保留原有所有功能，新增直接从mapinfo图层输出googleearthkml文件的工具。
Mapinfo2Googleearth将ADA_CDMATool基础上生成的CDMA_Cell_Map_NB图层直接转为googleearth的kml文件。
kml保留扇区的三叶草图形，全向站用六边形标识。
///////原有功能/////////ADACDMAToolHelp扇区信息表格式 扇区信息表：CdmaCellInfo.xls。
“Bearing”列为方位角，“radius”列为半径，“FREQ”列为不同频率，“H_BeamWidth”为扇区水平瓣宽，“Longitude”经度，“Latitude”纬度。
“扇区类型”列用“射频拉远”标识是否RRU站。
“基站名”列标识站名或者射频拉远站的施主站名。
“物理地址”列标识实际站点站名。
“NeighborNumber”列保存对应扇区的邻小区数。
“N01”记录第一个邻小区的小区号，必须放在第24列。
MakeCell用来生成扇区结构的mapinfo图层，用不同的方位角和半径来区分同一物理地址不同频点的扇区。
扇区信息表：CdmaCellInfo.xls，放在和本插件同一目录下。
并在同一目录下生成图层CDMA_Cell_Map_NB。
下图即为生成的基站扇区图，圆形为全向站（包括室分系统）注：以下所有的工具均需要在生成的CDMA_Cell_Map_NB图层上工作！RRULine 用来生成RRU站和施主站之间的连线。
用箭头工具点击扇区，如果扇区是RRU站则画出其与施主站之间的连线。
用RECT工具进行区域选择，程序会将区域范围内的RRU站与施主站之间连线。
DrawRRULineall 一次性生成CDMA_Cell_Map_NB图层中所有RRU站与其施主站间的连线。
注：生成全网的RRU联线，所需时间较长。
FindPN 用来查找CDMA_Cell_Map_NB图层中所有指定PN的扇区，填充颜色并标注PN。
可以用此来检查PN复用距离。
下图为findPN274的结果，标注PN274并红色填充对应扇区。
NBCheck 显示所选择扇区的所有邻小区并用颜色填充。
可以用此来查看是否有明显的PN漏配。
如果点击选择的位置有多个扇区时，会弹出选择对话框供用户确定扇区。
PNOneWayCheck点击图层，输出所点击扇区的邻小区重复PN信息，或者多余邻小区信息（多余邻小区为小区号已经不在现网中）。
注：PNOneWay和Twoway与某一地点的覆盖有很大关系，并不仅仅是邻小区设置的问题，程序中只是检查了基站邻小区的PN是否有重复PNTwoWayCheck 检查所点击扇区的邻小区、所有二次邻小区（邻小区的邻小区）之间的PN是否有重复。
如果二次邻小区PN重复，则可能存在PNTwoway的风险print出PNTwoway点位的Cell信息，在map上连线，显示造成Twoway的邻小区路径。
注：此程序运行时间视邻小区个数与PN重复数有关，在2min~10min左右注：PNOneWay和Twoway与某一地点的覆盖有很大关系，并不仅仅是邻小区设置的问题，程序中检查了基站邻小区、所有二次邻小区的PN是否有重复PNTwoWayCheck2 检查所点击扇区的邻小区与二次邻小区之间的PN复用关系，不检查二次邻小区之间的复用关系。
用不同的颜色填充和连线显示出可能存在的PNTwoWay，此工具检查出来的PNTwoWay结果比PNTwoWayCheck检查出来的结果更有风险。
话统数据分析 选择需要分析的数据列，或者输入需要分析的数据列（输入的列名要与CdmaCellInfo.xls中的列名完全一致），输入分析数据的最大值和5类层级的填充颜色和范围。
用不同的颜色标识属于不同范围的扇区，并用图示标识出来。

设a为长度为n的整数型一维数组。
（1）试编写求a中的最大值、最小值和平均值的函数。
请分别用两种方法完成： 分别编写三个函数intaMAX(int*a,intn)、intaMIN(int*a,intn)、intaAVE(int*a,intn)实现求最大值、最小值和平均值。
 用一个函数voidaMAX_MIN_AVE(int*a,intn,int&max,int&min,int&aver)实现求上述三个值，用“引用参数”带回结果。
（2）试编写函数intprime_SUM(int*a,intn)计算a中所有素数之和。
（3）编写函数voidaSORT(int*a,intn)对a进行从小到大的排序，并输出排序结果。

上位机温度采集程序，负责波形显示，超温警报，实时数据显示，采集的数据个数和最大值。

为了实现对中短距离的测量，比如在智能小车避障、车辆定位中对前方的障碍物进行判断，利用主控器件单片机和一系列外围器件进行超声波测距系统的设计。
具体设计包括超声波发射电路、超声波接收电路、液晶显示电路及温度补偿电路等硬件模块，并利用KeilC平台进行了相应的软件设计。
其中在接收电路中设计的增益控制部分有效地解决了当回波信号过于微弱时系统测量误差加大的难题。
在实验室对设计好的测距系统进行了实地性能测试，实验表明，系统的测距最大值为120cm，测量精度为0.1cm。

本资源用MATLAB实现求已知阶数多项式是否为不可约多项式。
其中可以设置阶数最大值，即可求出该阶数以内的所有不可约多项式。
本程序中涉及到二进制的加法，除法运算，以及二进制与十进制，矩阵，字符串之间的转换。

将一段用C语言实现的求解下列方程：f(x1,x2,x3)=x1^2-x1*x2+x3在给定区间的最大值的遗传算法程序改成C#程序。
要求：　　　　　（1）、数据从文件读入，结果输出到另一文件；
　　　　　（2）实现多线程。

用人工鱼群算法求函数的最大值。
代码可以运行，包括python和matlab两个版本。

一个遗传算法的实例，用matlab写的，包含画图，求解一元函数的最大值。

LibNoise分形噪声函数库的JAVA翻译版，个人开发，仅供参考。
包中包含：异常模块:noise.Exceptionnoise.ExceptionInvalidParam无效的参数异常。
noise.ExceptionNoModule无模块异常，无法检索到该源模块noise.ExceptionOutOfMemorynoise.ExceptionUnknown模型模块：noise.model.Line线noise.model.Plane平面noise.model.Sphere球体noise.model.Cylinder圆柱发生器模块：noise.module.Perlin培林噪声 noise.module.RidgedMulti脊多重分形噪声noise.module.Billow巨浪 value=|perlin_value|*2-1.0;noise.module.Voronoi细胞噪声,Voronoi图noise.module.Const常量 value=const;noise.module.Cylinders圆柱noise.module.Checkerboard棋盘格 value=(floor(x)&1^floor(y)&1^floor(z)&1)!=0?-1.0:1.0;noise.module.Spheres球体选择器模块：noise.module.Select选择noise.module.Blend混合 value=((1.0-(modules[3].value+1)/2)*modules[0].value)+((modules[3].value+1)/2*modules[1].value);修饰器模块：noise.module.Invert倒置 value=-value;noise.module.Abs绝对值 value=|value|;noise.module.Clamp截取 value=(valueupperBound?upperBound:value);lowerBound:下截取值;upperBound:上截取值noise.module.Curve曲线 value=noise.module.Curve.ControlPoint控制点noise.module.ScaleBias偏移缩放， value=value*scale+offsetnoise.module.Turbulence湍流 value=modules[0].getValue(x+modules[1].value*power,y+modules[2].value*power,z+modules[3].value*power);noise.module.Exponent指数 value=(pow(abs((value+1.0)/2.0),exponent)*2.0-1.0);组合模块：noise.module.Add添加 value=modules[0].value+modules[1].value;noise.module.Max最大值 value=max(value);noise.module.Min最小值 value=min(value);noise.module.Multiply乘法 value=modules[0].value*modules[1].value;noise.module.Power权重 value=pow(modules[0].value,modules[1].value);变压模块：noise.module.Displace位移替换，扭曲value=modules[0].getValue(x+modules[1].value,y+modules[2].value,z+modules[3].value);noise.module.RotatePoint点旋转noise.module.ScalePoint点缩放,轴缩放 value=modules[0].getValue(x*xScale,y*yScale,z*zScale);noise.module.Terrace露台，梯台noise.mod

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

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。