第一部分 算法篇 第一章 最优化问题与数学基础 第二章 线性规划和单纯形方法 第三章 对偶线性规划 第四章 无约束最优化计算方法 第五章 约束最优化方法 第六章 直接搜索方法 第二部分 应用篇 2.1 单纯形算法 2.2 修正单纯形算法 3.1 对偶单纯形算法 4.1 下降迭代算法 4.2 黄金分割算法..... 4.3 两点三次插值算法.... 4.4 模式算法....... 4.5 最速下降算法 4.6 牛顿算法 4.7 FR共轭梯度算法 4.8 SR1算法 4.9 DFP算法 4.10 信赖域算法 5.1外点（罚函数）法

通过热力学平衡相计算方法,系统研究了某新型镍基粉末高温合金时效温度下合金元素对热力学平衡相析出行为的影响.计算结果表明:René 104合金析出的主要平衡相为γ'、MC、M23C6、M3B2和TCP相.Cr和Co含量主要影响TCP相的析出行为及γ'相的析出温度,Cr含量对M23C6和M3B2的析出行为有一定的影响,Cr的建议质量分数为13%;Mo和W含量影响TCP相和M3B2的析出行为.质量比Al/Ti和Nb/Ta影响γ'相的析出行为,建议控制Al/Ti和Nb/Ta比平衡,以使γ'相起到理想的强化效果.C和B含量显著影响碳化物和硼化物的析出量,还可间接抑制TCP相析出;Zr含量对MC和M23C6碳化物的析出有影响;增Co降Cr和调节合金元素含量以获得小的点阵错配度是第3代涡轮盘用粉末冶金高温合金成分优化设计的趋势

提出基于普通变尺度和周期势自适应随机共振理论，检测噪声背景下轴承滚动体的故障特征.在具体实施过程中，首先用普通变尺度的方法满足随机共振中小参数的条件，然后用随机权重粒子群优化算法作为自适应随机共振参数寻优的优化算法，同时用改进的信噪比作为评价指标.噪声背景下含轴承滚动体故障的实验信号经过普通变尺度下的自适应随机共振处理和优化后，微弱的故障特征可以有效的提取出来.将普通变尺度下的双稳态自适应随机共振和周期势自适应随机共振进行了对比，结果表明周期势自适应随机共振比双稳态自适应随机共振能进一步提高信噪比，并且比双稳态自适应随机共振迭代次数少，用时短.这说明提出的基于普通变尺度和周期势系统自适应随机共振的轴承滚动体故障诊断方法具有优越性，尤其是在工程实际中，故障监测所需的数据量大，计算时间长，如能较早的预警，可以提高诊断效率并减少不必要的损失.因此，这种轴承滚动体故障诊断方法对提高机械设备故障诊断效率具有参考价值

目前工业规模的发酵罐容积已达到几十立方米或几百立方米。如按百分之十左 右的种子量计算,就要投入几立方米或几十立方米的种子。要从保藏在试管中的微 生物菌种逐级扩大为生产用种子是一个由实验室制备到车间生产的过程。其生产方 法与条件随不同的生产品种和菌种种类而异。如细菌、酵母菌、放线菌或霉菌生长 的快慢;产孢子能力的大小;及对营养、温度、需氧等条件的要求均有所不同。因 此,种子扩大培养应根据菌种的生理特性,选择合适的培养条件来获得代谢旺盛、 数量足够的种子

Visual Basic的语言基础 变量 变量有两个特性:名字和数据类型。 变量的命名规则 变量代表在程序执行过程中其值可以改变的存储单元,这个存储单元的名字称为变量名。VB变量名的命名规则为: 1.变量名只能有字母、数字和下划线组成; 2.变量名的第一个字符必须是英文字母,最后一个字符可以是类型说明符号; 3.变量名也可以是其他语言中的字符,例如汉字;如姓名可以作为变量名。 4.变量名最长不能超过255个字符; 5.不能使用 Visual Basic的保留字作为变量名。例如: print,cls等不能作为变量名。但是可以将保留字作为变量名的一部分使用,例如: printscr, clspic等 6.变量名在6.VisualBasicheIo《HEeIIooheIIOHELLO中不区分大小写。例:hello、ello,hello和hello等是同一个变量。在输入之后, Visual Basic会自动将他们转化成相同的写法

本书以最新LabVIEW7Express版本为对象，系统介绍了LabVIEW程序设计的基本概念、关键技术和实际应用的专门知识。本书内容分为三大部分，第一部分介绍虚拟仪器的基本概念、图形化编程语言基本原理与特点、LabVIEW编程环境；第二部分系统介绍LabVIEW程序设计的语法规则、程序结构和基本编程技巧；第三部分介绍LabVIEW在数据采集、仪器控制和通信等方面的应用。本书结构编排合理，运用大量实例阐述基本概念与编程难点，突出内容的系统性与实用性。为方便读者学习查阅，本书附带光盘技章节编排，提供了本书所有编程例子，并且列出了LabVIEW程序错误代码表，供读者参考。本书可作为大、中专院校相关专业教材或教学参考书，也可供有关工程技术人员和软件工程师参考。未经许可，不得以任何方式复制或抄袭本书之部分或全部内容

本书适合具有(X)HTML和CSS基本知识的任何人。无论你是刚刚接触CSS设计，还是已经开发纯CSS站点好几年了，本书中都有适合你的内容。如果你已经使用CSS一段时间了，但还不是专家，那么你能够从本书获得最大的收益。本书充满了实用的现实建议和示例，可以帮助你精通现代CSS设计。本书的前两章讨论基本的CSS概念和最佳实践，帮助你轻松地入门。你将学习如何建立代码结构和加注释、CSS定位模型的细节以及浮动和清理的工作原理。你可能已经掌握了其中的许多内容，但是可能会发现自己有遗漏或理解不充分的地方。因此，前两章是不错的CSS入门材料，也可以帮助你回顾已经知道的知识。介绍了基本知识之后，后面五章讨论核心CSS技术，比如图像、链接、列表操纵、表单设计、数据表格设计以及纯CSS布局。每一章都由浅入深，直到建立比较复杂的示例。在这些章节中，你将学习如何创建圆角框、带透明阴影的图像、标签页式导航条和flickr风格的翻转

大型和十分复杂的程序往往会产生一些很难查找的甚至是 无法避免的运行时错误。当发生运行时错误时,不能简单地结 束程序运行,而是退回到任务的起点,指出错误,并由用户决 定下一步工作。面向对象的异常处理( exception handling) 机制是C++语言用以解决这个问题的有力工具。 程序的错误有两种,一种是编译错误,即语法错误。如果使 用了错误的语法、函数、结构和类,程序就无法被生成运行代码 。另一种是在运行时发生的错误,它分为不可预料的逻辑错误和 可以预料的运行异常,这里所讲的异常( exception)是程序可 能检测到的,运行时不正常的情况,如存储空间耗尽、数组越界 被0除等等,可以预见可能发生在什么地方,但是无法确知怎 样发生和何时发生

因子分析( Factor Analysis)是多元统讣分析技术的一个分支,其主要目的 是浓缩数据。它通过研究众多变量之间的内部依赖关系,探求观测数据中的基本 结构,并用少数几个假想变量来表示基本的数据结构。这些假想变量能够反映原 来众多的观测变量所代表的主要信息,并解释这些观测变量之间的相互依存关 系,我们把这些假想变量称之为基础变量,即因子( Factors)。因子分析就是研 究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子 因子分析是由心理学家发展起来的,最初心理学家借助因子分析模型来解释 人类的行为和能力,1904年查尔斯·斯皮尔曼( Charles spearman)在美国心理学 杂志上发表了第一篇有关因子分析的文章,在以后的三四十年里,因子分析的理 论和数学基础逐步得到了发展和完善,它作为一个一般的统计分析工具逐渐被人 们所认识和接受。50年代以来,随着计算机的普及和各种统计软件的出现,因 子分析在社会学、经济学、医学、地质学、气象学和市场营销等越来越多的领域 得到了应用

第四章4-4线性变换的特征值与特征向量 4.4.1线性变换的特征值与特征向量的定义 定义若存在非零向量ξ∈V,使得对于某个∈K,有A5=5,则称ξ是A的属 于特征值λ的特征向量。 命题线性空间V中属于确定的特征值λ的特征向量(添加上零向量)构成子空间。 证明设51,52是属于的特征向量,Vk,∈K,则 A(k5+2)=k()+a(2)=k+2=(k5+152), 证毕。 定义线性空间V中属于确定的特征值λ的特征向量(添加上零向量)构成子空间称 为属于特征值的特征子空间,记为V 4.4.2特征值和特征子空间的计算、特征多项式