#include<stdio.h> #include<windows.h> int xuanxiang; int studentcount; int banjihao[100]; int xueqihao[100][10]; char xm[100][100]; int xuehao[100][10]; int score[100][3]; int yuwen; int shuxue[000]; int yingyu[100]; int c[100]; int p; char x[1000][100]="",y[100][100]="";/*x学院 y专业 z班级*/ int z[100]; main() { void input(); void inputsc(); void alter(); void scbybannji(); printf("--------学生成绩管理-----\n"); printf("请按相应数字键来实现相应功能\n"); printf("1.录入学生信息 2.录入学生成绩 3.修改学生成绩\n"); printf("4.查询学生成绩 5.不及格科目及名单 6.按班级输出学生成绩单\n"); printf("请输入你要实现的功能所对应的数字:"); scanf("%d",&xuanxiang); system("cls"); getchar(); switch (xuanxiang) { case 1:input(); case 2:inputsc(); case 3:alter(); /*case 4:select score(); case 5:bujigekemujimingdan();*/ case 6:scbybanji; } } void input() { int i; printf("请输入你的学院名称:"); gets(x); printf("请输入你的专业名称:"); gets(y); printf("请输入你的班级号:"); scanf("%d",&z); printf("请输入你们一个班有几个人:"); scanf("%d",&p); system("cls"); for(i=0;i<p;i++) { printf("请输入第%d个学生的学号:",i+1); scanf("%d",xuehao[i]); getchar(); printf("请输入第%d个学生的姓名:",i+1); gets(xm[i]); system("cls"); } printf("您已经录入完毕您的班级所有学生的信息!\n"); printf("您的班级为%s%s%s\n",x,y,z); /*alter(p);*/ } void inputsc() { int i; for(i=0;i<p;i++) { printf("\n"); printf("--------------------------------------------------------------------------------\n\n"); printf("\t\t\t\t录入学生的成绩\n\n\n"); printf("--------------------------------------------------------------------------------\n\n"); printf("\t\t\t\t%s\n",xm[i]); printf("\n"); printf("\t\t\t\t数学:"); scanf("%d",&shuxue[i]); printf("\n"); getchar(); printf("\t\t\t\t英语:"); scanf("%d",&yingyu[i]); printf("\n"); getchar(); printf("\t\t\t\tc语言:"); scanf("%d",&c[i]); system("cls"); } } void alter() { int i;/*循环变量*/ int m[10000];/*要查询的学号*/ int b;/*修改后的成绩*/ char kemu[20]=""; printf("请输入你要修改的学生的学号"); scanf("%d",&m); for (i=0;i<p;i++) { if (m==xuehao[i]) { printf("%s的数学成绩为%d,英语成绩为%d,c语言成绩为%d,xm[i],shuxue[i],yingyu[i],c[i]"); printf("请输入你想修改的科目");} } gets(kemu); getchar(); if (kemu=="数学"); { scanf("%d",&b); shuxue[i]=b;} if (kemu=="英语"); { scanf("%d",&b); yingyu[i]=b;} if (kemu=="c语言"); { scanf("%d",&b); c[i]=b; } printf("%s的数学成绩为%d,英语成绩为%d,c语言成绩为%d,xm[i],shuxue[i],yingyu[i],c[i]"); } void scbybannji() { int i; char zyname[20]; int bjnumber; printf("请输入你的专业名称"); scanf("%s",&zyname); printf("请输入你的班级号"); scanf("%d",&bjnumber); for (i=0;i<p;i++) { if (zyname==y[i]); if (bjnumber==z[i]); printf("专业名称%s班级号%d数学成绩%d英语成绩%dc语言成绩%d，y[i],z[i],shuxue[i],yingyu[i],c[i]"); } }
标签： c语言
上传时间： 2018-06-08
上传用户：2369043090
function [alpha,N,U]=youxianchafen2(r1,r2,up,under,num,deta) %[alpha,N,U]=youxianchafen2(a,r1,r2,up,under,num,deta) %该函数用有限差分法求解有两种介质的正方形区域的二维拉普拉斯方程的数值解 %函数返回迭代因子、迭代次数以及迭代完成后所求区域内网格节点处的值 %a为正方形求解区域的边长 %r1,r2分别表示两种介质的电导率 %up,under分别为上下边界值 %num表示将区域每边的网格剖分个数 %deta为迭代过程中所允许的相对误差限 n=num+1; %每边节点数 U(n,n)=0; %节点处数值矩阵 N=0; %迭代次数初值 alpha=2/(1+sin(pi/num));%超松弛迭代因子 k=r1/r2; %两介质电导率之比 U(1,1:n)=up; %求解区域上边界第一类边界条件 U(n,1:n)=under; %求解区域下边界第一类边界条件 U(2:num,1)=0;U(2:num,n)=0; for i=2:num U(i,2:num)=up-(up-under)/num*(i-1);%采用线性赋值对上下边界之间的节点赋迭代初值 end G=1; while G>0 %迭代条件：不满足相对误差限要求的节点数目G不为零 Un=U; %完成第n次迭代后所有节点处的值 G=0; %每完成一次迭代将不满足相对误差限要求的节点数目归零 for j=1:n for i=2:num U1=U(i,j); %第n次迭代时网格节点处的值 if j==1 %第n+1次迭代左边界第二类边界条件 U(i,j)=1/4*(2*U(i,j+1)+U(i-1,j)+U(i+1,j)); end if (j>1)&&(j U2=1/4*(U(i,j+1)+ U(i-1,j)+ U(i,j-1)+ U(i+1,j)); U(i,j)=U1+alpha*(U2-U1); %引入超松弛迭代因子后的网格节点处的值 end if i==n+1-j %第n+1次迭代两介质分界面（与网格对角线重合）第二类边界条件 U(i,j)=1/4*(2/(1+k)*(U(i,j+1)+U(i+1,j))+2*k/(1+k)*(U(i-1,j)+U(i,j-1))); end if j==n %第n+1次迭代右边界第二类边界条件 U(i,n)=1/4*(2*U(i,j-1)+U(i-1,j)+U(i+1,j)); end end end N=N+1 %显示迭代次数 Un1=U; %完成第n+1次迭代后所有节点处的值 err=abs((Un1-Un)./Un1);%第n+1次迭代与第n次迭代所有节点值的相对误差 err(1,1:n)=0; %上边界节点相对误差置零 err(n,1:n)=0; %下边界节点相对误差置零 G=sum(sum(err>deta))%显示每次迭代后不满足相对误差限要求的节点数目G end
标签： 有限差分
上传时间： 2018-07-13
上传用户：Kemin
利用电场积分方程（EFIE）开展无限长圆柱、椭圆柱在TM波激励下的电磁散射场计算，并利用解析解进行验证，同时利用MFIE开展TE波激励下的电磁散射特性计算
上传时间： 2018-08-08
上传用户：gls123
淋浴器温度控制调节采用MAT LAB 的附加组件Simulink, 仿真系 统的框图如图1 所示。图中的虚线为模糊控制器, 作为二维模糊控制器机构以水的温度偏差temp 和 流量偏差f low 为输入量, 采用模糊推理方法对水 的温度偏差和流量偏差进行整定, 用来确定冷水阀 门和热水阀门的开口大小cold 和hot 以便控制冷 热水的流量, 构成2 输入2 输出的一阶模糊控制系 统; 模糊推理与去模糊化采用MIN - MAX 法及重 心法, 并用MA TLAB 模糊推理工具箱来编辑模糊 控制器。 图1
上传时间： 2018-10-12
上传用户：一只虫虫
针对飞秒激光微纳加工技术中激光与加工样品相对运动的控制、聚焦光斑能量的控制中存在的问题，提出一种基于硅基液晶空间光调制器动态加载计算全息图同时控制焦点位置和能量的新型加工方法。该方法通过加载叠加闪耀光栅的全息图，控制单点运动来扫描加工二维结构，无需平台移动。进一步控制全息图的挖空区域，可以调制入射光斑的能量，进而控制被加工点阵的形貌。利用这一加工效应，成功实现各种可控环状结构的加工，并在光学显微镜下测试达到相应效果，证明这种加工方法在飞秒激光微纳加工领域具有可行性。
上传时间： 2019-02-22
上传用户：yuchen1019
采用C语言编写，易于上手，采用d2q9模型
上传时间： 2019-06-06
上传用户：ILKW
解决m*n的二维数组按螺旋方式排列按顺序排列到一维数组zhong
上传时间： 2020-02-25
上传用户：我的心是真的
动态规划算法，寻找一条路径得到的值最大，用二维矩阵存储数据
上传时间： 2021-06-12
上传用户：FlowMaple
30个数学建模智能算法及MATLAB程序代码:chapter10基于粒子群算法的多目标搜索算法.rarchapter11基于多层编码遗传算法的车间调度算法.rarchapter12免疫优化算法在物流配送中心选址中的应用 .rarchapter13粒子群优化算法的寻优算法.rarchapter14基于粒子群算法的PID控制器优化设计.rarchapter15基于混合粒子群算法的TSP搜索算法 .rarchapter16 基于动态粒子群算法的动态环境寻优算法.rarchapter17基于PSO工具箱的函数优化算法.rarchapter18鱼群算法函数寻优.rarchapter19基于模拟退火算法的TSP算法.rarchapter1遗传算法工具箱.rarchapter20基于遗传模拟退火算法的聚类算法.rarchapter21模拟退火算法工具箱及应用.rarchapter22蚁群算法的优化计算——旅行商问题(TSP)优化 .rarchapter23基于蚁群算法的二维路径规划算法.rarchapter24 基于蚁群算法的三维路径规划算法.rarchapter25有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测.rarchapter26.rarchapter27无导师学习神经网络的分类——矿井突水水源判别.rarchapter28支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断 .rarchapter29支持向量机的回归拟合——混凝土抗压强度预测.rarchapter2基于遗传算法和非线性规划的函数寻优算法 .rarchapter30极限学习机的回归拟合及分类.rarchapter3基于遗传算法的BP神经网络优化算法 .rarchapter4sa_tsp.rarchapter5基于遗传算法的LQR控制器优化设计.rarchapter6遗传算法工具箱详解及应用 .rarchapter7多种群遗传算法的函数优化算法.rarchapter8基于量子遗传算法的函数寻优算法 .rarchapter9基于遗传算法的多目标优化算法.rar
上传时间： 2021-11-28
上传用户：
神经网络在智能机器人导航系统中的应用研究1神经网络在环境感知中的应 用 对环境 的感 知 ，环境模型 妁表示 是非常重要 的。未 知 环境中的障碍物的几何形状是不确定的，常用的表示方浩是 槽格法。如果用册格法表示范围较大的工作环境，在满足 精度要求 的情况下，必定要占用大量的内存，并且采用栅 格法进行路径规划，其计算量是相当大的。Kohon~n自组织 神经瞬络为机器人对未知环境的蒜知提供了一条途径。 Kohone~冲经网络是一十自组织神经网络，其学习的结 果能体现出输入样本的分布情况，从而对输入样本实现数 据压缩 。基于 网络 的这些特 性，可采 用K0h0n曲 神经元 的 权向量来表示 自由空间，其方法是在 自由空间中随机地选 取坐标点xltl【可由传感器获得】作为网络输入，神经嘲络通 过对大量的输八样本的学习，其神经元就会体现出一定的 分布形 式 学习过程如下：开 始时网络的权值随机地赋值 ， 其后接下式进行学 习： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神经元 1在t时刻对 应的权值 ；a(∽ 谓整系 数 ； (『l网络的输八矢量；Ⅳ()：学习的 I域。每个神经元能最 大限度 地表示一 定 的自由空间 。神经 元权 向量的最 小生成 树可以表示出自由空问的基本框架。网络学习的邻域 (，) 可 以动 态地 定义 成矩形 、多边 形 。神经 元数量 的选取取 决 于环境 的复杂度 ，如果神 经元 的数量 太少 ．它们就 不能 覆 盖整十空间，结果会导致节点穿过障碍物区域 如果节点 妁数量太大 ．节点就会表示更多的区域，也就得不到距障 碍物的最大距离。在这种情况下，节点是对整个 自由空间 的学 习，而不是 学习最 小框架空 间 。节 点的数 量可 以动态 地定义，在每个学习阶段的结柬．机器人会检查所有的路 径．如检铡刊路径上有障碍物 ，就意味着没有足够的节点 来 覆盖整 十 自由窑 间，需要增加 网络节点来 重新学 习 所 138一 以为了收敛于最小框架表示 ，应该采用较少的网络 节点升 始学习，逐步增加其数量。这种方法比较适台对拥挤的'E{= 境的学习，自由空间教小，就可用线段表示；若自由空问 较大，就需要由二维结构表示 。 采用Kohonen~冲经阿络表示环境是一个新的方法。由 于网络的并行结构，可在较短的时间内进行大量的计算。并 且不需要了解障碍物的过细信息．如形状、位置等 通过 学习可用树结构表示自由空问的基本框架，起、终点问路 径 可利用树的遍 历技术报容易地被找到 在机器人对环境的感知的过程中，可采用人】：神经嘲 络技术对 多传 感器的信息进 行融台 。由于单个传感器仅能 提 供部分不 完全 的环境信息 ，因此只有秉 甩 多种传感器 才 能提高机器凡的感知能力。 2 神经 网络在局部路径规射中的应 用 局部路径 规删足称动吝避碰 规划 ，足以全局规荆为指 导 利用在线得到的局部环境信息，在尽可能短的时问内
上传时间： 2022-02-12
上传用户：qingfengchizhu
