初学DirectX，用到了天空盒，光照，法线贴图，若干体天生因小弟不才数学欠好，付与了龙书的部份代码，Shader不是很会写就七拼八凑的学习编写，望列位大佬更正

matlab最优化程序包括无约束一维极值问题进退法黄金分割法斐波那契法牛顿法基本牛顿法全局牛顿法割线法抛物线法三次插值法可接受搜索法Goidstein法Wolfe.Powell法单纯形搜索法Powell法最速下降法共轭梯度法牛顿法修正牛顿法拟牛顿法信任域法显式最速下降法，Rosen梯度投影法罚函数法外点罚函数法內点罚函数法混合罚函数法乘子法G－N法修正G－N法L－M法线性规划单纯形法修正单纯形法大M法变量有界单纯形法整数规划割平面法分支定界法0-1规划二次规划拉格朗曰法起作用集算法路径跟踪法粒子群优化算法基本粒子群算法带压缩因子的粒子群算法权重改进的粒子群算法线性递减权重法自适应权重法随机权重法变学习因子的粒子群算法同步变化的学习因子异步变化的学习因子二阶粒子群算法二阶振荡粒子群算法

基本思路：微分方程求解，**用邻近的像素替换那些坏标记，使其看起来像是邻居**。
假设图像里的一个区域要修复。
算法从这个区域的边界开始，逐步地进入区域，把边界内的所有东西填充上。
它取要修复的部分周围的一个像素周围的一小片邻居。
这个像素被周围已知的像素的标准加权和替换掉。
选择权重是很重要的。
要修复的点周围像素的权重较高。
和正常边界近的，还有在边界轮廓上的像素的权重较高。
当像素被修复以后，它会通过快速匹配方法($FMM$)移动到最近的像素。
$FMM$保证那些已知像素周围的像素首先被修复，所以这个就像人工启发式的操作一样。
$OpenCV$提供了两种算法。
两者都可以通过相同的函数访问，$cv2.inpaint（）$。
第一种算法基于$AlexandruTelea$于2004年发表的“基于快速行进方法的图像修复技术”。
它基于快速行进方法。
考虑图像中要修复的区域。
算法从该区域的边界开始，然后进入区域内，逐步填充边界中的所有内容。
它需要在邻近的像素周围的一个小邻域进行修复。
该像素由邻居中所有已知像素的归一化加权和代替。
选择权重是一个重要的问题。
对于靠近该点的那些像素，靠近边界的法线和位

unity5.6.1-机械人模型包可以直接拿出来用包含法线贴图细节贴图

MeshProfiler是一款可以列出场景所有模型各项信息的功能评估工具，以帮助开发者进行游戏优化。
它以列表的形式详细列出了场景中引用的模型文件的详细信息：包括顶点数，面数，法线，切线，顶点色以及各套uv，占用内存，是否可读写等各项信息。
并提供了对应的查阅视图。
默认按顶点数进行排序，你也可以选择其他排序方式进行排列，同时提供了筛选功能进行目标筛选，你可以通过它检查场景种的模型是否含有多余的法线，uv等信息，从而进行针对性优化。
同时提供了以下工具：(1)导出Excel表。
(2)定位资源路径。
(3)列出场景丢失Mesh物体。
(4)法线，切线，可读写开启/关闭工具。

unity镜面反射材质，支持实时镜面反射，恍惚反射，高光，法线，光泽度，反射强度等参数。
手机可支持。

四、光栅方程的一般方式与谱线弯曲在（式中所表示的光栅方程，仅是光线在光栅主截面内入射和衍射的特殊情况。
在实际的光谱仪器中，狭缝都是有一定高度的。
从缝上不同点发出的光束都是以不同的角度斜入射到光栅面上，即这些光束是对主截面倾斜的。
经光栅衍射后的衍射光束显然也不在主截面上，并且其衍射角也不等于在主截面上的、由狭缝中点发出的光束的衍射角，这就和棱镜一样会导致光谱线的弯曲。
为求得斜入射情况下光栅的衍射，即光栅方程的一般方式，首先在光栅上建立一个直角坐标系：把直角坐标系置于光的原点平面和光栅表面重合，轴平栅面的中心；
行于光栅刻痕；
轴即为通过光栅中心的法线，平面即为主截面。
如图所示，使狭缝端点发出的斜射主光线通过坐标原点，另一条与点，之平行的相邻光线入射到光栅上的点的坐标是。
从点向和它的衍射光线分别作垂线，垂足。
则和是是这两条相邻入射光线的光程差，是两条相应的相邻衍射光线的光程差，总光程差为

基于欧式距离的分割和基于区域生长的分割本质上都是用区分邻里关系远近来完成的。
由于点云数据提供了更高维度的数据，故有很多信息可以提取获得。
欧几里得算法使用邻居之间距离作为判定标准，而区域生长算法则利用了法线，曲率，颜色等信息来判断点云能否应该聚成一类。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。