自编的一个String类

* 对解决 Ax = b 鉴于初始逼近 x(0)。 * * 输入： 数目方程和未知数 n;条目 * A(I,J)，1 < = I J < = n 的矩阵 A ；条目 * B ㈠，1 < = I < = n 的非均匀期限 b ；的 * 条目 XO(I)，1 < = I < = n 的 x(0) ；容忍 TOL ； * 最大 N.迭代次数 * * 输出： X(1),...,X(n) 的近似解决方案或一条消息 *，迭代的次数超过了。 */

一个很好的虚拟示波器！可一直接运行！他通过串口采集信号与系统单片机上的数据，把其波形显示在视图中~完全类似于数字示波器的操作-a good virtual oscilloscope! Be a direct run! Through his serial signal acquisition system with microcontroller on the data, its waveform displayed on the View were similar to the fully-digital oscilloscope operation! !

资源描述本程序结合BP神经网络应用平均影响值方法来说明如何使用神经网络来筛选变量，找到对其交过有较大影响的输入项，继而实现使用神经网络进行变量筛选。

遗传算法在运行早期个体差异较大，当采用经典的轮盘赌方式选择时，后代产生的个数与父个体适应度大小成正比，因此在早期容易使个别好的个体的后代充斥整个种群，造成早熟。在遗传算法后期，适应度趋向一致，优秀的个体在产生后代时，优势不明显，从而使整个种群进化停滞不前。因此对适应度适当地进行拉伸是必要的，这样在温度高时(遗传算法的前期)，适应度相近的个体产生的后代概率相近；而当温度不断下降后，拉伸作用加强，使适应度相近的个体适应度差异放大，从而使得优秀的个体优势更明显。由于模拟退火算法和遗传算法可以互相取长补短，因此有效地克服了传统遗传算法的早熟现象，同时根据聚类问题的具体情况设计遗传编码方式、适应度函数，使该算法更有效、更快速地收敛到全局最优解。本案例研究了基于遗传模拟退火算法的聚类算法。

汽车加油问题的算法-vehicle refueling the algorithm

载波生成器+博立业算法分析器。多功能，主要用于演示。-FFT

一个任意阶矩阵求逆的算法 使用tc调试通过 理论上孩子・支持任意阶 但是由于tc的限制，需要改变其中的一个数组值大小。不影响使用

数值分析中的循环赛程表问题，程序中含有运动员人数输入界面，在界面中可进行运动员人数的输入。-Numerical analysis of the issue cycle calendar, the program contains a number of athletes input interface, the interface can input the number of athletes.

这个代码的功能是：给定一组3维数据点，计算出一个平面，所有点到平面的法线具体之和最小。拟合用到了计算给定数据点的特征值/特征向量。代码可以用到所有大于等于2D的空间。

本代码用遗传算法求解货郎担问题(TSP)。货郎担问题是组合数学中的著名问题，在算法领域颇受关注。问题是这样提出的：某旅行推销商，要到n个城市去推销商品，从其中某个城市出发，进出每个城市一次，最后返回驻地城市，问如何安排其路线，使行程最短。对于TSP问题，若采用穷举搜索算法，则需要考虑所有可能的情况，找出所有的回路，在对其进行比较，找出最佳路径。在n个城市TSP问题中，一条有效路径可以看成n个城市的排列。n个城市的全排列共有n!种，TSP问题没有限定路径的起点及方向，因此路径总数为n!/2n，可见穷举法随着城市数n的增大复杂度急剧增长。用遗传算法求解TSP问题的思想是先随机生成若干条有效路径，在选择其中较优的路径参与繁殖，生成下一代。再对下一代进行类似操作。经过若干代的进化后，将会收敛于一个较优解。此外，在遗传过程中可以加入变异算子来模仿生物界中的变异现象。