资源列表
ch111111
- 数据结构常用算法程序集1，描述数据结构算法。-data structure used an algorithm set procedures described algorithm data structure.
基因计算
- 简单遗传算法(SGA) 主要算法模块有:选择 交叉 变异 (三个遗传操作) 和 群体更新 -simple genetic algorithm (SGA) algorithm for the main modules are : choice of crossover and mutation (3 Genetic Manipulation) and update groups
simul2
- 用于求解环境污染物在地下水中迁移规律的解析解-for solving environmental pollutants in the groundwater migration laws of the analytic solution
用c实现的约瑟夫环问题
- 约瑟夫问题有原始的约瑟夫和发展了的约瑟夫两种。 原始的约瑟夫的描述： 古代某法官要判决N个犯人的死刑，他有一条荒唐的法律，将犯人站成一个圆圈，从第S个人开始数起，每数到第D个犯人，就拉出来处决，然后再数D个，数到的人再处决———直到剩下的最后一个可赦免。 发展的约瑟夫的描述： 古代某法官要判决N个犯人的死刑，但这N个人每人持有一个密码，他有一条荒唐的法律，将犯人站成一个圆圈，法官先给出一个密码M，从第S个人开始数起，每数到第M个犯人，就拉出来处决，再根据这个人所持有的密码F，然后再数F个，数到的
用c实现的商品货架算法
- 问题描述： 假设一个商店，它有一个货架和一个仓库，当货架上的商品数量少于一定的数目时，从仓库运一定数量的商品摆到货架上，当仓库里的商品的数量少于一定的数目时，购买商品把仓库填满，商品的出售要按照商品的生产日期来，快要过期的商品要先出售。 解决问题的方法： 用了两个栈和 一个队列，把队列当作仓库，用一个栈作为货架，把另一个栈当作临时的存储箱。当要往货架上添商品时，先把作为货架的栈中的元素全都压到作为存储箱的栈中，再把仓库中的元素压到存储箱中，然后再把存储箱中的所有元素都压到货架上，这样，就能保证快
开散列的散列表
- 利用闭散列方法中的线形探查建立散列表。用c实现的。-closed hash method using the linear exploration establish hashtable. C used to achieve.
二叉树的中序遍历和存储
- 用c实现的二叉树的中序遍历的读取与存储，能体现出向左倒的二叉树的打印界面，界面简单。-achieved using the binary tree traversal sequence which read and storage, will be shown left one of the binary tree Print interface that simple.
chenxu1
- 遗传算法的一个演示程序，演示了遗传算法的一些简单的功能，能够使人更加明白的了解遗传算法的好处！-a genetic algorithm Demonstration Program, demonstrated the genetic algorithm with some simple functions that could lead to a greater understanding of the genetic algorithm understanding of the benefits
bp11111
- 编写的BP算法的软件模拟 在Turbo c++3.0环境下编译通过-prepared by BP algorithm in the software simulation 3.0 Turbo c compiler environment through
AniMatrix
- 用c写的对矩阵求逆的算法，采用直接迭代，适合2阶和3阶矩阵-used to write the right matrix inversion algorithm, the introduction of direct iteration, for two bands and three bands Matrix
Pile
- 用JAVA 写的数据结构 PILE 的算法,这种算法是法国大学老师算PILE 的一种方法.-using Java to write the data structure of the stiffness This algorithm is counting France braced University teachers a way.
Runge-Kutta
- Runge-Kutta-Fehlberg method