数学建模若干问题的论文

遗传算法求解tsp问题,采用遗传算法，比其他的算法更容易解决tsp- GA to solve the tsp problem

标准dft，是标准的dft，虽然没有特别的地方，但对于了解其内涵或许有一定的帮助-normal dft

资源描述大家好，这是我大学写的数据结构顺序表的实现，非常有参考价值

这个程序可实现最优二分检索树的构造，绘制和检索，请在Turboc 2.0下运行。-this procedure can achieve optimal two-tree structure retrieval, mapping and retrieval, please Turbo running under 2.0.

应用背景GN算法是一个经典的社区发现算法，它属于分裂的层次聚类算法，最初，由Michelle Girvan和Mark Newman于2012年提出。可处理网络里社团的发现。。。。。。。关键技术其基本思想是不断的删除网络中具有相对于所有源节点的最大的边介数(ege betweenness)的边，然后，再重新计算网络中剩余的边的相对于所有源节点的边介数，重复这个过程，直到网络中，所有边都被删除。。。。。。。

L-M算法(BP的一种改进算法)应用实例-L-M algorithm (BP an improved algorithm) Application

MD5以512位分组来处理输入的信息，且每一分组又被划分为16个32位子分组，经过了一系列的处理后，算法的输出由四个32位分组组成，将这四个32位分组级联后将生成一个128位散列值。MD5中有四个32位被称作链接变量（Chaining Variable）的整数参数，他们分别为：A=0x67452301，B=0xefcdab89，C=0x98badcfe，D=0x10325476。当设置好这四个链接变量后，就开始进入算法的四轮循环运算。循环的次数是信息中512位信息分组的数目。

Meschach 可以解稠密或稀疏线性方程组、计算特征值和特征向量和解最小平方问题，另外还有其它功能。它为双精度数和复数提供了近 400 个函数。它提供的教程以说明性的小案例研究的形式介绍了这些函数。-Meschach is a C-language library of routines for performing matrix computations

骨架旨在代表对象的一般形式的基于区域的形状特征提取。骨架 （即，从数字的二进制图像的骨架提取） 提供了基于区域的形状特征。它是在光栅矢量转换或在模式识别中常用的预处理操作。有三种主要的骨架提取方法： 检测脊的边界点，距离图计算由边界点，生成的 Voronoi 图和逐层侵蚀称为细化。在数字空间中，可以提取只有一个近似"真正的骨架"。有两个要求必须遵守： 拓扑 （为了保留原始对象的拓扑），几何 （强迫正在包括、 旋转、 平移和缩放的最重要的几何变换下的不变性与对象的"骨架"） 这个代码可以帮助您生成的二维二值图像的形状骨架

随机遍量的产生程序说明： 1 功能：该程序目的是要能够产生包括均匀分布，指数分布，瑞利分布和正态分布的随机变量。本人制作的应用程序可以方便地实现上述功能（暂定点数