本章首先介绍程序运行时动态内存分配(dynamic memory allocation)的概念与方法。到目前为止,本教材介绍的程序 设计中,变量和对象在内存中的分配都是编译器在编译程序时 安排好了的,这带来了极大的不便,如数组必须大开小用,指 针必须指向一个已经存在的变量或对象。动态内存分配解决了 这个问题。本章将进一步讨论拷贝构造函数;还要学习有关数 据结构的链表和栈的基本知识、算法和应用

研究了一种基于特征变量的复杂生产过程预测模型.与传统的建模方法相比,该方法不需要经过机理分析,而从信息科学的角度出发,在对反映生产过程工况原始动态数据进行特征选择的基础上,运用时间序列分析法建立其预测模型.同时讨论了它的神经网络实现方法.仿真结果表明了该方法的可行性

一、滞后变量模型 二、分布滞后模型的参数估计 三、自回归模型的参数估计 四、格兰杰因果关系检验

以通用有限元分析软件ANSYS作为运行环境,将网架结构的杆件截面面积作为离散的设计变量,以网架结构的总质量为目标函数,同时考虑网架的强度、刚度、稳定性以及裁面尺寸等约束条件,采用一维搜索方法和改进的应力比法等优化方法,对网架结构进行了优化．工程实例计算表明:该优化算法原理简单,收敛速度快,能在保证安全的基础上降低工程造价,取得较好的优化设计结果．

第一节 常微分方程的基本概念与分离变量法 一、微分方程的基本概念 二、分离变量法 第二节 一阶线性微分方程与可降阶的高阶微分方程 一、一阶线性微分方程 二、可降阶的高阶微分方程 第三节 二阶常系数线性微分方程 一、二阶常系数线性微分方程解的性质 二、二阶常系数齐次线性微分方程的求解方法 三、二阶常系数非齐次线性微分方程的求解方法

细胞神经网络（CNN）的局部活动性理论为研究由同质介体构成的复杂系统动力学行为的突现和转化提供了有力工具，本文介绍了CNN的局部活动性原理；建立了确定具有3个端口和4个态变量CNN的局部活动性的一组定理；为绘制相应CNN的分歧图和研究在免疫监视下的细胞组织生长等生命现象提供了解析工具．

采用回归分析的方法,建立特征变量与产品质量之间的统计对应关系,把产品质量表达成特征变量的回归函数,进而得到特征空间与产品质量空间在统计意义上的映射关系.在产品质量空间进行聚类,在特征空间进行分类,而后提出了一种基于统计空间映射的在线模式识别方法.利用唐钢烧结厂的实测数据进行了仿真,验证了本方法的正确性.从算法分析和仿真结果看,这一算法可以有效地克服模式交叉现象的影响,并可对复杂生产过程进行在线质量推断

基于多学科设计优化原理,提出了面向非层级复杂系统的多学科变量耦合优化设计方法,阐述了其优化设计的基本思路和工作原理.通过设置理想耦合点,构造了耦合函数,使子系统在各自独立优化设计的同时,在系统级的协调下达到耦合关系的满足,并使系统得到总体上的优化.在梳齿式微机械加速度计的优化设计中,对该方法进行了验证

为将不同数据类型、但相互关联的一组数据,组合成一个有机整体使用,C语言提供一种称为“结构”的数据结构 10.1结构类型与结构变量的定义 10.2结构变量的引用与初始化 10.3结构数组 10.4指向结构类型数据的指针 10.5链表处理结构指针的应用 10.6共用型和枚举型 10.7定义已有类型的别名

描述了协同区域化及协同区域化变量的概念,较详细地讨论了交叉矩及其性质(例如互协方差及互变异函数)。重点讨论了协同克立格法(包括协同克立格方程组及协同克立格方差等),给出了根据估计邻域内金和银的数据,并应用协同克立格法实例估计一个等估块段中金的平均含量