搜索资源列表
ACKFunction
- 实现阿克曼函数并统计递归调用次数 Counting times of recursion calling 1． 问题描述 定义阿克曼递归函数： ACK(0,n)=n+1 n>=0 ACK(m,0)=ACK(m-1,1) m>=1 ACK(m,n)=ACK(m-1,ACK(m,n-1)) m,n>0 2． 基本要求 读入m、n，输出ACK(m,n)的值，并统计递归调用次数。-Ackermann achieve statistical a
movie_cartoon
- ％电影动画： ％1.首先调用moviein函数对内存初始化.创建一个足够大的矩阵来容纳一系列指定的图形（帧） ％2.调用getframe函数生成每一帧.该函数返回一个矢量，利用这个矢量创建一个电影动画矩阵 ％3.调用movie函数按照指定速度进行指定次数的播放 ％例子2：演示如何实现快速傅立叶变换（exp(j*2*pi/n)）的可视化过程- Movie animation: 1. First transfers the moviein function to the me
erfenfa2
- 非递归调用的二叉查找法：初始化一个数组，提示输入待查元素，返回查找的结果和查找次数-non - recursive call the binary search method : an array initialization, suggesting that the importation of unknown origin elements, return to the search results and the number of search
TS_TSP
- 解决TSP问题的TS算法MATLAB实现，其中加入了变异算法，当然也可以去掉这个步骤，调用TS_TSP(N, inStart, IsBianYi)，N是城市数目，inStart是起始城市的序号，IsBianYi就是选择变异否，如果为0则不要变异，否则就是结合变异算子的TS算法。 至于下面的参数可以自己调： T：总的循环次数； tabulength：禁忌长度； Pby：变异概率；
Monte_Carlo
- 高概率找到正确解 基本思想：为了增加一个一致的P正确算法成功的概率，只需多次调用同一算法，然后选择出现次数最多的解
merge
- 首先通过递归调用，将原数组不断的分小，最终将数组分成N份。然后将有序的两组合并成一个有序数组，每合并一次数组的规模.就会翻倍，最终会将原来无序的数组变成一个有序的数组。
Matrix
- 给定n个矩阵{A1,A2,…,An}，其中Ai与Ai+1是可乘的，i=1,2,…,n-1。考察这n个矩阵的连乘积A1A2…An。由于矩阵乘法满足结合律，故计算矩阵的连乘积可以有许多不同的计算次序，这种计算次序可以用加括号的方式来确定。若一个矩阵连乘积的计算次序完全确定，则可以依此次序反复调用2个矩阵相乘的标准算法（有改进的方法，这里不考虑）计算出矩阵连乘积。若A是一个p×q矩阵，B是一个q×r矩阵，则计算其乘积C=AB的标准算法中，需要进行pqr次数乘。
IntegerSort
- 设计一个由自动测试排序算法性能（比较次数compare_count、交换次数exchange_count、探测次数probe_count）的测试类和排序类构成的类体系。 注：用一个类来描述一个排序算法，类中的sort方法通过调用比较、交换方法来实现数组排序。排序类放入一个特定的包MySort中。-Design a sorting algorithm by automatic test performance (compare the number of compare_count, the
multifit
- 功能：离散试验数据点的多项式曲线拟合 调用格式：A=multifit(x,y,m) 其中：x: 试验数据点的x坐标向量 Y: 试验数据点的y坐标向量 m: 拟合多项式的次数 -Functions: discrete experimental data points, the polynomial curve fitting call format: A = multifit (x, y, m) where: x: experimental data points, x
UnwellLineEquSet-matlab
- 病态线性方程组的计算题，涉及Gauss消元法、雅可比迭代法、高斯-赛德尔迭代法、最速下降法和共轭梯度法。每一个方法，都编写一个m文件，封装成函数的形式。然后通过总的HilbLineEquSet.m文件来调用执行，画出误差曲线图，得到运行结果。总的Matlab程序流程，如下所示： 病态方程组的计算包括：HilbLineEquSet.m、gauss.m、jacobi.m、gauss_seidel.m、fastest_descend.m和conjugated_grad.m六个文件。 程序执行结
RLS_Algo
- 功能描述：用matlab语言实现RLS自适应算法 函数名：RLS_Algo 输入参数： (1)M:滤波器的阶数 (2)N:LMS算法迭代的次数 (3)lamda:遗忘因子 (4)xn:LMS算法的输入序列 输出参数： (1)系数矢量A 调用函数：无 被调用： 作者：mingcheng 编写时间：2009-10-13 修改时间：2009-10-13 版本：V1.0 -Function Descr
CompetitionChampionAlgorithm100801
- 可用于有约束函数优化的竞赛争冠算法程序已基本完成,但肯定还有未发现的问题.请您试用,并提宝贵的意见和批评.谢谢!该程序是在自创的无约束优化的竞赛争冠算法(旧称竞技取冠算法)函数优化程序基础上,开发出来的有约束优化程序.程序采用罚函数法实现有约束优化的,但罚因子(惩罚系数)的处理方法有别于其它罚函数法.该程序证明这种惩罚系数处理方法是有效的.该法调整惩罚系数简单,粗放,一般应用默认值即可.该程序普适性较好,进化参数调整简单,不敏感,全局最优解的搜索能力较强,数据重现性(鲁棒性)较好,获得结果精度较
UnwellLineEquSet-matlab
- 病态线性方程组的计算题，涉及Gauss消元法、雅可比迭代法、高斯-赛德尔迭代法、最速下降法和共轭梯度法。每一个方法，都编写一个m文件，封装成函数的形式。然后通过总的HilbLineEquSet.m文件来调用执行，画出误差曲线图，得到运行结果。总的Matlab程序流程，如下所示： 病态方程组的计算包括：HilbLineEquSet.m、gauss.m、jacobi.m、gauss_seidel.m、fastest_descend.m和conjugated_grad.m六个文件。 程序执行结果包括：
Jabic
- 雅克比式 调用 矩阵 正交矩阵 迭代 迭代次数-Jacobi calls Matrix orthogonal matrix iteration number of iterations
code_23980764
- RNW_perm(A) 利用Ryser-NW方法，计算n*n矩阵A的积和式。计算时间随着n 以2的指数倍增长。计算20*20以内的矩阵很快。 Hperm(A) 利用双元素展开计算非常稀疏的矩阵的积和式 symmRegular(n,k,m) 该命令要调用symmGen函数。 生成对称的k-regular n阶0-1矩阵的启发式算法。 参数n,k是必须的。m的默认值是10。 m设定尝试次数，如果该命令显示 fail ,表明经过m次尝试， 没有
count_word
- 统计文本中的单词个数，并按出现次数降序输出（支持大文本）,原版是http://www.oschina.net/code/snippet_176897_7944。采用hash_map,GCC采用#include <ext/hash_map>。修改版本是VS2010采用#include <hash_map>using namespace stdext VC调用hash_map的例子，值得学习。-The number of words in the statistics tex
ksvdbox
- K-SVD算法训练字典的源码，可以直接调用，也可以修改迭代次数等参数。-K-SVD algorithm to train the dictionary source, can be called directly, or you can modify parameters such as the number of iterations.
rank
- 内部排序算法比较:通过随机数据比较各排序算法的关键字比较次数和关键字移动次数，以及执行时间，取得直观感受。 1、各算法在不同规模下的比较。 1）比较范围：直接插入排序、冒泡法排序、简单选择排序、快速排序1（自己实现）、快速排序2（调用STL）、归并排序。 2）比较指标：a）关键字操作次数（比较次数和移动次数之和），b)排序时间。每个指标采用多次重复取平均数记录，重复次数不小于100。注：1次关键字对换按3次移动计算。 3）数据规模：分别为50,100,500,1000,5000,
WUDUIJIAOZHUIGAN
- 五对角矩阵追赶法求解矩阵，有调用方法，并且经过我优化，一次性将矩阵处理成五对角数列，减少循环次数-Pentadiagonal matrix chase method for solving the matrix, there is a method call, and after I optimized one-time matrix processing into PENTADIAGONAL series, reducing the number of cycles
BFGS
- 功能：用BFGS算法求解无约束问题：min f(x) 输入：x0是初始点，fun,gfun分别是目标函数及其梯度； varargin是输入可变参数变量，简单调用bfgs时可以忽略它， 但是其他程序循环调用时将会发挥重要作用 输出：x,val分别是近似最优点和最优值，k是迭代次数。-Function: BFGS algorithm for unconstrained problem: min f (x) Input: X0 is the initial point, fu