===============水和水蒸气热力性质计算软件==============================WaterProv7.0+绿化补充版===============通过输入压力p、温度T、比焓H、比熵S、比容V、干度X六个状态参数中的任意两个来计算其他全部水蒸气的物理参数。
1.直接运行IFC97IFC67.exe进行计算。
2.水蒸气的计算有IAPWS-IF97和IFC67两种算法，其中IAPWS-IF97算法计算精度更高，满足工业使用要求。
3.若IFC97IFC67.exe出错，请尝试先运行绿化or卸载.bat。
4.补充了高兼容性的Excel非加载宏调用方法，详见其中相关说明。
GreenedandUpdatedbyMr.Jos(sd7056333),2012

⑴能够选择不同的调度算法——时间片轮转算法和强占式短进程优先算法；
⑵能够输入进程的基本信息——进程名、到达时间和运行时间等；
⑶根据选择的调度算法显示进程调度队列；
⑷根据选择的调度算法计算平均周转时间和平均带权周转时间。

均值漂移算法meanshiftTrack一、实验内容完成基于MeanShift的目标跟踪算法，红框标出目标区域实现实时追踪。
二、算法原理1.在当前帧，计算候选目标的特征2.计算候选目标与初始目标的相似度3.计算权值4.利用MeanShift算法，计算目标新位置在这里插入图片描述5.若新目标中心需位于原目标中心附近，则停止，否则转步骤2三、思路流程截取跟踪目标矩阵rect；
求取跟踪目标的加权直方图hist1；
读取视频序列中的一帧，先随机取一块与rect等大的矩形，计算加权直方图hist2；
计算两者比重函数，如果后者差距过大，更新新的矩阵中心Y，进行迭代（MeanShift是一种变步长可以迅速接近概率密度峰值的方法），直至一定条件（移动步长平方和大于0.5或超过20次迭代）后停止。

使用MATLAB编写代码G-P算法计算关联维数

压缩包包含了图片读取、算法计算、图像输出，下载后可以直接执行

简单的遗传算法，计算函数最值.functionga_main()%遗传算法程序%n--种群规模%ger--迭代次数%pc---交叉概率%pm--变异概率%v--初始种群（规模为n）%f--目标函数值%fit--适应度向量%vx--最优适应度值向量%vmfit--平均适应度值向量clearall;closeall;clc;%清屏tic;%计时器开始计时n=20;ger=100;pc=0.65;pm=0.05;%初始化参数%以上为经验值，可以更改。
%生成初始种群v=init_population(n,22);%得到初始种群，22串长，生成20*22的0-1矩阵[N,L]=size(v);%得到初始规模行，列disp(sprintf('Numberofgenerations:%d',ger));disp(sprintf('Populationsize:%d',N));disp(sprintf('Crossoverprobability:%.3f',pc));disp(sprintf('Mutationprobability:%.3f',pm));%sprintf可以控制输出格式%待优化问题xmin=0;xmax=9;%变量X范围f='x+10*sin(x.*5)+7*cos(x.*4)';%计算适应度，并画出初始种群图形x=decode(v(:,1:22),xmin,xmax);"位二进制换成十进制，%冒号表示对所有行进行操作。
fit=eval(f);%eval转化成数值型的%计算适应度figure(1);%打开第一个窗口fplot(f,[xmin,xmax]);%隐函数画图gridon;holdon;plot(x,fit,'k*');%作图,画初始种群的适应度图像title('(a)染色体的初始位置');%标题xlabel('x');ylabel('f(x)');%标记轴%迭代前的初始化vmfit=[];%平均适应度vx=[];%最优适应度it=1;%迭代计数器%开始进化whileit＜=ger%迭代次数0代%Reproduction(Bi-classistSelection)vtemp=roulette(v,fit);%复制算子%Crossoverv=crossover(vtemp,pc);%交叉算子%Mutation变异算子M=rand(N,L)＜=pm;%这里的作用找到比0.05小的分量%M(1,:)=zeros(1,L);v=v-2.*(v.*M)+M;%两个0-1矩阵相乘后M是1的地方V就不变，再乘以2.NICE!!确实好！！！把M中为1的位置上的地方的值变反%这里是点乘%变异%Resultsx=decode(v(:,1:22),xmin,xmax);%解码，求目标函数值fit=eval(f);%计算数值[sol,indb]=max(fit);%每次迭代中最优目标函数值，包括位置v(1,:)=v(indb,:);%用最大值代替fit_mean=mean(fit);%每次迭代中目标函数值的平均值。
mean求均值vx=[vxsol];%最优适应度值vmfit=[vmfitfit_mean];%适应度均值it=it+1;%迭代次数计数器增加end

简单清晰的代码风格，完备的代码注释，详细的实验报告算法分析。
你值得拥有。
问题描述：商店中每种商品都有标价。
例如，一朵花的价格是2元。
一个花瓶的价格是5元。
为了吸引顾客，商店提供了一组优惠商品价。
优惠商品是把一种或多种商品分成一组，并降价销售。
例如，3朵花的价格不是6元而是5元。
2个花瓶加1朵花的优惠价是10元。
设计一个算法，计算出某一顾客所购商品应付的最少费用。

非序贯蒙特卡洛模拟法通常被称为状态抽样法，它被广泛用在电力系统风险评估中。
这个方法的依据是，一个系统状态是所有元件状态的组合，且每一元件状态可由对元件出现在该状态的概率进行抽样来确定。

使用同位网格的SIMPLE算法计算阶梯流动，算例对于理解SIMPLE算法有很大协助，包括动量方程，压力修正方程离散方法，速度，压力修正公式，k~epsilon模型，壁面函数法

使用visualstudio开发的lucene.net和盘古分词实现全文检索。
并按照lucene的得分算法进行多条件检索并按照得分算法计算婚配度排序。
可以输入一句话进行检索。
lucene.net的版本为2.9.2盘古分词的版本为2.3.1并实现了高亮功能。
高亮上使用的是盘古分词的高亮算法。
有点小bug，在这个字段没有关键字的时候可能会不显示数据，如果要是只看全文检索，可以自己去掉高亮，看一下检索结果。

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。