在 JAVA 中桦木算法

本文详细介绍了采用遗传的计算机程序的执行 在寻求最佳讲座时间表发电机的算法 （气）。遗传算法理论是 覆盖着重点是雇用非遗传算子少完全编码系统。 此外探讨了领域的自动化的时间表。时间表被解释作为， 从根本上讲，日程安排放在它的约束。该程序，在 C 中写入 采用了更快地演化的修复战略。在简化的大学时间表 它一贯演变违反约束的问题免费的时间表。影响 改变的突变率和人口规模进行了测试。它是见过可能是遗传算法 通过修复策略，进一步将纳入改进和随时可扩展到 完整的时间表问题。附录包括整个源代码，该代码。

《优化设计》这门课程中的优化方法的作业，代码思路清晰，运行后没问题。包括，powell法，共轭梯度法，牛顿法，阻尼牛顿法，单纯形法，变尺度法等等。梯度法在第二个目标函数优化时并没有达到理想的点，陷入局部最优，阻尼牛顿法在第二个目标 函数处也精度不高。 用共轭梯度法配合牛顿法一维搜索来第二个目标函数时出现了 NaN 的情况， 是因为牛顿法的代码中运行时出现了分母为0的情况， 但是我在分母加了一个很小的数0.000001之后还会出 现，而已开始用变尺度法和牛顿法优化的时候也出现的 NaN 问题就消失了

vb关于CRC校验的程序-vb about CRC verification procedure

气象数据计算超等许,能够计算在风厂中气象数据的票性诡计-meteorological data superfine promised to calculate the wind plant meteorological data of the votes sexual tricks

This a simple demo of how to evaluate mathematical expressions in text format, including provision for variables and functions. The code consists of three simple classes: 1) Calc - which does the main calculations, 2) Stack - which is used to push and pop intermediate operators and numbers and 3) Symbol Table. The symbol table is a collection of calc symbols, a type structure consisting of various elements, including the expression name, function name, and the final value of the expression The evaluation procedure is done in three steps: 1) simplify the expression by removing all the elements within () and storing them in subexpressions within the symbol table. 2) Each of these sub expressions are then converted to RPN format (Reverse polar notation) and evaluated 3) Finally, the main expression is converted to RPN and evaluated-This is a simple demo of how to evaluate mathematical expressions in text format, including provision for variables and functi

一个多功能计算器calc，包含了代数运算、矩阵运算等功能-A multi-function calculator calc, contains algebra, matrix operations and other functions

软件体系结构中的层模式实现-software architecture layer Mode

利用dijkstra算法编写的公交线路的最小换乘问题的算法-Dijkstra algorithm to use the bus lines to prepare the smallest change Algorithm

计算方法的一个比较重要的高斯约当消去方法-calculation of a more important about when Gaussian Elimination Methods

类是将一个未知样本分到几个预先已知类的过程。 在众多的分类模型中，应用最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型（Naive Bayesian Model，NBC）。