基本算法思想 OPT：该算法的基本思想是用二维数组page2[40][2] 的第一列存储装入内存的页面，而第二列用作标记位计数器。每当发生缺页时，就从内存中调出一页，首先将内存中的页面一一与要调入内存中的页面之后的页面比较，如果两个页面不相等，则内存中相应的页面的标记位计数器加一，直至到有相等的页面，则该页面的比较停止，再重复以上操作，直至内存中的页面全部比较完。然后找出内存中页面的标记位最大的页面，而该页就是要置换出来的页。 FIFO: 该算法的基本思想是用队列queue存储内存中的页面，队列的特点是先进先出，与该算法是一致的，所以每当发生缺页时，就从队头删除一页，即队头指针加一，而从队尾加入缺页，队尾指针加一。 LRU: 该算法的基本思想是用二维数组page2[40][2] 的第一列存储装入内存的页面，而第二列用作标记位计数器。每当使用页面时，该页面的标记位计数器加一。发生缺页时，就从内存中页面标记最小的一页，调出该页，并且该页后面的页面在数组中的位置前移，而缺页就放在数组后面。
上传时间： 2013-12-26
上传用户：lwwhust
分形维数的估算软件FD3，C++源代码，具有很好的学习价值，是一切分形科学工作的基础。
上传时间： 2015-04-10
上传用户：xaijhqx
针对现有遗传算法在多维非线性优选方面的不足，本文提出了一种基于小生境进化算法（NEA）的非线性优选模型，探讨了NEA算法的参数选择原则。通过大量仿真和比较，表明算法在复杂非线性优选中具有快速、高效、鲁棒性强的特点，并能在全局范围内有效搜索所有最优解。
上传时间： 2014-08-02
上传用户：ZJX5201314
维吉尼亚加密的java版本，写得不是太好，大家一起来讨论讨论！
上传时间： 2013-11-30
上传用户：comua
这是一个可进行矩阵维数变换的程序，相信大家一看便知，程序可读性强。
上传时间： 2013-11-29
上传用户：wyc199288
计算关联维的 Matlab 程序 - (mex 函数，超快) ----------------------------------- 文件夹说明： 1、CorrelationDimension_main.m - 程序主文件 2、LorenzData.dll - 产生Lorenz离散数据 3、normalize_1.m - 数据归一化 4、PhaSpaRecon.m - 相空间重构 5、CorrelationDimension.dll - 计算关联积分函数 6、CorrDim_buffer.dll - 缓存文件
上传时间： 2015-05-14
上传用户：13188549192
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(δ1,δ1)。若S的最接近点对(p,q)之间的距离d(p,q)<δ则p和q必分属于S1和S2。不妨设p∈S1，q∈S2。那么p和q距直线l的距离均小于δ。因此，我们若用P1和P2分别表示直线l的左边和右边的宽为δ的2个垂直长条，则p∈S1，q∈S2。
标签： 二维
上传时间： 2015-05-19
上传用户：shawvi
《妙用Java及VRML开发三维图形》pdg格式电子书，学习JAVA图形的朋友值得一看
上传时间： 2014-01-27
上传用户：hj_18
G-P算法计算关联维的 Matlab 程序 (升级版，mex函数，超快) 作者：陆振波，海军工程大学 欢迎同行来信交流与合作，更多文章与程序下载请访问我的个人主页 电子邮件：luzhenbo@sina.com 个人主页：luzhenbo.88uu.com.cn 更新部分： 引入限制短暂分离参数，使该参数大于序列平均周期时，去除了同一轨道前后点的关联， 使 r 值较小时，ln r - ln C(r) 曲线接近线性 文件夹说明： 1、GP_Algorithm_main.m - 程序主文件 2、LorenzData.dll - 产生Lorenz离散数据 3、normalize_1.m - 数据归一化 4、CorrelationIntegral.dll - 计算关联积分
上传时间： 2013-12-14
上传用户：fxf126@126.com
一， 一般步骤 （1），消除或减小恒定系差 （2），求测量数据的数学期望 ，即算术平均值 ： ， 其中n为测量数据次数， 为第 次测量的数据。 （3），求剩余误差 ： （4），根据贝塞尔公式求标准偏差 ： （5），检查是否有粗大误差。检查时用了肖维纳准则。如果某次测量的结果 所对应的 ，则认为是坏值，予以剔除。 （6），如有坏值，剔除后重新进行步骤（2）～（5）的计算，直至无坏值为止。 （7），判断有无变值系差。判断是可用马利科夫准则或阿卑—赫梅特准则。 （8），求出算术平均值的标准偏差 ： 必须注意，如前面计算中曾出现坏值，则这里的 应为剔除后重新计算出的标准偏差。 （9），求算术平均值的不确定度
标签：
上传时间： 2015-06-01
上传用户：shizhanincc
