信号检测模块、电机驱动模块、报警模块等六个模块。系统软件设计部分是采用程序模块化设计方法来设计一款控制电梯自动运行的程序。这种设计方法使得复杂的程序简单化和程序的修改更加方便。该设计实现了电梯控制系统的一些基本功能，通过对各楼层用户按钮信号的检测和处理，按预定的运行规则和程序，发出控制信号对电机进行调节，从而控制电机的起停、速度和运行时间。采用数码管来显示电梯当前所处的位置。当电梯运行过程中出现故障时，可以向外发出报警。

利用VB6编写的一个CRC计算类，支持CRC-16（x16+x15+x2+1）算法和CRC-CCITT（x16+x12+x5+1）算法，每种算法都支持选择先计算低字节还是先计算高字节，非常适合嵌入式系统的辅助计算，已被运用于嵌入式系统的辅助工具中。类中包含计算进度事件，可以在事件中显示计算进度。

C++经典的代码带全，基于C++ 代码生成同应用，可以方便快捷的编写程序，无需重新重写代码，大大加强程序编写进度，十分有效和使用，可以试试。

    SCE-UA是一种全局优化算法，它集成了随机搜索算法、单纯形法、聚类分析及生物竞争演化等方法的优点，能有效处理目标函数反映面存在的粗糙、不敏感区及不凸起等问题，且不受局部最小点的干扰。其基本思路是将基于确定性复合型搜索技术和自然界中的生物竞争进化原理相结合，其关键部分为竞争的复合型进化算法（CCE）。在CCE中，每个复合型的顶点都是潜在的父辈，都有可能参与产生下一代群体的计算。每个子复合型的作用如同一对父辈。在构建过程中应用了随机方式选取子复合型，使得在可行域中的搜索更加彻底。   该代码采用SCE-UA算法进行垂向混合产流的参数自动率定，较好的解决了参数率定中的问题。

数据挖掘经典算法————ID3 算法，JAVA实现，可运行，适合初学者

这一项目提出了蚂蚁新论比以往的人工蚂蚁认同合作通过共享内存的进程更具一般性的系统，确定人工蚂蚁与通过共享内存和一个女王的过程，统筹蚂蚁流程合作过程中一个新的起点。然后，我们提出FANT，基于蚂蚁系统的新启发式。该技术是非常简单的实现，同时结合一些搜索策略，如集约化，多样化和学习机制。 FANT是用来解决各种硬分配问题，并显示出与使用各种元启发式其它实现中非常有竞争力。