Welcome![Sign In][Sign Up]
Location:
Search - 最有化算法

Search list

[ELanguage编译原理及实践

Description:

目      录
译者序
前言
第1章   概论 1
1.1   为什么要用编译器 2
1.2   与编译器相关的程序 3
1.3   翻译步骤 5
1.4   编译器中的主要数据结构 8
1.5   编译器结构中的其他问题 10
1.6   自举与移植 12
1.7   TINY样本语言与编译器 14
1.7.1   TINY语言 15
1.7.2   TINY编译器 15
1.7.3   TM机 17
1.8   C-Minus:编译器项目的一种语言 18
练习 19
注意与参考 20
第2章   词法分析 21
2.1   扫描处理 21
2.2   正则表达式 23
2.2.1   正则表达式的定义 23
2.2.2   正则表达式的扩展 27
2.2.3   程序设计语言记号的正则表达式 29
2.3   有穷自动机 32
2.3.1   确定性有穷自动机的定义 32
2.3.2   先行、回溯和非确定性自动机 36
2.3.3   用代码实现有穷自动机 41
2.4   从正则表达式到DFA 45
2.4.1   从正则表达式到NFA 45
2.4.2   从NFA到DFA 48
2.4.3   利用子集构造模拟NFA 50
2.4.4   将DFA中的状态数最小化 51
2.5   TINY扫描程序的实现 52
2.5.1   为样本语言TINY实现一个扫描
程序 53
2.5.2   保留字与标识符 56
2.5.3   为标识符分配空间 57
2.6   利用Lex 自动生成扫描程序 57
2.6.1   正则表达式的Lex 约定 58
2.6.2   Lex输入文件的格式 59
2.6.3   使用Lex的TINY扫描程序 64
练习 65
编程练习 67
注意与参考 67
第3章   上下文无关文法及分析 69
3.1   分析过程 69
3.2   上下文无关文法 70
3.2.1   与正则表达式比较 70
3.2.2   上下文无关文法规则的说明 71
3.2.3   推导及由文法定义的语言 72
3.3   分析树与抽象语法树 77
3.3.1   分析树 77
3.3.2   抽象语法树 79
3.4   二义性 83
3.4.1   二义性文法 83
3.4.2   优先权和结合性 85
3.4.3   悬挂else问题 87
3.4.4   无关紧要的二义性 89
3.5   扩展的表示法:EBNF和语法图 89
3.5.1   EBNF表示法 89
3.5.2   语法图 91
3.6   上下文无关语言的形式特性 93
3.6.1   上下文无关语言的形式定义 93
3.6.2   文法规则和等式 94
3.6.3   乔姆斯基层次和作为上下文无关
规则的语法局限 95
3.7   TINY语言的语法 97
3.7.1   TINY的上下文无关文法 97
3.7.2   TINY编译器的语法树结构 98
练习 101
注意与参考 104
第4章   自顶向下的分析 105
4.1   使用递归下降分析算法进行自顶向下
的分析 105
4.1.1   递归下降分析的基本方法 105
4.1.2   重复和选择:使用EBNF 107
4.1.3   其他决定问题 112
4.2   LL(1)分析 113
4.2.1   LL(1)分析的基本方法 113
4.2.2   LL(1)分析与算法 114
4.2.3   消除左递归和提取左因子 117
4.2.4   在LL(1)分析中构造语法树 124
4.3   First集合和Follow集合 125
4.3.1   First 集合 125
4.3.2   Follow 集合 130
4.3.3   构造LL(1)分析表 134
4.3.4   再向前:LL(k)分析程序 135
4.4   TINY语言的递归下降分析程序 136
4.5   自顶向下分析程序中的错误校正 137
4.5.1   在递归下降分析程序中的错误
校正 138
4.5.2   在LL(1)分析程序中的错误校正 140
4.5.3   在TINY分析程序中的错误校正 141
练习 143
编程练习 146
注意与参考 148
第5章   自底向上的分析 150
5.1   自底向上分析概览 151
5.2   LR(0)项的有穷自动机与LR(0)分析 153
5.2.1   LR(0)项 153
5.2.2   项目的有穷自动机 154
5.2.3   LR(0)分析算法 157
5.3   SLR(1)分析 160
5.3.1   SLR(1)分析算法 160
5.3.2   用于分析冲突的消除二义性
规则 163
5.3.3   SLR(1)分析能力的局限性 164
5.3.4   SLR(k)文法 165
5.4   一般的LR(1)和LALR(1)分析 166
5.4.1   LR(1)项的有穷自动机 166
5.4.2   LR(1)分析算法 169
5.4.3   LALR(1)分析 171
5.5   Yacc:一个LALR(1)分析程序的
生成器 173
5.5.1   Yacc基础 173
5.5.2   Yacc选项 176
5.5.3   分析冲突与消除二义性的规则 180
5.5.4   描述Yacc分析程序的执行 183
5.5.5   Yacc中的任意值类型 184
5.5.6   Yacc中嵌入的动作 185
5.6   使用Yacc生成TINY分析程序 186
5.7   自底向上分析程序中的错误校正 188
5.7.1   自底向上分析中的错误检测 188
5.7.2   应急方式错误校正 188
5.7.3   Yacc中的错误校正 189
5.7.4   TINY中的错误校正 192
练习 192
编程练习 195
注意与参考 197
第6章   语义分析 198
6.1   属性和属性文法 199
6.1.1   属性文法 200
6.1.2   属性文法的简化和扩充 206
6.2   属性计算算法 207
6.2.1   相关图和赋值顺序 208
6.2.2   合成和继承属性 212
6.2.3   作为参数和返回值的属性 219
6.2.4   使用扩展数据结构存储属性值 221
6.2.5   语法分析时属性的计算 223
6.2.6   语法中属性计算的相关性 226
6.3   符号表 227
6.3.1   符号表的结构 228
6.3.2   说明 230
6.3.3   作用域规则和块结构 232
6.3.4   同层说明的相互作用 236
6.3.5   使用符号表的属性文法的一个
扩充例子 237
6.4   数据类型和类型检查 241
6.4.1   类型表达式和类型构造器 242
6.4.2   类型名、类型说明和递归类型 246
6.4.3   类型等价 248
6.4.4   类型推论和类型检查 253
6.4.5   类型检查的其他主题 255
6.5   TINY语言的语义分析 257
6.5.1   TINY的符号表 258
6.5.2   TINY语义分析程序 259
练习 260
编程练习 264
注意与参考 264
第7章   运行时环境 266
7.1   程序执行时的存储器组织 266
7.2   完全静态运行时环境 269
7.3   基于栈的运行时环境 271
7.3.1   没有局部过程的基于栈的环境 271
7.3.2  带有局部过程的基于栈的环境 281
7.3.3   带有过程参数的基于栈的环境 284
7.4   动态存储器 286
7.4.1   完全动态运行时环境 286
7.4.2   面向对象的语言中的动态存储器 287
7.4.3   堆管理 289
7.4.4   堆的自动管理 292
7.5   参数传递机制 292
7.5.1   值传递 293
7.5.2   引用传递 294
7.5.3   值结果传递 295
7.5.4   名字传递 295
7.6   TINY语言的运行时环境 296
练习 297
编程练习 303
注意与参考 304
第8章   代码生成 305
8.1   中间代码和用于代码生成的数据
结构 305
8.1.1   三地址码 306
8.1.2   用于实现三地址码的数据结构 308
8.1.3   P-代码 310
8.2   基本的代码生成技术 312
8.2.1   作为合成属性的中间代码或目标
代码 312
8.2.2   实际的代码生成 314
8.2.3   从中间代码生成目标代码 317
8.3   数据结构引用的代码生成 319
8.3.1   地址计算 319
8.3.2   数组引用 320
8.3.3   栈记录结构和指针引用 325
8.4   控制语句和逻辑表达式的代码生成 328
8.4.1   if 和while 语句的代码生成 328
8.4.2   标号的生成和回填 330
8.4.3   逻辑表达式的代码生成 330
8.4.4   if 和while 语句的代码生成过程
样例 331
8.5   过程和函数调用的代码生成 334
8.5.1   过程和函数的中间代码 334
8.5.2   函数定义和调用的代码生成过程 336
8.6   商用编译器中的代码生成:两个案
例研究 339
8.6.1   对于80×86的Borland 3.0版C编
译器 339
8.6.2   Sun SparcStation的Sun 2.0 C编
译器 343
8.7   TM:简单的目标机器 346
8.7.1   Tiny Machine的基本结构 347
8.7.2   TM模拟器 349
8.8   TINY语言的代码生成器 351
8.8.1   TINY代码生成器的TM接口 351
8.8.2   TINY代码生成器 352
8.8.3   用TINY编译器产生和使用TM
代码文件 354
8.8.4   TINY编译器生成的TM代码文
件示例 355
8.9   代码优化技术考察 357
8.9.1   代码优化的主要来源 358
8.9.2   优化分类 360
8.9.3   优化的数据结构和实现技术 362
8.10   TINY代码生成器的简单优化 366
8.10.1   将临时变量放入寄存器 366
8.10.2   在寄存器中保存变量 367
8.10.3   优化测试表达式 367
练习 368
编程练习 371
注意与参考 372
附录A   编译器设计方案 373
附录B   小型编译器列表 381
附录C   Tiny Machine模拟器列表 417


Platform: | Size: 7612048 | Author: wesong | Hits:

[OtherKruscal_C++_implement

Description: 1.kruscal_CDT: 在Eclipse里面的CDT和MinGW(提供gcc)的环境下所编写的。 2.kruscal_VC2005: 在VC2005里面编写的。 3.以上两个的代码有点不同,区别主要在于compare函数 4.kruscal算法里面,我有两个不同的实现,一个是最小化堆里面放EdgeNode的指针,一个是最小化堆里面放EdgeNode的Object实例。前者使用了compare函数来比较大小,后者则是在EdgeNode的class里面重载运算符。-1.kruscal_CDT : in the Eclipse CDT inside and MinGW (provide gcc) and the environment under prepared. 2.kruscal_VC2005 : VC2005 inside prepared. 3. These two somewhat different from the code, between principal function is to compare 4.kruscal algorithm inside, I have two different implementations, 1 is the smallest of EdgeNode pile up inside the target, 1 is the smallest of EdgeNode pile up inside the Object examples. The former use the compare function to compare size, the latter is in the class inside EdgeNode Heavy Operators.
Platform: | Size: 983909 | Author: gfoto | Hits:

[Other resourceyckz

Description: 20 世纪70 年代以来,人们从工业过程的特点出发,寻找对模型精度要求不高而同样能实现高质量控制性能的方法,预测控制就是在这种背景下发展起来的。预测控制技术最初由Richalet 和Cutler 提出[1 ] ,它最大程度地结合了工业实际的要求,综合效果好,已经在理论和应用方面取得了显著进展,各种预测控制算法不断地产生并得到发展。预测控制算法具有三大本质特征:预测模型、滚动优化和反馈校正[2 ] 。它是不断滚动的局部优化,而非全局最优。预测控制的特点:建模方便 采用非最小化描述的离散卷积和模型,信息冗余量大,有利于提高系统的鲁棒性 采用滚动优化策略,使模型失配、畸变、干扰等引起的不确定性及时得到弥补,从而得到较好的动态控制性能 可推广到有约束条件、大迟延、非最小相位以及非线性等过程,对模型精度要求不高,跟踪性能良好,更适应于复杂工业过程控制。
Platform: | Size: 2767318 | Author: 陈栋 | Hits:

[Other resource确定型状态机的最简化

Description: 计算理论的经典算法,将确定型有穷自动机最简化,根据等价类的算法用vc实现化简过程。-classical theory calculation algorithm, will determine type DFA most simplified, according to the algorithm equivalence classes with vc achieve simplification process.
Platform: | Size: 7450 | Author: 123 | Hits:

[Algorithmc++最优化问题全解答

Description: 这里包含了比较全和详细的c++程序源代码,其中有牛顿法,dfp法,内点法等
Platform: | Size: 1065267 | Author: xiewenjie | Hits:

[SourceCode磁盘调度算法

Description: 2.最短寻道时间优先算法(Shortest Seek Time First,SSTF) 最短寻找时间优先调度算法总是从等待访问者中挑选寻找时间最短的那个请求先执行的,而不管访问者到来的先后次序。 采用最短寻找时间优先算法决定等待访问者执行操作的次序时,与先来先服务算法比较,大幅度地减少了寻找时间,因而缩短了为各访问者请求服务的平均时间,也就提高了系统效率。 但最短查找时间优先(SSTF)调度,FCFS会引起读写头在盘面上的大范围移动,SSTF查找距离磁头最短(也就是查找时间最短)的请求作为下一次服务的对象。SSTF查找模式有高度局部化的倾向,会推迟一些请求的服务,甚至引起无限拖延(又称饥饿)。
Platform: | Size: 20153 | Author: 310609010303 | Hits:

[Algorithm确定型状态机的最简化

Description: 计算理论的经典算法,将确定型有穷自动机最简化,根据等价类的算法用vc实现化简过程。-classical theory calculation algorithm, will determine type DFA most simplified, according to the algorithm equivalence classes with vc achieve simplification process.
Platform: | Size: 133120 | Author: 123 | Hits:

[OtherKruscal_C++_implement

Description: 1.kruscal_CDT: 在Eclipse里面的CDT和MinGW(提供gcc)的环境下所编写的。 2.kruscal_VC2005: 在VC2005里面编写的。 3.以上两个的代码有点不同,区别主要在于compare函数 4.kruscal算法里面,我有两个不同的实现,一个是最小化堆里面放EdgeNode的指针,一个是最小化堆里面放EdgeNode的Object实例。前者使用了compare函数来比较大小,后者则是在EdgeNode的class里面重载运算符。-1.kruscal_CDT : in the Eclipse CDT inside and MinGW (provide gcc) and the environment under prepared. 2.kruscal_VC2005 : VC2005 inside prepared. 3. These two somewhat different from the code, between principal function is to compare 4.kruscal algorithm inside, I have two different implementations, 1 is the smallest of EdgeNode pile up inside the target, 1 is the smallest of EdgeNode pile up inside the Object examples. The former use the compare function to compare size, the latter is in the class inside EdgeNode Heavy Operators.
Platform: | Size: 984064 | Author: gfoto | Hits:

[source in ebookFloyd-Warshall-c-chengxi

Description: Floyd-Warshall算法描述 1)适用范围: a)APSP(All Pairs Shortest Paths) b)稠密图效果最佳 c)边权可正可负 2)算法描述: a)初始化:dis[u,v]=w[u,v] b)For k:=1 to n For i:=1 to n For j:=1 to n If dis[i,j]>dis[i,k]+dis[k,j] Then Dis[I,j]:=dis[I,k]+dis[k,j] c)算法结束:dis即为所有点对的最短路径矩阵 3)算法小结:此算法简单有效,由于三重循环结构紧凑,对于稠密图,效率要高于执行|V|次Dijkstra算法。时间复杂度O(n^3)。 考虑下列变形:如(I,j)∈E则dis[I,j]初始为1,else初始为0,这样的Floyd算法最后的最短路径矩阵即成为一个判断I,j是否有通路的矩阵。更简单的,我们可以把dis设成boolean类型,则每次可以用“dis[I,j]:=dis[I,j]or(dis[I,k]and dis[k,j])”来代替算法描述中的蓝色部分,可以更直观地得到I,j的连通情况。 -err
Platform: | Size: 3072 | Author: 江晨 | Hits:

[Otheryckz

Description: 20 世纪70 年代以来,人们从工业过程的特点出发,寻找对模型精度要求不高而同样能实现高质量控制性能的方法,预测控制就是在这种背景下发展起来的。预测控制技术最初由Richalet 和Cutler 提出[1 ] ,它最大程度地结合了工业实际的要求,综合效果好,已经在理论和应用方面取得了显著进展,各种预测控制算法不断地产生并得到发展。预测控制算法具有三大本质特征:预测模型、滚动优化和反馈校正[2 ] 。它是不断滚动的局部优化,而非全局最优。预测控制的特点:建模方便 采用非最小化描述的离散卷积和模型,信息冗余量大,有利于提高系统的鲁棒性 采用滚动优化策略,使模型失配、畸变、干扰等引起的不确定性及时得到弥补,从而得到较好的动态控制性能 可推广到有约束条件、大迟延、非最小相位以及非线性等过程,对模型精度要求不高,跟踪性能良好,更适应于复杂工业过程控制。 -err
Platform: | Size: 2766848 | Author: 陈栋 | Hits:

[Special Effectsnonrigid_version7b

Description: 非刚性图像配准算例,包括最速梯度下降优化、二次样条、2D/3D配准、互信息最小化、3D仿射等多种配准算法。 非刚性配准是当前应用最多的配准方法,用于处理有较大位移的配准问题-Non-rigid image registration examples, including the steepest gradient descent optimization, quadratic spline, 2D/3D registration, mutual information minimization, 3D affine registration algorithm, etc.. Non-rigid registration is currently the most widely used registration methods used to deal with a greater displacement of registration problems
Platform: | Size: 245760 | Author: zhangji | Hits:

[matlab7

Description: 摘 要 盲图像恢复的主要困难是信息不足,而为了恢复图像和确定点扩散函数需要适当的先验知识。解决这个问题的法、 法以及正则化方法等。但是这些方法的计算量都太大,针对上述方法的不足,文章提出了一种恢复图方法有图像的新算法,它通过恢复残差的最小化和后验概率的最大化来估计参数和恢复图像。其中,巧妙地利用了最陡梯度法和 共轭梯度法的迭代求解。对由于运动造成的模糊图像,可以明显地改善图像的质量,实验结果证明,在对模糊操作没有严格限制的情况下,仍可得到较好的恢复图像。-: : 2$*/<$ I?E L691/6@ F9MM9G:0=@ R9=? S092F 91/DE 6EC=76/=972 9C 92C:MM9G9E2= 92M761/=972$I?9C G/00C M76 L67LE6 92G76L7 ( ) =972 7M/L69769 U27R0EFDE /S7:= =?E 91/DE /2F =?E L792=8CL6E/F M:2G=972 &[ $RE008U27R CL/GE8/F/L=9OE 6ED:0/69</= 1E=?7F /2F 3+ 1E=?7F M76 91/DE 6EC=76/=972 /6E E =E2FEF =7 /FF6ECC =?9C L67S0E1$] 2ER 1E=?7F 9C L67L7CEF =7 6EC= S0:6 91/DE :C92D+5 /2F 5E/C=V:/6EC 1E=?7F$W= :CE 192919<E/G7C= M:2G=972 /2F 1/ 919<E &[ M:2G=972 =7 6EC= =?E 91/DE /2F 9FE2=9M@ =?E L/6/1E=E6C$I?9C 1E=?7F :CE C=EELEC= FECGE2= /2F G72Q:D/=E D6/F9E2= 1E=?7FC =7 192919<E , G7C= M:2G=972 /2F 1/ 919<E L7C=E69769 L67S/S909=@ =7 91L67OE =?E S0:6 91/DE X?9G? 9C /0C7 =7 91L67OE =?E 91/DE V: =@ 92 C71E FED6EE R9=? 27 C=69G= 0919=/=972$
Platform: | Size: 167936 | Author: zy | Hits:

[Other5

Description: 语音识别中的说话人自适应研究.nh 1.MAP和MLLR算法比较 文章在讨论由说话人引起的声学差异基础上,研究两种基于模型 的自适应算法:最大似然线性回归(州压LR)和最大后验概率(MAp)。 实验结果表明,不论采用哪种自适应都能使识别率有一定的提升。两 种算法之间的差异性在于MAP具有良好的渐进性,但收敛性较差, 而MLLR在很大程度上改善了收敛特性,但其渐进特性却不如MAP。 文章讨论了在侧汰P自适应中,初始模型参数的先验知识对自适 应效果的影响,以及在MLLR中,回归类对自适应效果的影响。文 章还进一步研究了采用两种算法的累加自适应效果,从结果看MAP 和MLLR结合的方法比单独使用M[AP和MLLR的效果要好。文章 还对包括基于特征层的归一化算法和用于基于声学模型的MLLR算 法等效性进行讨论,并给出了统一的算法框架。-speech paper,help you study
Platform: | Size: 5208064 | Author: 海豚 | Hits:

[AlgorithmPrincipleandApplicationofantcolonyalgorithm

Description: 蚁群算法的原理及其应用.pdf;;蚁群算法是优化领域中新出现的一种仿生进 化算法。该算法采用分布式并行计算机制,具有较强的鲁棒性 但有搜索时间较长,易陷入局部最优解的缺点。-The principle of ant colony algorithm and its application. Pdf ant colony algorithm is to optimize the emerging field of evolutionary algorithm for a bionic. The algorithm uses a distributed parallel computer system has strong robustness but search time is longer, easily falling into local optimal solution shortcomings.
Platform: | Size: 296960 | Author: 冒晶晶 | Hits:

[AI-NN-PRproj07-01

Description: 试验中使用模拟退火算法寻找一6-单元网络能量最小化的模型。模拟退火算法是模拟物理学上的退火技术。其优势在于有可能使系统从局部极小值跳出。-Simulated annealing algorithm used in the experiments to find a 6- unit network model of energy minimization. Simulated annealing algorithm simulates the physics of annealing. The advantage is likely to make the system jump from local minimum.
Platform: | Size: 14336 | Author: 王瑶 | Hits:

[Game Programsudoku

Description: 一个数独的游戏,不但能够自己玩数独游戏,还可以填数让机器去解,也可以让机器出题。界面程序,还能给用户一些提示。 2年前用VS2005开发的,我认为核心和最有意思部分是解数独和出数独的题这一块,所以我后来给这部分功能加了详细的注释。解数独的算法比较好研究,而出数独题则是比较麻烦的,我这里给出了我自己想的一种算法,让机器很快的出一道只有唯一解、已有的数字量合适而且不矛盾的数独题目也是需要很好的算法设计的。而界面我都没加注释,重点关注界面的网友抱歉了。解数独和出数独的在sodukuA.h和sodoku.cpp里面,里面有描述,不清楚的可以发邮件给我,我及时改正: chahao2005@163.com 不过界面有一点小的设计不好,程序刚运行时最小化了,而且机器出题之后你还可以改那些本来应该固定的数字。不过我没时间改了,哪位好心的帮我优化一下界面设计吧。 -A Sudoku game, not only to their own sudoku, you can also fill in the number of the machine to the solution, but also allows the machine problems. Interface program, but also to the user some hints. 2 years ago with the VS2005 development, I think the most interesting part of the core and the stops and the number of unique issues that separate piece, so I give this part of the feature was added a detailed comment. Better the stops of the algorithm alone, out of the Sudoku puzzle is too much trouble, I m here I want to give an algorithm for the machine quickly out of a only one solution, the existing digital right Sudoku is not contradictory and subject also need a good algorithm design. The interface I did not add a comment, focusing on the User Interface sorry. Sudoku alone and out of the stops in sodukuA.h and sodoku.cpp inside, there are descriptions, not clear can email to me, I promptly corrected: chahao2005@163.com However, the design interface is a little bad, just run th
Platform: | Size: 831488 | Author: chahao | Hits:

[matlabSVM_Short-term-Load-Forecasting

Description: 优秀论文及配套源码。首先阐述了负荷预测的应用研究现状,概括了负荷预测的特点及其影响因素,归纳了短期负荷预测的常用方法,并分析了各种方法的优劣;接着介绍了作为支持向量机(SVM)理论基础的统计学习理论和SVM的原理,推导了SVM回归模型;本文采用最小二乘支持向量机(LSSVM)模型,根据浙江台州某地区的历史负荷数据和气象数据,分析影响预测的各种因素,总结了负荷变化的规律性,对历史负荷数据中的“异常数据”进行修正,对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响,而目前依然是基于经验的办法解决。对此,本文采用粒子群优化算法对模型参数进行寻优,以测试集误差作为判决依据,实现模型参数的优化选择,使得预测精度有所提高。实际算例表明,本文的预测方法收敛性好、有较高的预测精度和较快的训练速度。-first expounds the recent application research of load forecasting, summarized the characteristics of load forecasting and influencing factors, summed up common methods of short-term load forecasting, and analyzed the advantages and disadvantages of each method then introduced statistical learning theory and the principle of SVM as the basis of support vector machine (SVM ) theory, SVM regression model is derived this paper adopted least squares support vector machine (LSSVM) model, according to the historical load data and meteorological data of a certain area of Zhejiang Taizhou, Analysised the various factors affecting the forecast, summed up the regularity of load change , amended "outliers" in the historical load data,the load forecasting factors to be considered were normalized. The two parameters of LSSVM have a significant impact on the model, but it is still soluted based on the experience currently. So, this paper adopted particle swarm optimization algorithm to optimized
Platform: | Size: 334848 | Author: NBB | Hits:

[Program doc动态分区分配算法

Description: 演示实现下列三种动态分区分配算法 循环首次适应算法 最佳适应算法 最坏适应算法 内存中有0-100M的空间为用户程序空间,最开始用户空间是空闲的 作业数量、作业大小、进入内存时间、运行时间需要通过界面进行输入 可读取样例数据(要求存放在外部文件中)进行作业数量、作业大小、进入内存时间、运行时间的初始化 根据作业进入内存的时间,采用简单的先进先出原则进行从外存到内存的调度,作业具有等待(从外存进入内存执行)、装入(在内存可执行)、结束(运行结束,退出内存)三种状态。(为了简化,不考虑CPU的调度与切换,运行时间为作业在内存中驻留的时间) 能够自动进行内存分配与回收,可根据需要自动进行紧凑与拼接操作,所有过程均有动态图形变化的显示 采用可视化界面,可随时暂停显示当前内存分配和使用情况图。
Platform: | Size: 3783222 | Author: 1569967022@qq.com | Hits:

[assembly languageSimplex_Optimization

Description: 本程序是最有化的单纯形算法,单纯形算法是线性规划最常用的算法。最优化的大作业。-This is a Simplex program based on an Optimization Homework!
Platform: | Size: 181248 | Author: 林凌 | Hits:

[3G develop毫米波MIMO系统中混合预编码的交替最小化算法

Description: 因此,通过在数字预编码器上实施正交约束,然后提出低复杂度的AltMin算法。 此外,对于部分连接的结构,AltMin算法也是在半定理松弛的帮助下开发的。为了实际实施,所提出的AltMin算法进一步扩展到具有正交频分复用调制的宽带设置。 仿真结果将证明所提出的AltMin算法相对于现有的混合预编码算法具有显着的性能增益。 此外,基于所提出的算法,两种混合预编码结构之间的仿真比较将提供有价值的设计见解。(Therefore, by implementing orthogonal constraints on the digital precoder, a low complexity AltMin algorithm is proposed. In addition, for partially connected structures, the AltMin algorithm is also developed with the help of the relaxation of semi theorems. For practical implementation, the proposed AltMin algorithm is further extended to broadband settings with orthogonal frequency division multiplexing modulation. Simulation results show that the proposed AltMin algorithm has significant performance gains compared with the existing hybrid precoding algorithm. Furthermore, based on the proposed algorithm, the simulation comparison between the two hybrid precoding structures will provide valuable design insights.)
Platform: | Size: 224256 | Author: 沐林清风 | Hits:
« 12 3 4 5 »

CodeBus www.codebus.net