C语言写的五子棋代码，在TC下运行，简单易懂，AI强大，适合学习C语言和算法的初学者
上传时间： 2017-08-09
上传用户：fanboynet
Andy和Mary养了很多猪。他们想要给猪安家。但是Andy没有足够的猪圈，很多猪只能够在一个猪圈安家。举个例子，假如有16头猪，Andy建了3个猪圈，为了保证公平，剩下1头猪就没有地方安家了。Mary生气了，骂Andy没有脑子，并让他重新建立猪圈。这回Andy建造了5个猪圈，但是仍然有1头猪没有地方去，然后Andy又建造了7个猪圈，但是还有2头没有地方去。Andy都快疯了。你对这个事情感兴趣起来，你想通过Andy建造猪圈的过程，知道Andy家至少养了多少头猪。 输入 输入包含多组测试数据。每组数据第一行包含一个整数n (n <= 10) – Andy建立猪圈的次数，解下来n行，每行两个整数ai, bi( bi <= ai <= 1000), 表示Andy建立了ai个猪圈，有bi头猪没有去处。你可以假定(ai, aj) = 1. 输出 输出包含一个正整数，即为Andy家至少养猪的数目。
上传时间： 2013-12-22
上传用户：小码农lz
JCreator下开发，黑白棋游戏，可以实现人机对战和人人对战，采用贪心算法因此棋力不佳，整个程序的框架不错，有兴趣可以在此基础上改善AI算法提高棋力
标签： JCreator
上传时间： 2013-12-26
上传用户：chenlong
探讨了在 Mh T I AB环境中实现遗传算法仿真 的方法 ， 并 以一个 简单的求函数最值的问 题作为遗传算法的应用实铡， 说明遗传算法的全局寻优性及用 M AI I AB实现仿真的可行性。
上传时间： 2014-08-19
上传用户：牛津鞋
Like many of my colleagues in this industry, I learned Windows programming from Charles Petzold s Programming Windows—a classic programming text that is the bible to an entire generation of Windows programmers. When I set out to become an MFC programmer in 1994, I went shopping for an MFC equivalent to Programming Windows. After searching in vain for such a book and spending a year learning MFC the old-fashioned way, I decided to write one myself. It s the book you hold in your hands. And it s the book I would like to have had when I was learning to program Windows the MFC way.
标签： programming colleagues industry Charles
上传时间： 2014-01-10
上传用户：曹云鹏
本书揭示了C++程序员创建世界级软件的奥秘。程序设计大师Herbert Schildt通过将C++语言广泛应用于功能强大的编程任务中，全面展示了C++语言的多功能性，敏捷性，和艺术性。本书内容包括探索C++的功能，创建内存管理的垃圾回收器子系统，开发线程控制面板，建立译码器以扩展C++的功能，开发可断点续传的Internet文件下载工具，创建财务分析库，用基于AI的搜索技术探索人工智能，建立定制的STL容器，以及开发Mini C++解释程序。书中所有示例和项目的源代码都可以从www.osborne.com 上免费下载。
上传时间： 2015-06-04
上传用户：sydgg
PR RTX 是基于AVR的CV环境的商业版本
标签： RTOS AVR
上传时间： 2015-07-04
上传用户：herrqh
设初始序列为a1,a2,……,an，以序列中的某个元素ai为基准(轴)，经调整后，使得ai左边的元素均小于ai，右边的均大于等于ai，而后对这两个子区再分别使用快速排序。 [具体要求] (1) 需要用一维数组a来存储等待排序的序列； (2) 设置两个工作指针i和j； (3) 每次快速排序都以排序区域的首元素为基准(轴)； (4) 程序用递归函数来实现。
标签： c++
上传时间： 2015-12-28
上传用户：markhu53
java swing象棋带人机AI 作者将AI算法发挥得淋漓精致
上传时间： 2016-05-08
上传用户：wscyhh123
% 生成训练样本集 clear all; clc; P=[110 0.807 240 0.2 15 1 18 2 1.5; 110 2.865 240 0.1 15 2 12 1 2; 110 2.59 240 0.1 12 4 24 1 1.5; 220 0.6 240 0.3 12 3 18 2 1; 220 3 240 0.3 25 3 21 1 1.5; 110 1.562 240 0.3 15 3 18 1 1.5; 110 0.547 240 0.3 15 1 9 2 1.5]; 0 1.318 300 0.1 15 2 18 1 2]; T=[54248 162787 168380 314797; 28614 63958 69637 82898; 86002 402710 644415 328084; 230802 445102 362823 335913; 60257 127892 76753 73541; 34615 93532 80762 110049; 56783 172907 164548 144040]; @907 117437 120368 130179]; m=max(max(P)); n=max(max(T)); P=P'/m; T=T'/n; %-------------------------------------------------------------------------% pr(1:9,1)=0; %输入矢量的取值范围矩阵 pr(1:9,2)=1; bpnet=newff(pr,[12 4],{'logsig', 'logsig'}, 'traingdx', 'learngdm'); %建立BP神经网络， 12个隐层神经元，4个输出神经元 %tranferFcn属性 'logsig' 隐层采用Sigmoid传输函数 %tranferFcn属性 'logsig' 输出层采用Sigmoid传输函数 %trainFcn属性 'traingdx' 自适应调整学习速率附加动量因子梯度下降反向传播算法训练函数 %learn属性 'learngdm' 附加动量因子的梯度下降学习函数 net.trainParam.epochs=1000;%允许最大训练步数2000步 net.trainParam.goal=0.001; %训练目标最小误差0.001 net.trainParam.show=10; %每间隔100步显示一次训练结果 net.trainParam.lr=0.05; %学习速率0.05 bpnet=train(bpnet,P,T); %------------------------------------------------------------------------- p=[110 1.318 300 0.1 15 2 18 1 2]; p=p'/m; r=sim(bpnet,p); R=r'*n; display(R);
上传时间： 2016-05-28
上传用户：shanqiu
