實(shí)驗(yàn)源代碼 //Warshall.cpp #include<stdio.h> void warshall(int k,int n) { int i , j, t; int temp[20][20]; for(int a=0;a<k;a++) { printf("請輸入矩陣第%d 行元素:",a); for(int b=0;b<n;b++) { scanf ("%d",&temp[a][b]); } } for(i=0;i<k;i++){ for( j=0;j<k;j++){ if(temp[ j][i]==1) { for(t=0;t<n;t++) { temp[ j][t]=temp[i][t]||temp[ j][t]; } } } } printf("可傳遞閉包關(guān)系矩陣是:\n"); for(i=0;i<k;i++) { for( j=0;j<n;j++) { printf("%d", temp[i][ j]); } printf("\n"); } } void main() { printf("利用 Warshall 算法求二元關(guān)系的可傳遞閉包\n"); void warshall(int,int); int k , n; printf("請輸入矩陣的行數(shù) i: "); scanf("%d",&k); 四川大學(xué)實(shí)驗(yàn)報(bào)告 printf("請輸入矩陣的列數(shù) j: "); scanf("%d",&n); warshall(k,n); }
標(biāo)簽： warshall 離散 實(shí)驗(yàn)
上傳時(shí)間： 2016-06-27
上傳用戶：梁雪文以
《MATLAB智能算法30個(gè)案例分析》是作者多年從事算法研究的經(jīng)驗(yàn)總結(jié)。書中所有案例均因國內(nèi)各大MATLAB技術(shù)論壇網(wǎng)友的切身需求而精心設(shè)計(jì)，其中不少案例所涉及的內(nèi)容和求解方法在國內(nèi)現(xiàn)已出版的MATLAB書籍中鮮有介紹。《MATLAB智能算法30個(gè)案例分析》采用案例形式，以智能算法為主線，講解了遺傳算法、免疫算法、退火算法、粒子群算法、魚群算法、蟻群算法和神經(jīng)網(wǎng)絡(luò)算法等最常用的智能算法的MATLAB實(shí)現(xiàn)。《MATLAB智能算法30個(gè)案例分析》共給出30個(gè)案例，每個(gè)案例都是一個(gè)使用智能算法解決問題的具體實(shí)例，所有案例均由理論講解、案例背景、MATLAB程序?qū)崿F(xiàn)和擴(kuò)展閱讀四個(gè)部分組成，并配有完整的原創(chuàng)程序，使讀者在掌握算法的同時(shí)更能快速提高使用算法求解實(shí)際問題的能力。《MATLAB智能算法30個(gè)案例分析》可作為本科畢業(yè)設(shè)計(jì)、研究生項(xiàng)目設(shè)計(jì)、博士低年級(jí)課題設(shè)計(jì)參考書籍，同時(shí)對廣大科研人員也有很高的參考價(jià)值。
上傳時(shí)間： 2017-05-31
上傳用戶：jplalala
一種矩陣分解的算法，使用了喬列斯基分解方法進(jìn)行分解
標(biāo)簽： 分解
上傳時(shí)間： 2017-12-23
上傳用戶：1553440
#include "iostream" using namespace std; class Matrix { private: double** A; //矩陣A double *b; //向量b public: int size; Matrix(int ); ~Matrix(); friend double* Dooli(Matrix& ); void Input(); void Disp(); }; Matrix::Matrix(int x) { size=x; //為向量b分配空間并初始化為0 b=new double [x]; for(int j=0;j<x;j++) b[j]=0; //為向量A分配空間并初始化為0 A=new double* [x]; for(int i=0;i<x;i++) A[i]=new double [x]; for(int m=0;m<x;m++) for(int n=0;n<x;n++) A[m][n]=0; } Matrix::~Matrix() { cout<<"正在析構(gòu)中~~~~"<<endl; delete b; for(int i=0;i<size;i++) delete A[i]; delete A; } void Matrix::Disp() { for(int i=0;i<size;i++) { for(int j=0;j<size;j++) cout<<A[i][j]<<" "; cout<<endl; } } void Matrix::Input() { cout<<"請輸入A:"<<endl; for(int i=0;i<size;i++) for(int j=0;j<size;j++){ cout<<"第"<<i+1<<"行"<<"第"<<j+1<<"列:"<<endl; cin>>A[i][j]; } cout<<"請輸入b:"<<endl; for(int j=0;j<size;j++){ cout<<"第"<<j+1<<"個(gè):"<<endl; cin>>b[j]; } } double* Dooli(Matrix& A) { double *Xn=new double [A.size]; Matrix L(A.size),U(A.size); //分別求得U，L的第一行與第一列 for(int i=0;i<A.size;i++) U.A[0][i]=A.A[0][i]; for(int j=1;j<A.size;j++) L.A[j][0]=A.A[j][0]/U.A[0][0]; //分別求得U，L的第r行，第r列 double temp1=0,temp2=0; for(int r=1;r<A.size;r++){ //U for(int i=r;i<A.size;i++){ for(int k=0;k<r-1;k++) temp1=temp1+L.A[r][k]*U.A[k][i]; U.A[r][i]=A.A[r][i]-temp1; } //L for(int i=r+1;i<A.size;i++){ for(int k=0;k<r-1;k++) temp2=temp2+L.A[i][k]*U.A[k][r]; L.A[i][r]=(A.A[i][r]-temp2)/U.A[r][r]; } } cout<<"計(jì)算U得:"<<endl; U.Disp(); cout<<"計(jì)算L的:"<<endl; L.Disp(); double *Y=new double [A.size]; Y[0]=A.b[0]; for(int i=1;i<A.size;i++ ){ double temp3=0; for(int k=0;k<i-1;k++) temp3=temp3+L.A[i][k]*Y[k]; Y[i]=A.b[i]-temp3; } Xn[A.size-1]=Y[A.size-1]/U.A[A.size-1][A.size-1]; for(int i=A.size-1;i>=0;i--){ double temp4=0; for(int k=i+1;k<A.size;k++) temp4=temp4+U.A[i][k]*Xn[k]; Xn[i]=(Y[i]-temp4)/U.A[i][i]; } return Xn; } int main() { Matrix B(4); B.Input(); double *X; X=Dooli(B); cout<<"~~~~解得:"<<endl; for(int i=0;i<B.size;i++) cout<<"X["<<i<<"]:"<<X[i]<<" "; cout<<endl<<"呵呵呵呵呵"; return 0; }
標(biāo)簽： 道理特分解法
上傳時(shí)間： 2018-05-20
上傳用戶：Aa123456789
在微電網(wǎng)調(diào)度過程中綜合考慮經(jīng)濟(jì)、環(huán)境、蓄電池的 循環(huán)電量，建立多目標(biāo)優(yōu)化數(shù)學(xué)模型。針對傳統(tǒng)多目標(biāo)粒子 群算法(multi-objective particle swarm optimization，MOPSO) 的不足，提出引入模糊聚類分析的多目標(biāo)粒子群算法 (multi-objective particle swarm optimization algorithm based on fuzzy clustering，F(xiàn)CMOPSO)，在迭代過程中引入模糊聚 類分析來尋找每代的集群最優(yōu)解。與 MOPSO 相比， FCMOPSO 增強(qiáng)了算法的穩(wěn)定性與全局搜索能力，同時(shí)使優(yōu) 化結(jié)果中 Pareto 前沿分布更均勻。在求得 Pareto 最優(yōu)解集 后，再根據(jù)各目標(biāo)的重要程度，用模糊模型識(shí)別從最優(yōu)解集 中找出不同情況下的最優(yōu)方案。最后以一歐洲典型微電網(wǎng)為 例，驗(yàn)證算法的有效性和可行性。
標(biāo)簽： 模糊 模型識(shí)別 微電網(wǎng) 多目標(biāo)優(yōu)化 聚類分析
上傳時(shí)間： 2019-11-11
上傳用戶：Dr.趙勁帥
人工神經(jīng)網(wǎng)絡(luò)提供了一種普遍且實(shí)用的方法從樣例中學(xué)習(xí)值為實(shí)數(shù)、離散值或向量的函數(shù)反向傳播算法，使用梯度下降來調(diào)節(jié)網(wǎng)絡(luò)參數(shù)以最佳擬合由輸入-輸出對組成的訓(xùn)練集合人工神經(jīng)網(wǎng)絡(luò)對于訓(xùn)練數(shù)據(jù)中的錯(cuò)誤健壯性很好人工神經(jīng)網(wǎng)絡(luò)已被成功應(yīng)用到很多領(lǐng)域，例如視覺場景分析，語音識(shí)別，機(jī)器人控制神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)對于逼近實(shí)數(shù)值、離散值或向量值的目標(biāo)函數(shù)提供了一種健壯性很強(qiáng)的方法對于某些類型的問題，如學(xué)習(xí)解釋復(fù)雜的現(xiàn)實(shí)世界中的傳感器數(shù)據(jù)，人工神經(jīng)網(wǎng)絡(luò)是目前知道的最有效的學(xué)習(xí)方法反向傳搖成功例子，學(xué)習(xí)識(shí)別手寫字符，學(xué)習(xí)識(shí)別口語，學(xué)習(xí)識(shí)別人臉生物學(xué)動(dòng)機(jī)ANN受到生物學(xué)的啟發(fā)，生物的學(xué)習(xí)系統(tǒng)是由相互連接的神經(jīng)元組成的異常復(fù)雜的網(wǎng)絡(luò)。ANN由一系列簡單的單元相互密集連接構(gòu)成的，其中每一個(gè)單元有一定數(shù)量的實(shí)值輸入，并產(chǎn)生單一的實(shí)數(shù)值輸出人腦的構(gòu)成，大約有1011個(gè)神經(jīng)元，平均每一個(gè)與其他104個(gè)相連神經(jīng)元的活性通常被通向其他神經(jīng)元的連接激活或抑制最快的神經(jīng)元轉(zhuǎn)換時(shí)間比計(jì)算機(jī)慢很多，然而人腦能夠以驚人的速度做出復(fù)雜度驚人的決策很多人推測，生物神經(jīng)系統(tǒng)的信息處理能力一定得益于對分布在大量神經(jīng)元上的信息表示的高度并行處理
標(biāo)簽： 機(jī)器學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2022-04-08
上傳用戶：trh505
算法設(shè)計(jì)與分析基礎(chǔ) 美 萊維汀算法設(shè)計(jì)教材
標(biāo)簽： 算法設(shè)計(jì)
上傳時(shí)間： 2022-05-27
上傳用戶：qdxqdxqdxqdx
AR0231AT7C00XUEA0-DRBR（RGB濾光）安森美半導(dǎo)體推出采用突破性減少LED閃爍 (LFM)技術(shù)的新的230萬像素CMOS圖像傳感器樣品AR0231AT，為汽車先進(jìn)駕駛輔助系統(tǒng)(ADAS)應(yīng)用確立了一個(gè)新基準(zhǔn)。新器件能捕獲1080p高動(dòng)態(tài)范圍(HDR)視頻，還具備支持汽車安全完整性等級(jí)B(ASIL B)的特性。LFM技術(shù)(專利申請中)消除交通信號(hào)燈和汽車LED照明的高頻LED閃爍，令交通信號(hào)閱讀算法能于所有光照條件下工作。AR0231AT具有1/2.7英寸(6.82 mm)光學(xué)格式和1928(水平) x 1208(垂直)有源像素陣列。它采用最新的3.0微米背照式(BSI)像素及安森美半導(dǎo)體的DR-Pix?技術(shù)，提供雙轉(zhuǎn)換增益以在所有光照條件下提升性能。它以線性、HDR或LFM模式捕獲圖像，并提供模式間的幀到幀情境切換。 AR0231AT提供達(dá)4重曝光的HDR，以出色的噪聲性能捕獲超過120dB的動(dòng)態(tài)范圍。AR0231AT能同步支持多個(gè)攝相機(jī)，以易于在汽車應(yīng)用中實(shí)現(xiàn)多個(gè)傳感器節(jié)點(diǎn)，和通過一個(gè)簡單的雙線串行接口實(shí)現(xiàn)用戶可編程性。它還有多個(gè)數(shù)據(jù)接口，包括MIPI(移動(dòng)產(chǎn)業(yè)處理器接口)、并行和HiSPi(高速串行像素接口)。其它關(guān)鍵特性還包括可選自動(dòng)化或用戶控制的黑電平控制，支持?jǐn)U頻時(shí)鐘輸入和提供多色濾波陣列選擇。封裝和現(xiàn)狀：AR0231AT采用11 mm x 10 mm iBGA-121封裝，現(xiàn)提供工程樣品。工作溫度范圍為-40℃至105℃(環(huán)境溫度)，將完全通過AEC-Q100認(rèn)證。
標(biāo)簽： 圖像傳感器
上傳時(shí)間： 2022-06-27
上傳用戶：XuVshu
超聲波電機(jī)(Ultrasonic Motor簡稱USM)是八十年代發(fā)展起來的新型微電機(jī)。本文針對超聲波電機(jī)及其控制技術(shù)的研究現(xiàn)狀和發(fā)展趨勢,以我國研究技術(shù)相對比較成熟并有產(chǎn)業(yè)化前景的行波超聲波電機(jī)(Traveling-wave Ultrasonic Motor簡稱TUSM)的伺服控制技術(shù)為研究對象,以直徑60mm的行波超聲波電機(jī)TUSM60為研究實(shí)例,在特性測試、動(dòng)穩(wěn)態(tài)性能分析,辨識(shí)模型建立、控制策略與控制算法的選擇與實(shí)現(xiàn)等方面展開研究。本論具體的研究內(nèi)容為： 在分析超聲波電機(jī)研究歷史和現(xiàn)狀的基礎(chǔ)上,結(jié)合國內(nèi)外超聲波電機(jī)特別是行波超聲波電機(jī)控制技術(shù)的發(fā)展趨勢,重點(diǎn)論述了行波超聲波電機(jī)及其驅(qū)動(dòng)控制技術(shù)的研究進(jìn)展。 介紹行波超聲波電機(jī)的基本結(jié)構(gòu),并從該電機(jī)的主要理論基礎(chǔ)--壓電原理、行波合成、接觸模型出發(fā),分析了行波超聲波電機(jī)定子質(zhì)點(diǎn)的運(yùn)動(dòng)方程.并結(jié)合定轉(zhuǎn)子摩擦接觸特點(diǎn),分析了行波超聲波電機(jī)的運(yùn)行機(jī)理。 根據(jù)對行波超聲波電機(jī)測試和高精度控制的要求,研制出基于雙DSP和FPGA的超聲波電機(jī)高性能測試控制平臺(tái)。其中控制核心采用了雙DSP結(jié)構(gòu),可以在對行波超聲波電機(jī)進(jìn)行控制的同時(shí),將必要的參數(shù)讀取出來進(jìn)行分析和研究。為行波超聲波電機(jī)瞬態(tài)特性分析以及控制策略、控制算法的深入研究打下了基礎(chǔ)。 對電機(jī)的瞬態(tài)、穩(wěn)態(tài)特性進(jìn)行的測試,可以分析驅(qū)動(dòng)頻率、電壓以及相位差等調(diào)節(jié)量對電機(jī)輸出的影響。在此基礎(chǔ)上進(jìn)一步對行波超聲波電機(jī)的調(diào)節(jié)方式、控制算法選擇方面進(jìn)行分析,并得到相應(yīng)結(jié)論。 通過對實(shí)驗(yàn)數(shù)據(jù)的總結(jié)和歸納,利用系統(tǒng)辨識(shí)中的非參數(shù)方法,建立在特定頻率條件下的近似線性模型。在行波超聲波電機(jī)工作范圍內(nèi),辨識(shí)若干組不同頻率條件下的近似線性模型,將這些模型的參數(shù)進(jìn)行二維或三維擬合,可以得到一個(gè)關(guān)于行波超聲波電機(jī)傳遞函數(shù)的模型。辨識(shí)模型的建立為合理的選擇和優(yōu)化控制參數(shù),控制效果的驗(yàn)證等提供了行之有效的手段。 在對行波超聲波電機(jī)的速度控制、位置控制展開的研究中.首先利用遺傳算法對常規(guī)PI恒轉(zhuǎn)速控制的控制參數(shù)整定及修正方法進(jìn)行了研究；利用神經(jīng)元的在線自學(xué)習(xí)能力,研究和設(shè)計(jì)單神經(jīng)元PID-PI轉(zhuǎn)速控制器,提高控制系統(tǒng)對電機(jī)非線性和時(shí)變性的適應(yīng)能力；為了消除在伺服控制中,單一調(diào)節(jié)量(驅(qū)動(dòng)頻率)情況下,低轉(zhuǎn)速的跳躍問題,研究和討論了多調(diào)節(jié)量分段控制方法,并利用模糊控制對控制方法的有效性進(jìn)行了驗(yàn)證；在位置控制中,利用轉(zhuǎn)速控制研究的結(jié)果,研究和設(shè)計(jì)了位置--速度雙環(huán)(串級(jí))控制器,實(shí)現(xiàn)了電機(jī)高精度位置伺服控制。 通過對已有控制系統(tǒng)的改進(jìn)和簡化,設(shè)計(jì)和研制了具有實(shí)用化價(jià)值行波超聲波電機(jī)控制器：并將研究成果應(yīng)用于針對核磁成像設(shè)備而設(shè)計(jì)的行波超聲波電機(jī)隨動(dòng)控制系統(tǒng)中,同時(shí)嘗試了將該控制器用于高精度X-Y兩維定位平臺(tái)。
上傳時(shí)間： 2013-07-13
上傳用戶：mpquest
近年來，多電平逆變器在高壓大容量電能變換中得到廣泛應(yīng)用，而其控制策略和電路拓?fù)涞纫殉蔀榱搜芯繜狳c(diǎn)。相對傳統(tǒng)的兩電平逆變器，它具有效率高動(dòng)態(tài)性能好，對電動(dòng)機(jī)產(chǎn)生的諧波少，適合高壓大容量等優(yōu)點(diǎn)。但隨著電平數(shù)的增加，基本控制算法越來越復(fù)雜，同時(shí)還存在中點(diǎn)電壓不平衡等問題。將DSP數(shù)字控制技術(shù)應(yīng)用于多電平逆變器不僅簡化了系統(tǒng)的硬件控制電路，提高了系統(tǒng)性能，還可以實(shí)現(xiàn)系統(tǒng)的優(yōu)化控制。 本文以二極管箝位式三電平逆變器為研究對象，首先介紹了三電平逆變器的拓?fù)浣Y(jié)構(gòu)和工作原理，對三電平逆變器的電路方程進(jìn)行了深入的分析，在開關(guān)函數(shù)的基礎(chǔ)上建立了三電平逆變器的數(shù)學(xué)模型。在此基礎(chǔ)上，對空間電壓矢量脈寬調(diào)制（SVPWM）算法進(jìn)行了改進(jìn)，并詳細(xì)推導(dǎo)了該調(diào)制算法的計(jì)算公式，結(jié)合中點(diǎn)電位控制來確定開關(guān)矢量的作用順序，使仿真和實(shí)現(xiàn)都比較容易。然后重點(diǎn)分析了三電平逆變器直流側(cè)電容電壓不平衡問題產(chǎn)生的原因，提出了一種能控制逆變器直流側(cè)電容中點(diǎn)電位平衡的電壓空間矢量脈寬調(diào)制方法。最后采用MATLAB仿真軟件對所推導(dǎo)的三電平逆變器SVPWM調(diào)制算法和中點(diǎn)電位平衡控制方法進(jìn)行了仿真分析，證明了該調(diào)制算法的正確性和可行性。
上傳時(shí)間： 2013-05-20
上傳用戶：PresidentHuang
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
