利用可变分区的首次适应算法模拟内存的分配和回收。用C++语言，采用了双链表结构。

操作系统课程设计作品！银行家算法模拟，完整代码，VC环境运行成功。 实验目的：设计有n个进程共享m个系统资源的系统，进程可动态地申请和释放资源，系统按各进程的申请动态的分配资源。系统能显示各个进程申请和释放资源，以及系统动态分配资源的过程，便于用户观察和分析。

图形化界面 1、设计目的 通过模拟设计磁盘驱动调度程序，观察驱动调度程序的动态运行过程，理解和掌握磁盘驱动调度的职能，并比较各种算法的调度结果。 2、设计内容 要求设计主界面能灵活选择某算法，且以下算法都要实现。 （1）先来先服务算法（FCFS） （2）最短寻道时间优先算法（SSTF） （3）扫描算法（SCAN） （4）循环扫描算法（CSCAN） 本设计中可在运行时随机产生一个请求序列，先把序列排序，以方便找到下一个要寻找的磁道。要求用户选择磁头移动方向，向里和向外移动用1和0表示，若输入值不为0或1，则报错。选择某种调度算法后，要求显示调度顺序和移动的总磁道数。

非常好用的PID控制算法的模拟程序，是调PID参数的很好用的工具。

简单说明 使用多种基本启发式算法替代广义TSP问题。 所谓广义TSP，即一些城市可能卖的是同一类商品，在买这类商品时仅走这些城市其中一个即可。 目录： 图片-只是一些结果图片 代码** extendTSP.py 用于随机生成广义TSP实例，并提供一些通用函数（如生成广义TSP实例，生成距离等） SA.py模拟退火 tabu.py禁忌搜索 Genetic.py遗传算法 ACO.py蚁群算法 依赖：matplotlib + numpy，python3 可以通过extendTSP.py中的extendTSP_generate（）函数来生成实例 def extendTSP_generate ( city_num , goods_num , x_range = 20 , y_range = 20 ) ' '' city_num - 城市数量 goods_num - 商品种类数目 x_range

短进程优先-RR时间片轮转算法模拟，操作系统实验内容

针对旅行商问题(TSP)优化中,遗传算法(GA)容易陷入局部最优、模拟退火算法(SA)收敛速度慢的问题,提出一种基于改进遗传模拟退火算法(IGSAA)的TSP优化算法.首先根据优化目标建立数学模型;然后对遗传算法部分中的适应度函数、交叉变异算子进行改进,使算法能够更加有效地避免陷入局部最优;最后根据旧种群和新种群每个对应个体的进化程度提出一种改进自适应的Metropolis准则,使模拟退火算法部分的染色体跳变更具有自适应性,利于算法寻优.对不同TSP实例的实验结果表明,与其他路径优化算法优化结果相比,所提出的IGSAA算法能够对不同TSP实例优化得到更优的旅行路径.

设计了一个内存管理模拟程序，实现了最先适应算法和最佳适应算法，可以手动申请内存大小，释放内存，同时附有测试程序，可设置测试次数，同时统计了平均申请内存大小，内存利用率及运行时间。

优化算法在很多邻域都有很大的用处 本程序主要是实现遗传算法和模拟退火算法结合的程序 希望对读者有用······

设计要求 1）．用语言来实现对n个进程采用不同调度算法的进程调度。 2）．每个用来标识进程的进程控制块PCB用结构来描述，包括以下字段： （1）进程优先数ID，其中0为闲逛进程，用户进程的标识数为1，2，3…。 （2）进程优先级Priority，闲逛进程（idle）的优先级为0，用户进程的优先级大于0，且随机产生，优先数越大，优先级越高。 （3）进程占用的CPU时间CPUtime，进程每运行一次，累计值等于4。 （4）进程总共需要运行时间Alltime，利用随机函数产生。 （5）进程状态，0：就绪态；1：运行态；2：阻塞态。 （6）队列指针next，用来将多个进程控制块PCB链接为队列。 3）．优先数改变的原则 （1）进程在就绪队列中每呆一个时间片，优先数增加1。 （2）进程每运行一个时间片，优先数减3。 4）．在调度前，系统中拥有的进程数PCB_number由键盘输入，经初始化后，所有的进程控制块PCB链接成就绪队列。