本文主要研究在这种配送方式下的应急配送问题，建立了基于混合蚁群算法的VRPD问题模型，利用蚁群算法，迭代局部搜索算法，聚类分析等方法进行求解。
对于问题一只有配送车辆配送这一模式，建立VRP问题，首先通过floyd算法验证各地点间的最短距离即为直线距离，将问题转换为最佳H圈问题；
之后采用蚁群算法对这问题进行迭代求解，得到配送车辆一次整体配送的最短路径和为582（公里），一次整体配送的最短时间为11.64（小时），并且发现收敛时迭代次数基本小于10次。
对于问题二，在问题一的基础上新增无人机配送的模式，首先对14个地点进行聚类，发现它们属于同一个类；
其次在类中进行分区，考虑到无人机的飞行约束，利用椭圆的几何性质最终分为5个飞行区；
之后采用迭代局部搜索的方式对各飞行区中的点进行重分配，找到最优的配送路线；
最初，采用蚁群算法对路线进行迭代求解，得到一次整体配送的最短时间为6.32（小时），相较问题一时间缩短了近50%。
对于问题三，在问题二的基础上
对于问题一只有配送车辆配送这一模式，建立VRP问题，首先通过floyd算法验证各地点间的最短距离即为直线距离，将问题转换为最佳H圈问题；
之后采用蚁群算法对这问题进行迭代求解，得到配送车辆一次整体配送的最短路径和为582（公里），一次整体配送的最短时间为11.64（小时），并且发现收敛时迭代次数基本小于10次。
对于问题二，在问题一的基础上新增无人机配送的模式，首先对14个地点进行聚类，发现它们属于同一个类；
其次在类中进行分区，考虑到无人机的飞行约束，利用椭圆的几何性质最终分为5个飞行区；
之后采用迭代局部搜索的方式对各飞行区中的点进行重分配，找到最优的配送路线；
最初，采用蚁群算法对路线进行迭代求解，得到一次整体配送的最短时间为6.32（小时），相较问题一时间缩短了近50%。
对于问题三，在问题二的基础上
2019/8/5 8:34:08
2.11MB
1
一、语言及软件环境：Java、Windows11,JDK1.8，IntelliJIDEA二、课程设计内容和要求：1、提交一批作业（＞=10），按先来先服选择一部分作业（最多5个）进入内存。
2、为每个作业创建一个进程，并分配内存（用户内存：0—1024K，采用可变连续分配方式）。
3、进程调度功能（时间片轮转）。
4、随机阻塞进程，并在一段时间后唤醒进程（选做）。
5、显示相关信息：后备作业队列、内存分配情况、进程信息、完成作业情况。
6、这些功能要有机地连接起来。
三、设计需求分析：1、使用随机数初始化10个作业，放入到后备队列中，然后使用先来先服务（FCFS）进行作业调度，最多只能有5个作业同时进入内存。
2、假设阻塞状态的进程仍然在内存中，则处于就绪、运行，阻塞三种状态的进程总数目最多为5个，即并发进程总数最多为5个，在进程结束后，就会被调出内存，同时继续使用先来先服务算法从后备队列中调入新的作业。
3、在内存中的几个非阻塞状态的进程使用时间片轮转（RR）算法进行调度。
而作业在进入内存之前，先使用初次适应（FF）算法申请内存，从空闲分区链中找到合适的空闲分区并分配。
2、为每个作业创建一个进程，并分配内存（用户内存：0—1024K，采用可变连续分配方式）。
3、进程调度功能（时间片轮转）。
4、随机阻塞进程，并在一段时间后唤醒进程（选做）。
5、显示相关信息：后备作业队列、内存分配情况、进程信息、完成作业情况。
6、这些功能要有机地连接起来。
三、设计需求分析：1、使用随机数初始化10个作业，放入到后备队列中，然后使用先来先服务（FCFS）进行作业调度，最多只能有5个作业同时进入内存。
2、假设阻塞状态的进程仍然在内存中，则处于就绪、运行，阻塞三种状态的进程总数目最多为5个，即并发进程总数最多为5个，在进程结束后，就会被调出内存，同时继续使用先来先服务算法从后备队列中调入新的作业。
3、在内存中的几个非阻塞状态的进程使用时间片轮转（RR）算法进行调度。
而作业在进入内存之前，先使用初次适应（FF）算法申请内存，从空闲分区链中找到合适的空闲分区并分配。
2017/3/22 23:57:55
1.18MB
1
一、语言环境：Java二、实验内容：1、实验一进程调度编写并调试一个模拟的进程调度程序，分别采用“短进程优先”、“时间片轮转”、“高响应比优先”调度算法对随机产生的五个进程进行调度，并比较算法的平均周转时间。
以加深对进程的概念及进程调度算法的理解。
2、实验二银里手算法用银里手算法避免死锁，实现系统合理分配资源，加深对进程同步及死锁理解。
3、实验三动态分区分配方式的模拟了解动态分区分配方式中的数据结构和分配算法，并进一步加深对动态分区存储管理方式及其实现过程的理解。
4、实验四仿真各种磁盘调度算法由系统产生一系列磁盘请求（10个），分别给出先来先服务算法、最短寻道时间优先算法、扫描(SCAN)算法和循环扫描(CSCAN)算法时磁头移动顺序并计算磁头的平均移动磁道数。
（假设磁头刚从80磁道移到100磁道）
以加深对进程的概念及进程调度算法的理解。
2、实验二银里手算法用银里手算法避免死锁，实现系统合理分配资源，加深对进程同步及死锁理解。
3、实验三动态分区分配方式的模拟了解动态分区分配方式中的数据结构和分配算法，并进一步加深对动态分区存储管理方式及其实现过程的理解。
4、实验四仿真各种磁盘调度算法由系统产生一系列磁盘请求（10个），分别给出先来先服务算法、最短寻道时间优先算法、扫描(SCAN)算法和循环扫描(CSCAN)算法时磁头移动顺序并计算磁头的平均移动磁道数。
（假设磁头刚从80磁道移到100磁道）
2017/1/25 2:37:52
4.94MB
1
傲梅分区助手是一款非常好用的硬盘分区工具。
傲梅分区助手为用户提供非常完善的硬盘分区服务，可以协助用户做好电脑硬盘管理，是用户日常维护电脑系统常用管理好帮手。
国内的软件免费，这个是国外的专业技术员版本。
傲梅分区助手功能说明：可以智能调整分区数值。
智能移动分区区域。
不管什么状态都可以创建新的硬盘分区。
可以将将一个磁盘所有内容复制到另一个磁盘。
修改说明：基于技术员汉化，绿化
傲梅分区助手为用户提供非常完善的硬盘分区服务，可以协助用户做好电脑硬盘管理，是用户日常维护电脑系统常用管理好帮手。
国内的软件免费，这个是国外的专业技术员版本。
傲梅分区助手功能说明：可以智能调整分区数值。
智能移动分区区域。
不管什么状态都可以创建新的硬盘分区。
可以将将一个磁盘所有内容复制到另一个磁盘。
修改说明：基于技术员汉化，绿化
2019/5/2 22:56:55
17.15MB
1
本手册主要适用于以下人员：?管理员：担任对系统运行过程中需要的基本数据的维护。
?信息采集网格员：在指定网格内巡查、并通过移动端APP上报问题，以及对事件状况进行核查的人员，也称为网格员。
?受理员：镇街网格中心担任接收网格员上报的事件，对事件进行审核派遣并指派网格员进行现场核查，并对网格员核查完毕的问题进行结单或回退处理的人员。
?处置部门：分区直属处置部门和镇街下属部门，对网格中心派遣的问题进行管理和处理的主管部门。
?信息采集网格员：在指定网格内巡查、并通过移动端APP上报问题，以及对事件状况进行核查的人员，也称为网格员。
?受理员：镇街网格中心担任接收网格员上报的事件，对事件进行审核派遣并指派网格员进行现场核查，并对网格员核查完毕的问题进行结单或回退处理的人员。
?处置部门：分区直属处置部门和镇街下属部门，对网格中心派遣的问题进行管理和处理的主管部门。
2019/8/26 21:33:48
15.36MB
1
ApacheStorm（apache-storm-2.3.0-src.zip源码）是一个免费的开源分布式实时计算系统。
ApacheStorm可以轻松可靠地处理无限制的数据流，实时处理就像Hadoop进行批处理一样。
ApacheStorm很简单，可以与任何编程语言一起使用，而且使用起来非常有趣！ApacheStorm有很多用例：实时分析、在线机器学习、连续计算、分布式RPC、ETL等等。
ApacheStorm速度很快：基准测试显示每个节点每秒处理超过一百万个元组。
它具有可扩展性、容错性，保证您的数据将得四处理，并且易于设置和操作。
ApacheStorm与您已经使用的队列和数据库技术集成。
ApacheStorm拓扑使用数据流并以任意复杂的方式处理这些流，根据需要在计算的每个阶段之间对流进行重新分区。
在教程中阅读更多内容。
ApacheStorm可以轻松可靠地处理无限制的数据流，实时处理就像Hadoop进行批处理一样。
ApacheStorm很简单，可以与任何编程语言一起使用，而且使用起来非常有趣！ApacheStorm有很多用例：实时分析、在线机器学习、连续计算、分布式RPC、ETL等等。
ApacheStorm速度很快：基准测试显示每个节点每秒处理超过一百万个元组。
它具有可扩展性、容错性，保证您的数据将得四处理，并且易于设置和操作。
ApacheStorm与您已经使用的队列和数据库技术集成。
ApacheStorm拓扑使用数据流并以任意复杂的方式处理这些流，根据需要在计算的每个阶段之间对流进行重新分区。
在教程中阅读更多内容。
2016/11/13 21:51:24
55.72MB
1
ApacheStorm（apache-storm-2.3.0-src.tar.gz源码）是一个免费的开源分布式实时计算系统。
ApacheStorm可以轻松可靠地处理无限制的数据流，实时处理就像Hadoop进行批处理一样。
ApacheStorm很简单，可以与任何编程语言一起使用，而且使用起来非常有趣！ApacheStorm有很多用例：实时分析、在线机器学习、连续计算、分布式RPC、ETL等等。
ApacheStorm速度很快：基准测试显示每个节点每秒处理超过一百万个元组。
它具有可扩展性、容错性，保证您的数据将得四处理，并且易于设置和操作。
ApacheStorm与您已经使用的队列和数据库技术集成。
ApacheStorm拓扑使用数据流并以任意复杂的方式处理这些流，根据需要在计算的每个阶段之间对流进行重新分区。
在教程中阅读更多内容。
ApacheStorm可以轻松可靠地处理无限制的数据流，实时处理就像Hadoop进行批处理一样。
ApacheStorm很简单，可以与任何编程语言一起使用，而且使用起来非常有趣！ApacheStorm有很多用例：实时分析、在线机器学习、连续计算、分布式RPC、ETL等等。
ApacheStorm速度很快：基准测试显示每个节点每秒处理超过一百万个元组。
它具有可扩展性、容错性，保证您的数据将得四处理，并且易于设置和操作。
ApacheStorm与您已经使用的队列和数据库技术集成。
ApacheStorm拓扑使用数据流并以任意复杂的方式处理这些流，根据需要在计算的每个阶段之间对流进行重新分区。
在教程中阅读更多内容。
2016/7/9 10:52:24
41.11MB
1
ApacheStorm（apache-storm-2.3.0.zip）是一个免费的开源分布式实时计算系统。
ApacheStorm可以轻松可靠地处理无限制的数据流，实时处理就像Hadoop进行批处理一样。
ApacheStorm很简单，可以与任何编程语言一起使用，而且使用起来非常有趣！ApacheStorm有很多用例：实时分析、在线机器学习、连续计算、分布式RPC、ETL等等。
ApacheStorm速度很快：基准测试显示每个节点每秒处理超过一百万个元组。
它具有可扩展性、容错性，保证您的数据将得四处理，并且易于设置和操作。
ApacheStorm与您已经使用的队列和数据库技术集成。
ApacheStorm拓扑使用数据流并以任意复杂的方式处理这些流，根据需要在计算的每个阶段之间对流进行重新分区。
在教程中阅读更多内容。
ApacheStorm可以轻松可靠地处理无限制的数据流，实时处理就像Hadoop进行批处理一样。
ApacheStorm很简单，可以与任何编程语言一起使用，而且使用起来非常有趣！ApacheStorm有很多用例：实时分析、在线机器学习、连续计算、分布式RPC、ETL等等。
ApacheStorm速度很快：基准测试显示每个节点每秒处理超过一百万个元组。
它具有可扩展性、容错性，保证您的数据将得四处理，并且易于设置和操作。
ApacheStorm与您已经使用的队列和数据库技术集成。
ApacheStorm拓扑使用数据流并以任意复杂的方式处理这些流，根据需要在计算的每个阶段之间对流进行重新分区。
在教程中阅读更多内容。
2020/8/2 23:26:50
305.04MB
1
ApacheStorm（apache-storm-2.3.0.tar.gz）是一个免费的开源分布式实时计算系统。
ApacheStorm可以轻松可靠地处理无限制的数据流，实时处理就像Hadoop进行批处理一样。
ApacheStorm很简单，可以与任何编程语言一起使用，而且使用起来非常有趣！ApacheStorm有很多用例：实时分析、在线机器学习、连续计算、分布式RPC、ETL等等。
ApacheStorm速度很快：基准测试显示每个节点每秒处理超过一百万个元组。
它具有可扩展性、容错性，保证您的数据将得四处理，并且易于设置和操作。
ApacheStorm与您已经使用的队列和数据库技术集成。
ApacheStorm拓扑使用数据流并以任意复杂的方式处理这些流，根据需要在计算的每个阶段之间对流进行重新分区。
在教程中阅读更多内容。
ApacheStorm可以轻松可靠地处理无限制的数据流，实时处理就像Hadoop进行批处理一样。
ApacheStorm很简单，可以与任何编程语言一起使用，而且使用起来非常有趣！ApacheStorm有很多用例：实时分析、在线机器学习、连续计算、分布式RPC、ETL等等。
ApacheStorm速度很快：基准测试显示每个节点每秒处理超过一百万个元组。
它具有可扩展性、容错性，保证您的数据将得四处理，并且易于设置和操作。
ApacheStorm与您已经使用的队列和数据库技术集成。
ApacheStorm拓扑使用数据流并以任意复杂的方式处理这些流，根据需要在计算的每个阶段之间对流进行重新分区。
在教程中阅读更多内容。
2018/5/9 13:52:10
304.62MB
1
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。
2024-04-09 15:03
15KB