计算方法的一个比较重要的高斯约当消去方法

追赶法解三对角线方程组-chased three diagonal Solving equations

SOR算法解线性方程组，c++，数值方法-SOR algorithm for solving linear equations, c++, numerical methods

级数展开法计算圆周率精确到千万位以上-Series calculated pi accurate to more than 10 million

扫雷是在上世纪 80 年代，流行，仍包括在某些版本的微软视窗操作系统的电脑游戏。这个问题有一个类似的想法。

利用C++编写的快速排序，重要思想是利用分治法对数组元素进行比较。其效率是几种排序中最好的。编程的时候关键是要注意索引。对于比较的数，可以选择第一个或者是最后一个元素。文件是与其它的排序算法写在一个工程下的，因此读者需要自己创建新的项目

应用背景人工神经网络(ANN)中关于反向传播算法的内容，相比单个感知器而言，采用多层网络的反向传播算法能表示出更多种类的非线性曲面，整个神经网络可以分成三层：输入层，隐藏层，输出层，通过加权线性变换，层与层之间的传递，最终得到输入层的实数值。关键技术 本人根据附件里面的文章编写的反向传播算法代码，里面含有详细的代码注释和文章例子， 可以让初学者深刻理解反向传播算法，适合初学者学习。给出BP算法训练的例子，对单个样本的训练的情况进行编写和验证。 //输入层到隐层的过程 float fNetj[m]; for (int j= 0;j < m; j++){ fNetj[j] = fTheta[n][j]; //这里权值矩阵最后一列是偏置，偏置×1还是偏置，所以直接加上， //后面就不用乘了 for(int i = 0;i < n; i++){ //得到netj 的值 netj= X^V fNetj[j] +=fInputdata[i]*fTheta[i][j]; } fMidResult[j] = 1/(1 + exp(-fNetj[j])); //cout

群微粒算法：本算法用群微粒算法求目标函数的最大值 //本算法使用步骤 // （1）派生自己的群微粒类，类中必须定义double GetFit(PARTICLE&)方法，用来计算每个微粒的适合度 // （2）生成派生类实例，并在构造函数中指明微粒坐标维数和群体个数 // （2）设置微粒坐标上界数组和下界数组，并用SetXup与SetXdown设置微粒坐标上下界 // （3）用SetVmax方法设置微粒最大速度 // （4）设置可选参数：C1，C2，W和通讯函数 // （5）采用Run方法进行优化运算，优化后用GetBest方法获得最优个体适合度和坐标

本代码是主基础基于信号强度的垂直切换算法的一个仿真代码。其中考虑到影响信号强度的有大尺度衰落和小尺度衰落。本代码给出了一个简单的模型。代码如下：

利用哈夫曼编码进行信息通信可以大大提高信道利用率，缩短信息传输时间，降低传输成本。但是，这要求在发送端通过一个编码系统对待传数据预先编码，在接收端将传来的数据进行译码（复原）.对于双工信道（既可以双向传输信息的信道），每端都需要一个完整的编/译码系统。试为这样的信息收发站写一个哈夫曼的编/译码器。该系统可进行字符与二进制码值间转换。可用于电脑系统中用户的文件，这样可节省内存，当用户使用时又可转换为字符形式。还可实现对所给文件进行统计字符出现频率，及相应二进制码值，并对文件编码解码。1 统计权值；2 建立哈夫曼树：从结构体数组中读入n个字符和n个权值，利用静态三查三叉链表建立哈夫曼树.3 编码：利用已建立好的哈夫曼树，获得各个字符的哈夫曼编码，并对正文进行编码，然后输出编码结果。4 译码：利用已建立好的哈夫曼树将文件中的代码进行译码。

参考《数据结构（C语言）》（严蔚敏版）所提的迷宫算法的概念，通过栈结构实现对迷宫从出口到入口的路径搜索算法实现，代码在vs2010环境下进行测试，全部代码包括main.cpp,maze arithmetic.cpp,maze stack.cpp,maze stack.h四个文件，其中maze stack.cpp文件为栈结构的实现代码，maze arithmetic.cpp为迷宫路径搜索算法的实现代码，main.cpp为测试代码。经过测试，代码能够正常运行。