一个旅行家想驾驶汽车从城市A到城市B（设出发时油箱是空的）。给定两个城市之间的距离dis、汽车油箱的容量c、每升汽油能行驶的距离d、沿途油站数n、油站i离出发点的距离d[i]以及该站每升汽油的价格p[i],i=1,2,…,n。设d[1]=0<d[2]<…<d[n]。要花最少的油费从城市A到城市B，在每个加油站应加多少油，最少花费为多少？
上传时间： 2013-12-31
上传用户：redmoons
用FFT分别计算Xa(n) (p=8, q=2)与Xb(n) (a =0.1,f =0.0625)的16点循环卷积和线性卷积。
上传时间： 2013-12-09
上传用户：lizhizheng88
产生服从正态、瑞利、泊松分布的随机数。分别为N(0,1),N(0,3.6),Rayleigh(0,1),R(0,3.6),P(0,1),P(0,3.6)
上传时间： 2014-11-28
上传用户：sunjet
替代加密: A B C D E F G H I J K L M N O P Q R S T U V W 密文 Y Z D M R N H X J L I O Q U W A C B E G F K P 明文 X Y Z T S V I HAVE A DREAM！# 密文？？ 用ARM编程实现替代加密。
标签： 加密
上传时间： 2016-07-17
上传用户：qq521
For sigma-delta modulated Factional-N P
标签： Factional-N sigma-delta modulated For
上传时间： 2016-11-09
上传用户：bcjtao
生成给定分布律的随机数 ％ r=specrnd(x,p)返回一个来自分布律P(x)=p的随机数 ％ r=specrnd(x,p,m,n)返回m*n随机数矩阵 ％ p的默认值为等概率
上传时间： 2014-01-17
上传用户：weixiao99
//Euler 函数前n项和 /* phi(n) 为n的Euler原函数 if( (n/p) ％ i == 0 ) phi(n)=phi(n/p)*i else phi(n)=phi(n/p)*(i-1) 对于约数：divnum 如果i|pr[j] 那么 divnum[i*pr[j]]=divsum[i]/(e[i]+1)*(e[i]+2) //最小素因子次数加1 否则 divnum[i*pr[j]]=divnum[i]*divnum[pr[j]] //满足积性函数条件 对于素因子的幂次 e[i] 如果i|pr[j] e[i*pr[j]]=e[i]+1 //最小素因子次数加1 否则 e[i*pr[j]]=1 //pr[j]为1次 对于本题： 1. 筛素数的时候首先会判断i是否是素数。 根据定义，当 x 是素数时 phi[x] = x-1 因此这里我们可以直接写上 phi[i] = i-1 2. 接着我们会看prime[j]是否是i的约数 如果是，那么根据上述推导，我们有：phi[ i * prime[j] ] = phi[i] * prime[j] 否则 phi[ i * prime[j] ] = phi[i] * (prime[j]-1) (其实这里prime[j]-1就是phi[prime[j]]，利用了欧拉函数的积性) 经过以上改良，在筛完素数后，我们就计算出了phi[]的所有值。 我们求出phi[]的前缀和 */
上传时间： 2016-12-31
上传用户：gyq
该函数是求出N*P矩阵的各行间的1减去平均灰色关联度对称矩阵，并用矩阵Z输出
上传时间： 2017-03-08
上传用户：xiaodu1124
数字基带传输系统的MATLAB仿真实现 function [sampl,re_sampl]=system_1(A,F,P,D,snr,m,N) 输入变量A ,F,P分别为输入信号的幅度、频率和相位，D为量化电平数，snr 为信道信噪比，N为D/A转换时的内插点数；输出变量sampl为抽样后的输入 信号，re_sampl为恢复出的输入信号。 数字基带传输系统的MATLAB仿真实现 [sampl,quant,pcm]=a_d_1(A,F,P,D) [changed_ami]=signal_encod_1(pcm) [ami_after_channel]=channel_1(changed_ami,snr) [adjudged_ami]=adjudg_1(ami_after_channel,m) re_pcm=signal_decod_1(adjudged_ami) [re_voltag,re_sampl,re_sampl1]=d_a_1(re_pcm,sampl,D,N)
标签： function re_sampl MATLAB system
上传时间： 2017-04-21
上传用户：tzl1975
Introduction to probability solution Dimitri P. Bertsekas and John N Tsitsiklis MIT
标签： P. Introduction probability Tsitsiklis
上传时间： 2014-01-15
上传用户：a6697238
