一、Dijkstra算法的思路 Dijkstra算法是针对单源点求最短路径的算法。 其主要思路如下： 1. 将顶点分为两部分：已经知道当前最短路径的顶点集合Q和无法到达顶点集合R。 2. 定义一个距离数组（distance）记录源点到各顶点的距离，下标表示顶点，元素值为距离。源点（start）到自身的距离为0，源点无法到达的顶点的距离就是一个大数（比如Infinity）。 3. 以距离数组中值为非Infinity的顶点V为中转跳点，假设V跳转至顶点W的距离加上顶点V至源点的距离还小于顶点W至源点的距离，那么就可以更新顶点W至源点的距离。即下面distance[V] + matrix[V][W]

cpp代码-分支限界法求解0-1背包问题

欧拉公式求长期率的matlab代码ArtraCFD A计算流体动力学求解器 经过 如何编译 下载代码 进入代码目录 编译生成C可执行文件： make 如何运行程序 运行程序： ./artracfd 查看帮助指南： help 检查程序手册： manual 生成样本测试用例： init 解决小问题： solve 有关算法和更多测试案例，请查看下面的Reference 。 求解器配置 流固相互作用： 运算符拆分 流体动力学： 主导方程：3D Navier-Stokes方程（笛卡尔，可压缩，保守） 时间离散化：RK2和RK3 空间离散化：WENO3和WENO5（对流通量）+二阶中心方案（扩散通量） 边界处理：沉浸边界法 固体动力学： 主导方程：牛顿第二定律（平移），欧拉方程（旋转），多体接触和碰撞 时间整合：RK2 界面说明：带有正面跟踪的三角面 参考：

(java）找零钱问题 问题描述: 设有n种不同面值的硬币，各硬币的面值存于数组T[1:n]中。现要用这些面值的硬币来找钱，可以实用的各种面值的硬币个数不限。当只用硬币面值T[1],T[2],…,T[i]时，可找出钱数j的最少硬币个数记为C(i,j)。若只用这些硬币面值，找不出钱数j时，记C(i,j)=∞，设计一个动态规划算法，对1≤j≤L，计算出所有的C( n,j )。算法中只允许使用一个长度为L的数组。

最小生成树Prim算法朴素版 有几点需要说明一下。 1、2个for循环都是从2开始的，因为一般我们默认开始就把第一个节点加入生成树，因此之后不需要再次寻找它。 2、lowcost[i]记录的是以节点i为终点的最小边权值。初始化时因为默认把第一个节点加入生成树，因此lowcost[i] = graph[1][i]，即最小边权值就是各节点到1号节点的边权值。 3、mst[i]记录的是lowcost[i]对应的起点，这样有起点，有终点，即可唯一确定一条边了。初始化时mst[i] = 1，即每条边都是从1号节点出发。 编写程序:对于如下一个带权无向图，给出节点个数以及所有边权值，用Prim算法求最小

动态规划算法 动态规划算法基本思想： 1、 将待求解问题分阶段处理 2.doc

双峰和多峰函数最大值的遗传算法求解.doc

模拟退火算法是解决TSP问题的有效方法之一，其最初的思想由Metropolis在1953年提出，Kirkpatrick在1983年成功地将其应用在组合最优化问题中。

1、古典显式格式求解抛物型偏微分方程（一维热传导方程） 2、古典隐式格式求解抛物型偏微分方程（一维热传导方程） 3、Crank-Nicolson隐式格式求解抛物型偏微分方程 4、正方形区域Laplace方程Diriclet问题的求解 如： function [U x t]=PDEParabolicClassicalExplicit(uX,uT,phi,psi1,psi2,M,N,C) %古典显式格式求解抛物型偏微分方程 %[U x t]=PDEParabolicClassicalExplicit(uX,uT,phi,psi1,psi2,M,N,C) % %方程：u_t=C*u_xx 0 <= x <= uX,0 <= t <= uT %初值条件：u(x,0)=phi(x) %边值条件：u(0,t)=psi1(t), u(uX,t)=psi2(t)

主要介绍了Python利用全连接神经网络求解MNIST问题,结合实例形式详细分析了单隐藏层神经网络与多层神经网络,以及Python全连接神经网络求解MNIST问题相关操作技巧,需要的朋友可以参考下