搜索资源列表
nearpiont
- 最接近点对问题是求二维坐标中的点对问题，该算法是为了将平面上点集S线性分割为大小大致相等的2个子集S1和S2，我们选取一垂直线l:x=m来作为分割直线。其中m为S中各点x坐标的中位数。由此将S分割为S1={p∈S|px≤m}和S2={p∈S|px>m}。从而使S1和S2分别位于直线l的左侧和右侧，且S=S1∪S2 。由于m是S中各点x坐标值的中位数，因此S1和S2中的点数大致相等。 递归地在S1和S2上解最接近点对问题，我们分别得到S1和S2中的最小距离δ1和δ2。现设δ=min(δ
huffmancode111
- huffman完整源代码C语言实现，有本人超级详细解释（看不懂你去跳楼吧） 算法设计: 1、对给定的n个权值{W1,W2,W3,...,Wi,...,Wn}构成n棵二叉树的初始集合F={T1,T2,T3,...,Ti,...,Tn}，其中每棵二叉树Ti中只有一个权值为Wi的根结点，它的左右子树均为空。（为方便在计算机上实现算法，一般还要求以Ti的权值Wi的升序排列。） 2、在F中选取两棵根结点权值最小的树作为新构造的二叉树的左右子树，新二叉树的根结点的权值为其左右子树的根结点的权值之
PackageProblem
- 实现背包问题 package problem 1． 问题描述 假设有一个能装入总体积为T的背包和n件体积分别为w1 , w2 , … , wn 的物品，能否从n件物品中挑选若干件恰好装满背包，即使w1 +w2 + … + wn=T，要求找出所有满足上述条件的解。例如：当T=10，各件物品的体积{1，8，4，3，5，2}时，可找到下列4组解： （1，4，3，2）、（1，4，5）、（8，2）、（3，5，2）。 2． 基本要求 读入T、n、w1 , w2 , … , wn
daoyou
- 校园导游咨询：编制一个为来访客人进行最短路径导游的程序从厦门大学漳州校区的平面图中选取10个有代表性的景点，抽象成一个无向带权图。以图中顶点表示景点，边上的权值表示两地之间的距离。 2.本程序的目的是为用户提供路径咨询。根据用户指定的始点和终点输出相应路径，或者根据用户指定的景点输出景点的信息。
analyzer
- 会计管理，竞标选择算法，比如21个单位有13个BAOJIA 如何选取
df
- 一． 需求分析 1. 本程序的功能 接受用户的中文输入，用string 保存，能够按选定的数据结构设计相应的算法。当从乘车站到目的站存在多种乘车路线时，可以确定选取标准。例如，要求换车次数最少、经过站点最少等。 2. 输入形式 输入站名或本系统提供的站名所对应的序号 3. 输出的形式 输出按用户的选取标准的路线
tu_de_bian_li
- 图的邻接矩阵和遍历 一．问题描述 构造一图，用邻接矩阵实现该图的深度优先遍历或广度优先遍历。 二．实验目的 1．掌握图的基本概念和邻接矩阵的存储结构。 2．掌握邻接矩阵存储结构的算法实现。 3．掌握图在邻接矩阵存储结构上遍历算法的实现。 三．实验要求 1．确定图的顶点个数和边的个数，建立邻接矩阵，实现深度优先遍历或广度优先遍历，再在主函数中调用它们。 2．深度优先遍历思想： （1）访问顶点v （2）从v的未被访问的邻接点中选取一个顶点w
ShortestPath
- 该算法实现了任意两点间的最短路径选取，还有放大缩小漫游等功能，可以应用到交通分析等方面。
xiaoyuandaohangzixun
- 校园导游咨询 1．需求分析 1.1从武汉理工大学的平面图上选取10个有代表性的景点，抽象成一个带权无向图。以中顶点表示景点，边上的权值表示图两地之间的距离。 1.2本程序的目的是为用户提供景点信息及路径咨询服务。根据用户指定的景点输出景点信息，或根据用户指定的始点和终点输出相应最短路径。 1.3程序采用对话方式，先显示服务项目，由用户自己选择查询内容。
Huffman
- 哈夫曼树算法 根据给定的n个权值{w1,w2,……wn}，构造n棵只有根结点的二叉树，令起权值为wj 在森林中选取两棵根结点权值最小的树作左右子树，构造一棵新的二叉树，置新二叉树根结点权值为其左右子树根结点权值之和 在森林中删除这两棵树，同时将新得到的二叉树加入森林中 重复上述两步，直到只含一棵树为止，这棵树即哈夫曼树
B+树实现旅游图站点搜索
- 一、 需求分析： （1） 已知某市每条公路路线及沿途所经过的站名，要实现的功能是：在任一车站终端查询知道 1、 是否有公共汽车到达指定的目的地（任一站点） 2、 若有，打印出乘车的路线（不一定唯一）。如需中途换车，应指示在哪里换哪条线路的车。 （2） 实现的数据结构：因为将公共交通图看成是一个有向图，所以选择十字链表为其数据结构。 其中有信息点为：站点的连接关系（十字链表的弧头和弧尾链域很好的实现了这个功能） 反应途径的线路号（这个当作弧的信息域，含有两个往返的方向，并且每个方向又对
huffman 哈夫曼树的构造
- 哈夫曼树的构造，假设有n个权值，则构造出的哈夫曼树有n个叶子结点。 n个权值分别设为 w1、w2、…、wn，则哈夫曼树的构造规则为： (1) 将w1、w2、…，wn看成是有n 棵树的森林(每棵树仅有一个结点)； (2) 在森林中选出两个根结点的权值最小的树合并，作为一棵新树的左、右子树，且新树的根结点权值为其左、右子树根结点权值之和； (3)从森林中删除选取的两棵树，并将新树加入森林； (4)重复(2)、(3)步，直到森林中只剩一棵树为止，该树即为所求得的哈夫曼树。-Huff
SOR
- 松弛因子的介绍（“松弛迭代法是高斯-塞德尔迭代法的一种加速方法，基本思想是将高斯-塞德尔迭代法得到的第k+1次近似解向量与第k次近似解向量作加权平均，当权因子（即松弛因子）w选择是适当时，加速效果很明显。因此这个方法最关键的是如何选取最佳松弛因子。"）和算法。-Relaxation factor of the introduction (" relaxation method is the Gauss- Seidel iteration method for an accelerated
Campustourguide
- 课程设计： 用无向网表示学校的校园景点平面图，图中顶点表示主要景点， 存放景点的编号、名称、简介等信息，图中的边表示景点间的道路，存放路径长度等信息。要求能够回答有关景点介绍、游览路径等问题。游客通过终端可询问： （1）从某一景点到另一景点的最短路径。 （2）游客从公园进入，选取一条最佳路线。 （3）使游客可以不重复地浏览各景点，最后回到出口（出口就在入口旁边）。 -Curriculum design: Net free to express School ca
1108
- 在0 / 1背包问题中，需对容量为c 的背包进行装载。从n 个物品中选取装入背包的物品，每件物品i 的重量为wi ，价值为pi 。对于可行的背包装载，背包中物品的总重量不能超过背包的容量，最佳装载是指所装入的物品价值最高，即n ?i=1pi xi 取得最大值。约束条件为n ?i =1wi xi≤c 和xi?[ 0 , 1 ] [ 1≤i≤n]。-At 0/1 knapsack problem, there is a need for a capacity of c for the loaded
d
- 1． 0-1背包问题 在0 / 1背包问题中，需对容量为c 的背包进行装载。从n 个物品中选取装入背包的物品，每件物品i 的重量为wi ，价值为pi 。对于可行的背包装载，背包中物品的总重量不能超过背包的容量，最佳装载是指所装入的物品价值最高 -1. 0-1 knapsack problem at 0/1 knapsack problem, there is a need for a capacity of c for the loaded backpack. N items from
0-1
- 在0 / 1背包问题中，需对容量为c 的背包进行装载。从n 个物品中选取装入背包的物品，每件物品i 的重量为wi ，价值为pi 。对于可行的背包装载，背包中物品的总重量不能超过背包的容量，最佳装载是指所装入的物品价值最高。-At 0/1 knapsack problem, there is a need for a capacity of c to load the backpack. N items from a selected items into the backpack, each i
kruskal1
- kruskal算法求解最小生成树 K r u s k a l算法每次选择n- 1条边，所使用的贪婪准则是：从剩下的边中选择一条不会产生环路的具有最小耗费的边加入已选择的边的集合中。注意到所选取的边若产生环路则不可能形成一棵生成树。K r u s k a l算法分e 步，其中e 是网络中边的数目。按耗费递增的顺序来考虑这e 条边，每次考虑一条边。当考虑某条边时，若将其加入到已选边的集合中会出现环路，则将其抛弃，否则，将它选入。-kruskal
code
- 这其中涉及了黑名单、文本分类算法、短信内容分词、特征向量 选取等关键技术-That involves a black list, text classification algorithm, SMS is divided into words, feature vector selected key technologies such as
Variable_KD_Tree_Algorithms_for_Spatial_Pattern_Se
- 一篇介绍并行kd tree寻优和参数选取的文章，值得一看！-Introduced a parallel kd tree optimization and parameter selection of articles, worth a visit!