D2D信道分配仿真，算法有启发式算法，最优算法等，仿真介入D2D对随干扰门限的变化等。

启发式扫描和主动防御技术是目前比较先进的反病毒技术，本文档就这两种技术进行了详细的介绍和分析

一、A*搜索算法一（续）、一（续）、一（续）、A*，DijkstraDijkstraDijkstraDijkstraDijkstraDijkstra，BFSBFSBFS算法性能比较及算法性能比较及A*算法的应用算法的应用二、DijkstraDijkstraDijkstraDijkstraDijkstraDijkstra算法初探算法初探二（续）、彻底理解二（续）、彻底理解二（续）、彻底理解二（续）、彻底理解二（续）、彻底理解DijkstraDijkstraDijkstraDijkstraDijkstraDijkstra算法二（再续）、二（再续）、二（再续）、DijkstraDijkstraDijkstraDijkstraDijkstraDijkstra算法+fibonacci+fibonacci+fibonacci+fibonacci堆的逐步堆的逐步c实现二（三续）、二（三续）、二（三续）、DijkstraDijkstraDijkstraDijkstraDijkstraDijkstra算法+Heap+Heap+Heap堆的完整堆的完整c实现源码实现源码实现源码三、动态规划算法三、动态规划算法三、动态规划算法三、动态规划算法四、BFSBFSBFS和DFSDFSDFS优先搜索算法索算法五、教你透彻了解红黑树五、教你透彻了解红黑树五、教你透彻了解红黑树五、教你透彻了解红黑树五、教你透彻了解红黑树（红黑数系列六篇文章之其中两）（红黑数系列六篇文章之其中两）（红黑数系列六篇文章之其中两）（红黑数系列六篇文章之其中两）（红黑数系列六篇文章之其中两）（红黑数系列六篇文章之其中两）（红黑数系列六篇文章之其中两）（红黑数系列六篇文章之其中两）五（续）、红黑树算法的实现与剖析五（续）、红黑树算法的实现与剖析五（续）、红黑树算法的实现与剖析五（续）、红黑树算法的实现与剖析五（续）、红黑树算法的实现与剖析五（续）、红黑树算法的实现与剖析五（续）、红黑树算法的实现与剖析五（续）、红黑树算法的实现与剖析五（续）、红黑树算法的实现与剖析六、教你初步了解六、教你初步了解六、教你初步了解六、教你初步了解KMPKMPKMP算法、算法、updatedupdatedupdatedupdated（KMPKMP算法系列三篇文章）算法系列三篇文章）算法系列三篇文章）算法系列三篇文章）六（续）、从六（续）、从六（续）、从六（续）、从KMPKMP算法一步谈到算法一步谈到算法一步谈到算法一步谈到算法一步谈到BM算法六（三续）、六（三续）、六（三续）、KMPKMP算法之总结篇（必懂算法之总结篇（必懂算法之总结篇（必懂算法之总结篇（必懂算法之总结篇（必懂KMPKMP）七、遗传算法七、遗传算法七、遗传算法透析GA本质八、再谈启发式搜索算法八、再谈启发式搜索算法八、再谈启发式搜索算法八、再谈启发式搜索算法八、再谈启发式搜索算法九、图像特征提取与匹配之九、图像特征提取与匹配之九、图像特征提取与匹配之九、图像特征提取与匹配之九、图像特征提取与匹配之九、图像特征提取与匹配之SIFTSIFT算法（SIFTSIFT算法系列五篇文章）算法系列五篇文章）算法系列五篇文章）算法系列五篇文章）九（续）、九（续）、九（续）、siftsiftsift算法的编译与实现算法的编译与实现算法的编译与实现算BF和DFS优先搜索算法

差分进化算法的简单实现，  差分进化算法(DifferentialEvolutionAlgorithm，DE)是一种高效的全局优化算法。
它也是基于群体的启发式搜索算法，群中的每个个体对应一个解向量。
差分进化算法的流程则与遗传算法类似，都包括变异、杂交和选择操作。

C语言写的八数码搜索过程，有源代码+运行结果截图

本程序实现了对影像特征点自动提取，利用Morevac、Forstner、Harris3个经典算子。
在此基础上利用相关系数法实现影像自动匹配，并且引入最小二乘平差，使匹配点精度有所提高。
在搜索点过程中，利用了核线影像特性，对二维影像搜索使用了爬山法启发式搜索。
对大数据量影像采用影像金字塔结构处理。
1、使用GDAL库读取影片，支持TIFF、PNG、JPEG、JPG、BMP、GIF、IMG格式读取。
使用GDI绘图。
2、防止大数据量绘图视图闪烁，图片显示采用双缓存技术。
3、保存视图数据为图片文件，支持TIFF、PNG、JPEG、JPG、BMP、GIF格式保存。
4、TreeCtrl控件、ListCtrl控件的基本操作。
5、MFC单文档程序视图通讯、更换视图、视图分割。

提出一种基于迭代传播的方法求解小基高比立体匹配中的相关基本等式以解决立体匹配中存在的黏合现象。
该方法首先根据启发式信息估计实际立体匹配系统中整数级视差的误差水平;其次,根据Morozov原理设计一个迭代正则参数选择方法对相关基本等式进行正则化处理并建立目标泛函;再次,利用延迟扩散定点迭代方法获得目标泛函的迭代传播等式;最后,通过共轭梯度法对该等式进行迭代求解。
实验结果表明:该方法减少了小基高比立体匹配中的黏合现象,其视差图的准确率可达95%以上,且像元匹配差异精度优于1/10个像元。

物流网络选址与路径优化问题的模型与启发式解法

车间作业调度问题（JobShopSchedulingProblem）是一个著名的NP难题，具有很强的条件约束，当问题规模较大时很难找到全局最优解。
因此作业车间调度是一类求解困难的组合优化问题。
近几年各种智能计算方法逐渐被引入到作业调度问题中，如遗传算法、模拟退火算法、启发式算法等。
如何有效的安排各零件的加工顺序将直接关系到生产效率,也是本文所要解决的问题之一。
本文提出了实现车间调度的混合遗传算法的设计方案，把遗传算法与模拟退火算法相结合，充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性，通过实验验证了基于混合算法的作业车间调度方法显著提高了搜索效率，GASA改进了收敛性能。

自己动手制作主题搜索引擎，包含数据抓取和搜索，数据抓取采用启发式爬虫，搜索利用正常思路

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。