關于靜態鏈接庫的編輯，有一定使用價值，在自己所需要建庫使用相關的方法！
上傳時間： 2016-06-23
上傳用戶：lanwei
論文描述了作者所學習過的游戲設計的幾個方面，也是游戲設計中最常用的技術。首先對游戲的概念及其發展過程做了整體的描述；接著介紹了游戲設計的基本思路、架構與規劃、游戲劇情等游戲策劃方面的內容；隨后對貼圖、動畫、物理動作模擬、消息管理、人工智能等方面以Visual C++為例做了一些描述 還以“俄羅斯方塊”游戲為例，具體討論了實現游戲編程的方法，如游戲界面框架的創建、背景顯示、方塊的控制和顯示、成績和排名等；最后是總結與展望。
上傳時間： 2013-12-19
上傳用戶：koulian
板級支持包C*+(J 是嵌入式系統中常用的硬件抽象形式! 是介于操作系統和硬件之間的 軟件層次" 介紹*+( 的功能和特點! 并結合工作實踐提出了設計*+( 的一般方法# 最后針對當前嵌入 式系統中*+( 的設計方法所面臨的問題提出了可行的解決辦法
上傳時間： 2013-12-19
上傳用戶：stewart·
本文討論的問題主要涉及貨運的配載，而貨運配載的目標是實現車與貨的高效匹配, 降低空載率以減少貨物運輸過程中因此而造成的經濟損失。貨運配載問題涉及兩方面的 內容:車輛利用和貨物裝載。本文主要從這兩個角度角度來分析解決問題。 對于問題1，我們首先通過分析復雜的變量及他們之間的關系，建立規劃模型。為 了求解這個模型，我們進行了一系列的簡化，使得模型求解切實可行。求得較優的方案， 而且各輛車均勻負擔。該方案的總費用為4877.2。 對于問題2，我們在模型1 的基礎上進行了改進采用類似的方法求解。也得到了較 優的方案，其總費用為4484。該方案中只用了4 輛車，節省很大的成本。同時指出了模 型求解的關鍵困難所在，給出了新的思路。 問題3 的思考中，提出了利用圖論的有關思想。 在文章的最后，我們針對所建的模型進行了分析，并提出了新的解題思想。對模型 進行了進一步擴展。 關鍵詞：貨物配載 運輸 組合優化
標簽：
上傳時間： 2013-12-28
上傳用戶：jhksyghr
交換式電源轉換器(Switching Power Supply)為目前電子產品中，非常廣 泛使用的電源裝置，在日常生活中隨處可見 ，它主要的功能是調節電壓準 位，亦可說 是直流 的變壓器。與傳統線性式電源轉換器比較，體積小、重 量 輕、效率 高以及有較大的輸入電壓範圍是交換式電源轉換器的優點。 交換式電源轉換器廣泛被應用在電源供應器以及新一代電腦內。因 此，如何控制交換式電源轉換器使其在輸入電壓與輸出負載變動的情況 下，能夠自動調節輸出電壓為所預設的位準，實為一項重要的研究。
上傳時間： 2014-09-08
上傳用戶：com1com2
本書是為應用數學系本科生、工科碩士研究生所寫的有關最優化知識的一本教材，作為教材，本書的基本觀點是：采用簡單、基本直觀的方法，向學生介紹最優化的有關理論、基本原理和相應的算法，并試圖讓學生了解算法的來龍去脈，以便使他們在解決實際問題的過程中，更好地運用這些方法。 本書的基礎是“數學分析”和“線性代數”，對于工科學生，只需具備“高等數學”和“線性代數”知識就可讀懂大部分內容。
上傳時間： 2017-01-16
上傳用戶：lz4v4
將編碼的差分跳頻系統等效為串行級聯碼，充分利用頻率轉移函數所產生的網格關聯信息， 采用軟輸入軟輸 算法，進行類Turbo串行迭代譯碼，能有效改善系統的誤比特性能． 此，如何實現差 分跳頻系統串行級聯結構的外編碼器和頻率轉移函數(( 函數)的匹配設計是值得深入研究的問題．基 于互信息的外信息轉移圖(ExIT)能有效預測迭代譯碼的收斂特性，并根據E xlT選擇適當的內、外碼 進行級聯．采用基于互信息的Exn、用分析差分跳頻串行級聯結構中外編碼器和G函數的外信息轉移 過程，提出了一種采用ExIT圖選擇G函數及外編碼器的方法．通過對陔l方法的理論分析和性能仿真， 結果表明，在一定的輸入先驗信息量條件下，信噪比越高，G函數輸 互信息量越大；在給定信噪比條件 下，不同G 函數劉 應的輸出互信息量隨輸入先驗信息量增長速度不同，能有效實現對性能較好的G 函 數的選擇；對于給定G甬數，在不同外編碼方式下，通過E xlT閣能得到迭代譯碼收斂的門限值；能反應 出不同編碼方式下的收斂特性的好壞，從而實現外編碼器和G函數的匹配設計．
標簽： 南京大學學報
上傳時間： 2015-04-27
上傳用戶：xiefuai
將編碼的差分跳頻系統等效為串行級聯碼，充分利用頻率轉移函數所產生的網格關聯信息， 采用軟輸入軟輸 算法，進行類Turbo串行迭代譯碼，能有效改善系統的誤比特性能． 此，如何實現差 分跳頻系統串行級聯結構的外編碼器和頻率轉移函數(( 函數)的匹配設計是值得深入研究的問題．基 于互信息的外信息轉移圖(ExIT)能有效預測迭代譯碼的收斂特性，并根據E xlT選擇適當的內、外碼 進行級聯．采用基于互信息的Exn、用分析差分跳頻串行級聯結構中外編碼器和G函數的外信息轉移 過程，提出了一種采用ExIT圖選擇G函數及外編碼器的方法．通過對陔l方法的理論分析和性能仿真， 結果表明，在一定的輸入先驗信息量條件下，信噪比越高，G函數輸 互信息量越大；在給定信噪比條件 下，不同G 函數劉 應的輸出互信息量隨輸入先驗信息量增長速度不同，能有效實現對性能較好的G 函 數的選擇；對于給定G甬數，在不同外編碼方式下，通過E xlT閣能得到迭代譯碼收斂的門限值；能反應 出不同編碼方式下的收斂特性的好壞，從而實現外編碼器和G函數的匹配設計．
標簽： G函數
上傳時間： 2015-04-27
上傳用戶：xiefuai
遺傳算法為群體優化算法，也就是從多個初始解開始進行優化，每個解稱為一個染色體，各染色體之間通過競爭、合作、單獨變異，不斷進化。 優化時先要將實際問題轉換到遺傳空間，就是把實際問題的解用染色體表示，稱為編碼，反過程為解碼，因為優化后要進行評價，所以要返回問題空間，故要進行解碼。SGA采用二進制編碼，染色體就是二進制位串，每一位可稱為一個基因；解碼時應注意將染色體解碼到問題可行域內。 遺傳算法模擬“適者生存，優勝劣汰”的進化機制，染色體適應生存環境的能力用適應度函數衡量。對于優化問題，適應度函數由目標函數變換而來。一般遺傳算法求解最大值問題，如果是最小值問題，則通過取倒數或者加負號處理。SGA要求適應度函數>0，對于<0的問題，要通過加一個足夠大的正數來解決。這樣，適應度函數值大的染色體生存能力強。 遺傳算法有三個進化算子：選擇（復制）、交叉和變異。 SGA中，選擇采用輪盤賭方法，也就是將染色體分布在一個圓盤上，每個染色體占據一定的扇形區域，扇形區域的面積大小和染色體的適應度大小成正比。如果輪盤中心裝一個可以轉動的指針的話，旋轉指針，指針停下來時會指向某一個區域，則該區域對應的染色體被選中。顯然適應度高的染色體由于所占的扇形區域大，因此被選中的幾率高，可能被選中多次，而適應度低的可能一次也選不中，從而被淘汰。算法實現時采用隨機數方法，先將每個染色體的適應度除以所有染色體適應度的和，再累加，使他們根據適應度的大小分布于0-1之間，適應度大的占的區域大，然后隨機生成一個0-1之間的隨機數，隨機數落到哪個區域，對應的染色體就被選中。重復操作，選出群體規模規定數目的染色體。這個操作就是“優勝劣汰，適者生存”，但沒有產生新個體。 交叉模擬有性繁殖，由兩個染色體共同作用產生后代，SGA采用單點交叉。由于SGA為二進制編碼，所以染色體為二進制位串，隨機生成一個小于位串長度的隨機整數，交換兩個染色體該點后的那部分位串。參與交叉的染色體是輪盤賭選出來的個體，并且還要根據選擇概率來確定是否進行交叉（生成0-1之間隨機數，看隨機數是否小于規定的交叉概率），否則直接進入變異操作。這個操作是產生新個體的主要方法，不過基因都來自父輩個體。 變異采用位點變異，對于二進制位串，0變為1，1變為0就是變異。采用概率確定變異位，對每一位生成一個0-1之間的隨機數，看是否小于規定的變異概率，小于的變異，否則保持原狀。這個操作能夠使個體不同于父輩而具有自己獨立的特征基因，主要用于跳出局部極值。 遺傳算法認為生物由低級到高級進化，后代比前一代強，但實際操作中可能有退化現象，所以采用最佳個體保留法，也就是曾經出現的最好個體，一定要保證生存下來，使后代至少不差于前一代。大致有兩種類型，一種是把出現的最優個體單獨保存，最后輸出，不影響原來的進化過程；一種是將最優個體保存入子群，也進行選擇、交叉、變異，這樣能充分利用模式，但也可能導致過早收斂。 由于是基本遺傳算法，所以優化能力一般，解決簡單問題尚可，高維、復雜問題就需要進行改進了。 下面為代碼。函數最大值為3905.9262，此時兩個參數均為-2.0480，有時會出現局部極值，此時一個參數為-2.0480，一個為2.0480。算法中變異概率pm=0.05，交叉概率pc=0.8。如果不采用最優模式保留，結果會更豐富些，也就是算法最后不一定收斂于極值點，當然局部收斂現象也會有所減少，但最終尋得的解不一定是本次執行中曾找到過的最好解。
標簽： 遺傳算法
上傳時間： 2015-06-04
上傳用戶：芃溱溱123
前推回代法是配電網支路類算法中被廣泛研究的一種算法。對于輻射型網絡，前推回代法的基本原理是：(1)假定節點電壓不變，已知網絡末端功率，由網絡末端向首端計算支路功率損耗和支路功率，得到根節點注入功率；(2)假定支路功率不變，已知根節點電壓，由網絡首端向末端計算支路電壓損耗和節點電壓。以圖2-1所示的簡單饋線線段為例經過簡單推導可以得出。
標簽： 前推回代法
上傳時間： 2016-11-22
上傳用戶：深海烏賊
