重载函数 自己编写函数 函数模版 函数的使用 变量的作用域 数组作为参数 变量的存储类别 带默认值的函数 递归函数 内联函数 基于递归的算法

第一章 Visual Basic程序设计概述（1） 1.1 引例 1.2 VB主要功能和特点 1.3 VB集成开发环境 第二章 VB简单的程序设计（3） 2.1 程序设计方法的发展 2.2 VB中的有关概念 2.3 建立简单的应用程序 2.4 基本控件和属性 2.5 工程的管理及环境的设置 2.6 生成可执行文件和制作安装盘 2.7 程序调试 2.8 常见错误 第三章 VB语言基础（2） 3.1 编码规则 3.2 数据类型 3.3 变量与常量 3.4 运算符和表达式 3.5 常用函数 3.6 常见错误 第四章 基本的控制结构（6） 4.1 顺序结构 4.2 选择结构 4.3 循环结构 4.4 其他辅助控制语句 4.5 常用算法（一） 4.6 常见错误 （顺序、条件、循环） 第五章 数组（4） 5.1 数组的概念 5.2 静态数组及声明 5.3 动态数组及声明 5.4 数组的基本操作 5.5 控件数组 5.6 自定义数据类型 5.7 常用算法（二） 5.8 常见错误 第六章 过程（5） 6.1 函数过程的定义与调用 6.2 子过程的定义与调用 6.3 参数传递 6.4 变量、过程的作用域 6.5 递归 6.6 常用算法（三） 6.7 重点和难点 第七章 常用控件（4） 7.1 单选按钮和复选框 7.2 框架 7.3 列表框和组合框 7.4 滚动条和Slide控件 7.5 时钟 7.6 ProgressBar控件 7.7 UpDown控件 7.8 Animation控件 7.9 SSTab控件 7.10 鼠标器和键盘 第八章 界面设计（3） 8.1 通用对话框 8.2 菜单设计 8.3 多重窗体和多文档界面 8.4 工具栏和状态栏 8.5 RichTextBox控件 8.6 应用程序向导 第九章 文件（2） 9.1 文件系统控件 9.2 文件的读写 9.3 常用的文件操作语句和函数 第十章 图形操作（3） 10.1 图形操作基础 10.2 绘图属性 10.3 图形控件 10.4 图形方法 第十一章 数据库技术（1） 11.1 数据库概念 11.2 数据库管理器 11.3 数据控件 *11.4 ADO数据控件 *11.5 结构化查询语言(SQL) *11.6 报表制作 11.7 错误处理

利用Gleeble-1500热模拟试验机对6111铝合金进行高温拉伸试验,研究了其在变形温度为350、450和550℃以及应变速率为0.1、1和10 s-1时的热变形行为.6111铝合金的流变应力随温度升高而减小,随应变速率增大而增大,其热变形从应变硬化阶段过渡到稳态变形阶段.建立了综合考虑应变、温度和应变速率对流变应力的影响以及耦合位错密度的统一黏塑性本构模型,并通过遗传优化算法求解出本构模型中的材料常数.模型计算得到的真应力-真应变曲线与试验数据吻合较好

根据我国大气腐蚀网站积累的环境数据和材料腐蚀数据,采用人工神经网络方法。建立了碳钢及低合金钢在大气条件下,腐蚀率与金属腐蚀暴露时间对应关系的预测模型.结果表明:在相同的大气环境下不同的金属存在着不同的网络;相同金属在不同的大气环境下存在着不同网络;BP算法的形式要根据实际情况而定

建立了钢铁企业技术素质评价指标体系,提出了技术素质评价指标的权重和隶属度的确定方法及模糊关系合成算法模型.利用11家钢铁企业的实际数据进行实证分析

以某钢厂1580热连轧生产数据为基础,提出一种有限元与神经网络集成建模的方法.该方法首先对轧制过程的塑性变形进行有限元建模,然后结合有限元数值分析方法和智能技术的优点,实现有限元和神经网络的集成建模.集成模型中的神经网络模型为有限元模型提供参数调整的依据,并且在神经网络训练过程中使用改进的混沌粒子群优化算法对神经网络进行优化.通过与现场实际生产数据进行比较,验证了该模型的有效性

根据BP人工神经网络算法原理,结合某厂型钢轧机轧制扁钢时的轧制力实测数据,对扁钢轧制力进行建模.结果表明,神经网络用于轧制力建模是可行的,所建模型系统误差<1%,模型计算值与实测值的偏差<4%,较好地反映了实际轧制过程的特征

提出了一种将遗传算法用于热送热装生产计划优化的方法.与MTSP方法不同,该方法在优化时不需预先确定轧制单位的数目,它充分利用了轧制单位的结构特点,在对轧制计划优化的同时,优化了轧制单位的数目.仿真结果表明,该方法可在大量的生产合同中很快找出满足各种生产约束条件的热送热装生产计划的可行解,以提高热送热装率

引入了有向基本割集矩阵Qf的二分解和分解树的概念,导出了Qf可实现的充分必要条件和所实现图G在有向二同构意义上的唯一性,应用超图理论解决了如何求Qf的二分解问题,提出了用分解法直接实现Qf的原理和算法.该原理可计算复杂度为O(v2l2)、v和l为Qf的树路子阵Qfp的行数和列数

以BP算法为基础开发了ANN学习预测系统,用于宝钢IF钢大生产产品性能预测.同时,应用在宝钢IF钢大生产数据对该系统进行了测试和分析,并与多元线性回归结果进行预测精度比较.结果表明,ANN学习预测系统,除σ0.2误差较高(9.0%)外,σb,δ,r和n值均<5.0%,且比多线性回归方法精度高