八皇后完全代码！显示图像

用LMI工具箱来求解LMI的可行性问题，一个简单的鲁棒控制问题的仿真，以及控制器设计的问题。

算法导论第四次上机题，01背包回溯法

该模型包含三个模块。"根"模块生成的工作，并将它们发送到"先进先出"的模块，这是一个单服务器队列。作业将存储在队列中 （cQueue 对象） 直到他们服务 — — 此队列，能够发现并视察了"先进先出"模块 — — 类成员之间的图形环境中任一对象中树在主窗口中，或在检查器中的"先进先出"模块 （fifo） 用鼠标右键单击""图标--> 检查作为对象--> 单击"内容"选项卡上）。处理的作业的处置"下沉"模块中。"汇"模块收集统计信息，还可以检查。运行仿真后, fifo*.vec 文件将包含排队时间在模拟过程中通过 cOutVector 对象收集的数据。可以使用 Plove 程序绘制数据。AbstractFifo 可以用作模块涉及排队的基类。一个人可以子类 AbstractFifo 和重新定义以下的成员函数：空 arrival(cMessage *msg)simtime_t startService(cMessage *msg)空 endService(cMessage *msg)通过 AbstractFifo::handleMessage() 调用这些函数时一条消息到达，开始服务和结束服务，分别。startService() 应返回该消息的服务时间。ACBFifo 和 ACPFifo 演示如何执行此操作。

常用算法的C程序。主要内容包括多项式的计算、复数运算、随机数的产生、矩阵运算、矩阵特征值与特征向量的计算、线性代数方程组的求解、非线性方程与方程组的求解、插值与逼近、数值积分、常微分方程组的求解、数据处理、极值问题的求解、数学变换与滤波、特殊函数的计算、排序和查找。-Commonly used algorithm of C procedures. Include polynomial terms, complex computation, random number generation, matrix operations, matrix eigenvalue and eigenvector calculations, linear algebra equations, nonlinear equations with the equations, interpolation and approximation, numerical integration, solving ordinary differential equations, data processing, for solving extremum problems, mathematical transformation and filtering, the calculation of special functions, sorting and search.

以我的近似 = INTEGRAL((F(X) DX)) 从 A 到 B： 输入： 终结点 A、 B ；整数 N。 输出： 阵列 R.（R(2,N) 是对我的近似）。 R 是由行 ； 计算只有 2 的行保存在存储中

数组为8位char型数值，通过该函数可以计算出数组的16位循环校验码。-Array for the 8-bit char type values can be calculated through the function of an array of 16 cycle parity-check codes.

浮点转换器，可以对十进制定点数、浮点BCD码和二进制浮点操作数之间进行相互转换。-float converters, and can set the decimal points. BCD floating-point and binary floating-point operation between several mutual conversion.

doolittle直接分解法和guass-sedilla迭代法解方程组源码-doolittle direct decomposition and guass-iterative method of sedilla equations FOSS

关于复数计算的简单程序-complex calculations on the simple procedure

PCA，也就是PrincipalComponents Analysis，主成份分析，是个很优秀的算法，其原理是寻找最小均方意义下，最能代表原始数据的投影方法然后自己的说法就是：主要用于特征的降维。另外，这个算法也有一个经典的应用：人脸识别。这里稍微扯一下，无非是把处理好的人脸图片的每一行凑一起作为特征向量，然后用PAC算法降维搞定之。