这个项目是在HTML画布上播放的用javascipt编写的跳棋游戏。
到目前为止，唯一发布的版本是两个玩家都需要在本地单击其移动的版本。
未来将有一个minimax机器人可以与之抗衡。

Minimax搜索算法完成一个跳棋游戏游戏由专门的借口定义，非常好的教学例子，代码也很值得学习

陈希孺院士的经典书籍。
《高等数理统计学》的定位是“基于测度论的数理统计学基础教科书”，内容除预备知识外，主要是关于几种基本统计推断方式（点估计、区间估计、似设检验）的大小样本理论和方法，另有一章讲述线性模型的初步理论。
《高等数理统计学》的最大特色是习题及其提示的安排，占了近半的篇幅，其中除少量选摘自有关著作外，大半属作者自创，有很高的参考学习价值。
《高等数理统计学》可作为高等学校数理统计专业的教材，也可供相关专业人员作为参考用书。
总序序第1章预备知识1．1样本空间与样本分布族1．2统计决策理论的基本概念1．3统计量1．4统计量的充分性附录因子分解定理的证明第2章无偏估计与同变估计2．1风险一致最小的无偏估计2．2cramer-Rao不等式2．3估计的容许性2．4同变估计附录第3章Bayes估计与Minimax估计3．1Bayes估计——统计决策的观点3．2Bayes估计——统计推断的观点3．3Minimax估计第4章大样本估计4．1相合性4．2渐近正态性4．3极大似然估计4．4次序统计量第5章假设检验的优化理论5．1基本概念5．2一致最优检验5．3无偏检验5．4不变检验第6章大样本检验6．1似然比检验6．2拟合优度检验6．3条件检验、置换检验与秩检验第7章区间估计7．1求区间估计的方法7．2区间估计的优良性7．3容忍区间与容忍限7．4区间估计的其他方法和理论第8章线性统计模型8．1最小二乘估计8．2检验与区间估计8．3方差分析和协方差分析附录矩阵的广义逆习题

利用Minimax算法或α-β剪枝算法完成井字棋游戏。

随着人工智能的火热，机器游戏变得越来越熟悉。
机器博弈是人工智能领域最具挑战性的研究方向之一。
亚马逊国际象棋是机器游戏领域的一个重点研究方向，由于其本身动作空间可能概率的复杂性，第一步便超过2000个动作，因而常被用来研究与机器博弈相关的算法。
本文针对亚马逊国际象棋环境，对比分析了不同算法在效率上的优缺点，主要对蒙特卡洛博弈算法及其并行优化进行介绍和总结，在此基础上，对关于亚马逊棋蒙特卡洛博弈算法并行优化的研究前景进行了展望。
主要内容为关于亚马逊棋的蒙特卡洛博弈算法的并行优化综述，对相关内容进行了调研和总结，首先是引言部分，简要介绍亚马逊棋的相关知识，其次介绍应用于亚马逊棋的相关博弈算法，如：极大化极小法(MiniMax)、Negamax算法、PVS算法和Alpha-Beta等搜索算法。
适用于研究计算机领域、人工智能领域的用户下载研究使用，该文章为原创，严禁盗用抄袭，如有发现，将追究侵权责任，同时涉及学术不端问题。
此前将该文档借与他人浏览，所发布本文档目的在于：避免被学术不端者盗用。

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。