這是非常有挑戰性的題目。對于用戶輸入的任意一個平面函數f(x)，繪制出其函數曲線。這里最關鍵的技術難點就是如何實現計算表達式的值。在《編譯原理》和《數據結構》的書中，都有對表達式運算方法的論述。說實在的，在編譯型計算機語言中實現對用戶輸入表達式的運算是非常困難的。需要對表達式進行掃描，去括號，按照運算符的優先級生成2叉樹，然后遍歷該樹生成逆波蘭表達式，再然后通過棧的方法進行運算。如果在表達式中再包含有函數的話......描述起來都麻煩，更不要說用程序實現了:-(
上傳時間： 2014-08-07
上傳用戶：1159797854
基于目前許多中小型公司, 機關,中小學校,大學院系等都有自己的圖書庫, 供內部人員借閱。因采用通用的圖書管理系統耗資成本較大，且操作復雜，需要培訓成本。多數單位為此依然延用傳統的手工登記辦法，圖書流失，管理不便。圖書借閱管理程序正是面向這樣的中小用戶對圖書管理的需要而設計開發的，其宗旨是： 簡單， 實用，滿足圖書的分類、增刪維護，借閱歸還、登記、查詢，會員的等級管理、信息維護等。本程序是采用JAVA技術開發的C/S結構應用程序， 數據庫支持MySQL 和MSSQL SERVER ，客戶端采用Java Swing。
上傳時間： 2013-12-23
上傳用戶：TF2015
意圖 將一個類的接口轉換成客戶希望的另外一個接口。A d a p t e r 模式使得原本由于接口不兼容而不能一起工作的那些類可以一起工作。 適用性 · 你想使用一個已經存在的類，而它的接口不符合你的需求。 · 你想創建一個可以復用的類，該類可以與其他不相關的類或不可預見的類（即那些接口可能不一定兼容的類）協同工作。 · （僅適用于對象A d a p t e r ）你想使用一些已經存在的子類，但是不可能對每一個都進行子類化以匹配它們的接口。對象適配器可以適配它的父類接口。
上傳時間： 2014-07-30
上傳用戶：270189020
slickeditv10.0linuxcrackz.w.t.zip SlickEdit v10.0 for linux 注冊機 在國內網站上找了N天都沒找到，在國外一家網站找到。雖然不是源代碼，但是SlickEdit是Linux下最好用的30多種編程IDE。這個是注冊機安裝文件在百度裡找吧
標簽： 10.0 linuxcrackz slickeditv SlickEdit
上傳時間： 2013-12-10
上傳用戶：大融融rr
本程序是用c++實現的多功能文本編輯器，它除了可以實現一般文本的編輯功能，還增加了保存文檔a(save), 轉為大寫m(large),改為小寫k(small),復制段j(copy),中英文轉換t(language)等功能
上傳時間： 2013-12-23
上傳用戶：wuyuying
模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內部粒子隨溫升變為無序狀，內能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態，最后在常溫時達到基態，內能減為最小。根據Metropolis準則，粒子在溫度T時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內能，ΔE為其改變量，k為Boltzmann常數。用固體退火模擬組合優化問題，將內能E模擬為目標函數值f，溫度T演化成控制參數t，即得到解組合優化問題的模擬退火算法：由初始解i和控制參數初值t開始，對當前解重復“產生新解→計算目標函數差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當前解即為所得近似最優解，這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數L和停止條件S。
標簽： 模擬退火算法
上傳時間： 2015-04-24
上傳用戶：R50974
模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內部粒子隨溫升變為無序狀，內能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態，最后在常溫時達到基態，內能減為最小。根據Metropolis準則，粒子在溫度T時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內能，ΔE為其改變量，k為Boltzmann常數。用固體退火模擬組合優化問題，將內能E模擬為目標函數值f，溫度T演化成控制參數t，即得到解組合優化問題的模擬退火算法：由初始解i和控制參數初值t開始，對當前解重復“產生新解→計算目標函數差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當前解即為所得近似最優解，這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數L和停止條件S。
標簽： 模擬退火算法
上傳時間： 2015-04-24
上傳用戶：ryb
模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內部粒子隨溫升變為無序狀，內能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態，最后在常溫時達到基態，內能減為最小。根據Metropolis準則，粒子在溫度T時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內能，ΔE為其改變量，k為Boltzmann常數。用固體退火模擬組合優化問題，將內能E模擬為目標函數值f，溫度T演化成控制參數t，即得到解組合優化問題的模擬退火算法：由初始解i和控制參數初值t開始，對當前解重復“產生新解→計算目標函數差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當前解即為所得近似最優解，這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數L和停止條件S。
標簽： 模擬退火算法
上傳時間： 2014-12-19
上傳用戶：TRIFCT
設計說明：1。數據結構和表示：程序用1、2、3、4分別表示將右、上、左、下的數字塊移動到空格之中。采用典型的樹+鏈表結構，每種局面產生一個BoardState類。出于避免走法順序列表被過多復制的考慮，在樹結構中保存局面的繼承關系。每種新的局面產生后，引用估值函數產生f的值，再根據大小將其插入鏈表之中，以便實現“優先展開f值小的節點”。Solve()函數在成功解決問題之后保存一個走法序列供輸出并返回零，而失敗則返回失敗處的節點層數。(具體的判斷方法見后文)
上傳時間： 2015-05-02
上傳用戶：xieguodong1234
本程序用資源分配網(Resource_Allocation Network,簡稱RAN)實現了Hermit多項式在線學習問題。訓練樣本產生方式如下，樣本數400，每個樣本輸入Xi在區間[-4,4]內隨機產生（均勻分布），相關樣本輸出為F(Xi) = 1.1(1-Xi + Xi2)exp(-Xi2/2),測試樣本輸入在[-4，+4]內以0.04為間隔等距產生，共201個樣本。訓練結束后的隱節點為：11個，訓練結束后的平均誤差可達：0.03
標簽： Resource_Allocation Network Hermit RAN
上傳時間： 2014-01-14
上傳用戶：pompey
