AD2018版更强大,更高效快捷,能够帮助你更好的,学会设计电子电路。丰富的图库帮助你对器件的封装有更加深刻的理解。
2022-04-22 18:19:59 33KB AD 高效的画图工具 电子器件 PCB
1
STL 模型是通过将实体模型曲面细分为三角形而获得的。 镶嵌的精度由弦误差控制,弦误差是镶嵌模型与原始实体模型之间的最大形状差异。 细分实体模型所需的三角形数量是可接受的弦误差和零件几何复杂性的函数。 在 STL 文件创建过程中生成的大量三角形可能会影响对模型进行切片以及随后为每个切片创建轮廓所需的时间。 制造所需的切片数量通常来自用户指定的层厚度和零件构建方向。 STL文件中定义的三角形面必须由每个切片进行切片,并且必须为每个切片构造轮廓; 因此,算法的效率在切片和轮廓创建所需的时间中起着巨大的作用。 为了减少切片时间,本文提出了一种具有高效轮廓构造的改进切片算法。该方法具有高效、健壮性和自动识别内外轮廓的能力等重要特点。
2022-04-22 17:05:40 2.14MB 算法 数据结构 指针
1
判断直线是否在矩形内,不适用乘除法,高效率算法,仅供参考!
2022-04-19 17:11:37 682KB 高效算法
1
加森++ gason ++对解析器进行了微调,以使其对最终用户的使用更加简单。 还有一个简单的JSon构建器工具。 gason是纯C ++中高效且出色的JSon解析器,依赖性最小。 请阅读gason文档以查看功能的完整列表和其他说明。 目录 笔记 gason(gason ++)高效且快速,并且不会为解析值(对象,数组等)消耗任何额外的内存 gason(gason ++)是一个破坏性的解析器: 您的源缓冲区将被修改! 并且该缓冲区是唯一存在值的地方。 有一个简单而高效的JSonBuilder ,它在原始的gason是不存在的。 c++11是可选的,并且gason++也可以在较旧的工具链上进行编译。 gason需要c++11 。 JsonAllocator在gason++是可重用和自动扩展的,并且该实现并不会为每个jsonParse()释放/ jsonParse()内存jsonP
2022-04-17 12:43:00 25KB C++
1
Tidb 比MySQL: 强一致数据 更高可用 性能更高 对业务更加方便 更良好的扩展能力 更便捷的运维
2022-04-17 09:03:42 3.39MB 运维 数据库 database
高效的发卡系统ZFAKA基于yaf+layui开发的发卡系统接入了Z支付的免签接口+视频教程 安全、稳定、高效的发卡系统:ZFAKA ZFAKA是一款开源的基于yaf+layui开发的发卡系统,对发卡网站有了解的朋友肯定知道ZFAKA,就不用太多介绍了。接入了Z支付的免签接口,并且配备了非常详细的视频教程,主要就是yaf拓展的安装。高效的发卡系统ZFAKA基于yaf+layui开发的发卡系统接入了Z支付的免签接口+视频教程 安全、稳定、高效的发卡系统:ZFAKA ZFAKA是一款开源的基于yaf+layui开发的发卡系统,对发卡网站有了解的朋友肯定知道ZFAKA,就不用太多介绍了。接入了Z支付的免签接口,并且配备了非常详细的视频教程,主要就是yaf拓展的安装。
2022-04-16 14:04:57 172.69MB 发卡系统 yaf+layui 免签接口
低风险的商务智能实施高效方案
2022-04-15 18:09:07 3.29MB 低风险的商务智能实施高效方案
高效多目标优化 (TSEMO) 算法 该存储库包含“Thompson 采样高效多目标优化”(TSEMO)算法 [1] 的源代码。 该算法专为评估成本高的黑盒函数的全局多目标优化而设计。例如,该算法已应用于生命周期评估 (LCA) 和化学过程模拟成本的同步优化 [2]。但是,该算法也可以应用于其他黑盒功能,例如 CFD 模拟。它基于贝叶斯优化方法,构建高斯过程代理模型以加速优化。此外,该算法可以在每次迭代(批量顺序模式)中识别出几个有希望的点。这允许并行评估多个模拟。
2022-04-15 13:07:20 940KB 算法
C#批量插入,更新ORACLE 保存100万条数据大概3-5秒 保存或者更新100万条数据大概20秒 DataTable保存100万条数据大概1-2分钟 可能因环境原因时间有差异,不过可以看出性能还是很大提升的
2022-04-14 21:06:53 11KB C# ORACLE 高效插入
1
在多目标进化算法中,时间复杂度过高是普遍的问题,特别是三个目标函数以上时,解的等级分配占用了过多的运算时间。针对三目标问题,利用帕累托支配关系,对解的等级分配进行研究,发现经典的等级排序及分配方法存在一定的冗余操作,需对全部的解先排序后,才能再分配等级并选择下一代,造成部分不必要的运算。为减少该冗余,利用帕累托非支配关系结合差分进化,实现高效三目标进化算法。算法每次迭代对种群中最高等级的个体进行计算,在分配等级同时进行选择后代个体操作,当后代种群生成时便跳出计算,从而减少个体的计算数量,降低运算量;同时给出该方法的相关理论分析和证明过程。针对一系列三目标优化问题,将提出方法与著名排序方法NSGAⅡ及近年来优秀的ENS方法进行对比实验。仿真实验结果表明,提出方法在时间复杂度和收敛速度上优于经典方法,稍差于ENS方法。在标准测试函数DTLZ1-DTLZ6的性能上,提出方法近似于ENS方法,优于NSGAⅡ算法,从而验证了提出方法的有效性和正确性。
1