dragonxin28的专栏

兄弟连李明老师文件共享服务ppt。学习Linux的经典之作。

根据官方的手动安装文档自己解压缩安装成的MinGW。本安装包在截止到2012年3月29日最新的安装包。 下载后解压，在Path环境变量末尾添加类似于";D:\MinGW\bin"后即可使用(注意有分号)。

成为编程高手必备，jdk源码 把这个加载到MyEclipse或者Eclipse里面 方便学习使用

matlab_语法大全. 常用语法，基本函数

C#科学计算讲义光盘源码,找了好久才收集到, VS2010版. 引言　1 第1章　C#程序设计基础　9 1.1　计算机、程序设计与算法　9 1.1.1　计算机结构　9 1.1.2　操作系统　10 1.1.3　机器语言与高级语言　10 1.1.4　程序设计与算法　10 1.2　C#历史与概述　11 1.2.1　C语言：结构化编程语言的高峰　11 1.2.2　C 语言；　面向对象与大型程序　11 1.2.3　Java语言：可移植、安全性与Internet　11 1.2.4　C#；.NET主打语言　12 1.3　集成开发环境介绍　12 1.4　面向对象程序设计　16 1.4.1　封装　16 1.4.2　多态　16 1.4.3　继承　17 1.5　数据类型与运算符　17 1.5.1　简单数据类型　17 1.5.2　数组　17 1.5.3　运算符　17 1.5.4　赋值运算符　18 1.6　程序控制结构　18 1.6.1　顺序结构　18 1.6.2　分支结构　18 1.6.3　循环结构　20 1.6.4　控制结构的嵌套　21 1.7　类的设计及对象实现　21 1.7.1　定义类　22 1.7.2　创建对象　22 1.7.3　方法　22 1.7.4　构造函数　23 1.7.5　析构函数与垃圾回收　23 1.8　运算符重载及索引器　24 1.8.1　运算符重载　24 1.8.2　索引器　26 1.8.3　面向对象思想在C#程序设计中的重要性　27 1.9　GUI编程　28 1.10　本章小结31 第2章　线性方程组迭代解法　32 2.1　Jacobi　迭代法　32 2.1.1　基本原理　32 2.1.2　实验内容与数据　33 2.1.3　程序源代码　33 2.1.4　实验结论　37 2.2　Gauss-Seidel迭代法　38 2.2.1　基本原理　38 2.2.2　实验内容与数据　39 2.2.3　程序源代码　39 2.2.4　实验结论　43 2.3　逐次超松弛迭代法44 2.3.1　基本原理　44 2.3.2　实验内容与数据　44 2.3.3　程序源代码　45 2.3.4　实验结论　49 2.4　Richardson迭代法　50 2.4.1　基本原理　50 2.4.2　实验内容与数据　50 2.4.3　程序源代码　50 2.4.4　实验结论　54 2.5　广义Richardson迭代法　55 2.5.1　基本原理　55 2.5.2　实验内容与数据　55 2.5.3　程序源代码　55 2.5.4　实验结论　60 2.6　Jacobi超松弛迭代法　60 2.6.1　基本原理　60 2.6.2　实验内容与数据　61 2.6.3　程序源代码　61 2.6.4　实验结论　65 2.7　最速下降法　66 2.7.1　基本原理　66 2.7.2　实验内容与数据　66 2.7.3　程序源代码　67 2.7.4　实验结论　71 2.8　共轭梯度法　72 2.8.1　基本原理　72 2.8.2　实验内容与数据　72 2.8.3　程序源代码　72 2.8.4　实验结论　77 2.9　本章小结　77 第3章　线性方程组的直接解法　78 3.1　三角方程组　78 3.1.1　基本原理　78 3.1.2　实验内容与数据　79 3.1.3　程序代码　79 3.1.4　实验结论　83 3.2　高斯消去法　83 3.2.1　基本原理　83 3.2.2　实验内容与数据　84 3.2.3　程序源代码　84 3.2.4　实验结论　89 3.3　选主元消去法　90 3.3.1　基本原理　90 3.3.2　实验内容与数据　90 3.3.3　程序源代码　90 3.3.4　实验结论　96 3.4　Crout分解　97 3.4.1　基本原理　97 3.4.2　实验内容与数据　98 3.4.3　程序源代码　98 3.4.4　实验结论　103 3.5　Doolittle分解　103 3.5.1　基本原理　103 3.5.2　实验内容与数据　104 3.5.3　程序源代码　104 3.5.4　实验结论　108 3.6　追赶法计算三对角方程　109 3.6.1　基本原理　109 3.6.2　实验内容与数据　110 3.6.3　程序源代码　110 3.6.4　实验结论　114 3.7　行列式的计算　115 3.7.1　基本原理　115 3.7.2　实验内容与数据　115 3.7.3　程序源代码　115 3.7.4　实验结论　119 3.8　本章小结　120 第4章　正交变换与最小二乘计算方法　121 4.1　对称正定阵的Cholesky分解　121 4.1.1　基本原理　121 4.1.2　实验内容与数据　122 4.1.3　程序源代码　122 4.1.4　实验结论　126 4.2　不开平方的Cholesky分解　127 4.2.1　基本原理　127 4.2.2　实验内容与数据　127 4.2.3　程序源代码　127 4.2.4　实验结论　132 4.3　QR分解之Householder镜像变换方法　133 4.3.1　基本原理　133 4.3.2　实验内容与数据　134 4.3.3　程序源代码　134 4.3.4　实验结论　140 4.4　修正的Gram-Schimdt正交化方法　141 4.4.1　基本原理　141 4.4.2　实验内容与数据　142 4.4.3　程序源代码　142 4.4.4　实验结论　147 4.5　求解法方程计算最小二乘问题　147 4.5.1　基本原理　147 4.5.2　实验内容与数据　149 4.5.3　程序源代码　149 4.5.4　实验结论　157 4.6　QR分解法计算最小二乘问题　158 4.6.1　基本原理　158 4.6.2　实验内容与数据　159 4.6.3　程序源代码　159 4.6.4　实验结论　167 4.7　加权最小二乘与Gauss-Markov估计　167 4.7.1　基本原理　167 4.7.2　实验内容与数据　169 4.7.3　程序源代码　169 4.7.4　实验结论　178 4.8　具有先验信息的贝叶斯估计　178 4.8.1　基本原理　178 4.8.2　实验内容与数据　179 4.8.3　程序源代码　179 4.8.4　实验结论　189 4.9　工程应用中最小二乘法的实用方法　191 4.10　本章小结　192 第5章　鲁棒估计　193 5.1　M估计的IGGI方案　193 5.1.1　基本原理　193 5.1.2　实验内容与数据　194 5.1.3　程序源代码　196 5.1.4　实验结论　208 5.2　Hampel函数作标准等价权　210 5.2.1　基本原理　210 5.2.2　实验内容与数据　210 5.2.3　程序源代码　212 5.2.4　实验结论　224 5.3　Huber估计　227 5.3.1　基本原理　227 5.3.2　实验内容与数据　227 5.3.3　程序源代码　229 5.3.4　实验结论　241 5.4　本章小结　243 第6章　随机数　244 6.1　乘同余法均匀分布随机数发生器　244 6.1.1　基本原理　244 6.1.2　实验内容与数据　244 6.1.3　程序源代码　244 6.1.4　实验结论　248 6.2　混合同余法均匀分布随机数发生器　249 6.2.1　基本原理　249 6.2.2　实验内容与数据　249 6.2.3　程序源代码　249 6.2.4　实验结论　253 6.3　正态分布随机数　253 6.3.1　基本原理　253 6.3.2　实验内容与数据　254 6.3.3　程序源代码　254 6.3.4　实验结论　261 6.4　蒙特卡罗方法介绍　261 6.4.1　基本原理　261 6.4.2　实验内容与数据　262 6.4.3　程序源代码　262 6.4.4　实验结论　265 6.5　本章小结　265 第7章　插值法　266 7.1　拉格朗日插值　266 7.1.1　基本原理　266 7.1.2　实验内容与数据　266 7.1.3　程序源代码　266 7.1.4　实验结论　270 7.2　牛顿插值法　271 7.2.1　基本原理　271 7.2.2　实验内容与数据　271 7.2.3　程序源代码　271 7.2.4　实验结论　276 7.3　Hermite插值法　276 7.3.1　基本原理　276 7.3.2　实验内容与数据　277 7.3.3　程序源代码　277 7.3.4　实验结论　281 7.4　本章小结　281 第8章　非线性方程数值解法　282 8.1　Picard迭代法　282 8.1.1　基本原理　282 8.1.2　实验内容与数据　283 8.1.3　程序源代码　283 8.1.4　实验结论　285 8.2　牛顿迭代法　285 8.2.1　基本原理　285 8.2.2　实验内容与数据　286 8.2.3　程序源代码　286 8.2.4　实验结论　289 8.3　割线法　289 8.3.1　基本原理　289 8.3.2　实验内容与数据　290 8.3.3　程序源代码　290 8.3.4　实验结论　293 8.4　重根时的迭代改进　293 8.4.1　基本原理　293 8.4.2　实验内容与数据　294 8.4.3　程序源代码　294 8.4.4　实验结论　297 8.5　应用范例：债券到期收益率的计算　297 8.5.1　基本原理　297 8.5.2　实验内容与数据　298 8.5.3　程序源代码　298 8.5.4　实验结论　304 8.6　本章小结　304 第9章　非线性最优化　305 9.1　一维搜索之黄金分割法　305 9.1.1　基本原理　305 9.1.2　实验内容与数据　306 9.1.3　程序源代码　306 9.1.4　实验结论　310 9.2　连续抛物线插值法　311 9.2.1　基本原理　311 9.2.2　实验内容与数据　312 9.2.3　程序源代码　312 9.2.4　实验结论　316 9.3　多维非线性最优化牛顿下山法　317 9.3.1　基本原理　317 9.3.2　实验内容与数据　318 9.3.3　程序源代码　318 9.3.4　实验结论　325 9.4　最速下降法　327 9.4.1　基本原理　327 9.4.2　实验内容与数据　327 9.4.3　程序源代码　327 9.4.4　实验结论　333 9.5　变尺度之DFP方法　333 9.5.1　基本原理　333 9.5.2　实验内容与数据　335 9.5.3　程序源代码　335 9.5.4　实验结论　341 9.6　拟牛顿之BFGS方法　341 9.6.1　基本原理　341 9.6.2　实验内容与数据　342 9.6.3　程序源代码　342 9.6.4　实验结论　349 9.7　本章小结349 第10章　常微分方程(组)的数值方法350 10.1　经典Rung-Kutta方法　350 10.1.1　基本原理　350 10.1.2　实验内容与数据　351 10.1.3　程序源代码　351 10.1.4　实验结论　353 10.2　Gill方法　354 10.2.1　基本原理　354 10.2.2　实验内容与数据　355 10.2.3　程序源代码　355 10.2.4　实验结论　357 10.3　Rung-Kutta方法计算微分方程组　358 10.3.1　基本原理　358 10.3.2　实验内容与数据　359 10.3.3　程序源代码　359 10.3.4　实验结论　363 10.4　Adams-Bashforth三步三阶方法　364 10.4.1　基本原理　364 10.4.2　实验内容与数据　365 10.4.3　程序源代码　365 10.4.4　实验结论　371 10.5　Adams-Bashforth四步四阶方法　372 10.5.1　基本原理　372 10.5.2　实验内容与数据　372 10.5.3　程序源代码　372 10.5.4　实验结论　379 10.6　三阶Adams预测校正方法(PECE)　380 10.6.1　基本原理　380 10.6.2　实验内容与数据　381 10.6.3　程序源代码　381 10.6.4　实验结论　387 10.7　四阶Adams预测校正方法(PECE)　388 10.7.1　基本原理　388 10.7.2　实验内容与数据　389 10.7.3　程序源代码　389 10.7.4　实验结论　396 10.8　辛结构与哈密顿系统的辛算法介绍　397 10.8.1　基本原理　397 10.8.2　实验内容与数据　400 10.8.3　程序源代码　400 10.8.4　实验结论　405 10.9　本章小结　406 附录A　C#　数值代数类的抽象与设计　408 附录B　动态链接库与混合编程　428 B.1　静态链接库与动态链接库　428 B.2　C#调用Fortran动态链接库范例　428 B.3　调用可执行函数　433 附录C　Linux下C#开发与跨平台编程介绍　444 C.1　Mono简介　444 C.2　Linux下C#IDE开发范例　444

首部以C#讲解科学计算的书, 不过目前只有高清版的前四章. 引言　1 第1章　C#程序设计基础　9 1.1　计算机、程序设计与算法　9 1.1.1　计算机结构　9 1.1.2　操作系统　10 1.1.3　机器语言与高级语言　10 1.1.4　程序设计与算法　10 1.2　C#历史与概述　11 1.2.1　C语言：结构化编程语言的高峰　11 1.2.2　C 语言；　面向对象与大型程序　11 1.2.3　Java语言：可移植、安全性与Internet　11 1.2.4　C#；.NET主打语言　12 1.3　集成开发环境介绍　12 1.4　面向对象程序设计　16 1.4.1　封装　16 1.4.2　多态　16 1.4.3　继承　17 1.5　数据类型与运算符　17 1.5.1　简单数据类型　17 1.5.2　数组　17 1.5.3　运算符　17 1.5.4　赋值运算符　18 1.6　程序控制结构　18 1.6.1　顺序结构　18 1.6.2　分支结构　18 1.6.3　循环结构　20 1.6.4　控制结构的嵌套　21 1.7　类的设计及对象实现　21 1.7.1　定义类　22 1.7.2　创建对象　22 1.7.3　方法　22 1.7.4　构造函数　23 1.7.5　析构函数与垃圾回收　23 1.8　运算符重载及索引器　24 1.8.1　运算符重载　24 1.8.2　索引器　26 1.8.3　面向对象思想在C#程序设计中的重要性　27 1.9　GUI编程　28 1.10　本章小结31 第2章　线性方程组迭代解法　32 2.1　Jacobi　迭代法　32 2.1.1　基本原理　32 2.1.2　实验内容与数据　33 2.1.3　程序源代码　33 2.1.4　实验结论　37 2.2　Gauss-Seidel迭代法　38 2.2.1　基本原理　38 2.2.2　实验内容与数据　39 2.2.3　程序源代码　39 2.2.4　实验结论　43 2.3　逐次超松弛迭代法44 2.3.1　基本原理　44 2.3.2　实验内容与数据　44 2.3.3　程序源代码　45 2.3.4　实验结论　49 2.4　Richardson迭代法　50 2.4.1　基本原理　50 2.4.2　实验内容与数据　50 2.4.3　程序源代码　50 2.4.4　实验结论　54 2.5　广义Richardson迭代法　55 2.5.1　基本原理　55 2.5.2　实验内容与数据　55 2.5.3　程序源代码　55 2.5.4　实验结论　60 2.6　Jacobi超松弛迭代法　60 2.6.1　基本原理　60 2.6.2　实验内容与数据　61 2.6.3　程序源代码　61 2.6.4　实验结论　65 2.7　最速下降法　66 2.7.1　基本原理　66 2.7.2　实验内容与数据　66 2.7.3　程序源代码　67 2.7.4　实验结论　71 2.8　共轭梯度法　72 2.8.1　基本原理　72 2.8.2　实验内容与数据　72 2.8.3　程序源代码　72 2.8.4　实验结论　77 2.9　本章小结　77 第3章　线性方程组的直接解法　78 3.1　三角方程组　78 3.1.1　基本原理　78 3.1.2　实验内容与数据　79 3.1.3　程序代码　79 3.1.4　实验结论　83 3.2　高斯消去法　83 3.2.1　基本原理　83 3.2.2　实验内容与数据　84 3.2.3　程序源代码　84 3.2.4　实验结论　89 3.3　选主元消去法　90 3.3.1　基本原理　90 3.3.2　实验内容与数据　90 3.3.3　程序源代码　90 3.3.4　实验结论　96 3.4　Crout分解　97 3.4.1　基本原理　97 3.4.2　实验内容与数据　98 3.4.3　程序源代码　98 3.4.4　实验结论　103 3.5　Doolittle分解　103 3.5.1　基本原理　103 3.5.2　实验内容与数据　104 3.5.3　程序源代码　104 3.5.4　实验结论　108 3.6　追赶法计算三对角方程　109 3.6.1　基本原理　109 3.6.2　实验内容与数据　110 3.6.3　程序源代码　110 3.6.4　实验结论　114 3.7　行列式的计算　115 3.7.1　基本原理　115 3.7.2　实验内容与数据　115 3.7.3　程序源代码　115 3.7.4　实验结论　119 3.8　本章小结　120 第4章　正交变换与最小二乘计算方法　121 4.1　对称正定阵的Cholesky分解　121 4.1.1　基本原理　121 4.1.2　实验内容与数据　122 4.1.3　程序源代码　122 4.1.4　实验结论　126 4.2　不开平方的Cholesky分解　127 4.2.1　基本原理　127 4.2.2　实验内容与数据　127 4.2.3　程序源代码　127 4.2.4　实验结论　132 4.3　QR分解之Householder镜像变换方法　133 4.3.1　基本原理　133 4.3.2　实验内容与数据　134 4.3.3　程序源代码　134 4.3.4　实验结论　140 4.4　修正的Gram-Schimdt正交化方法　141 4.4.1　基本原理　141 4.4.2　实验内容与数据　142 4.4.3　程序源代码　142 4.4.4　实验结论　147 4.5　求解法方程计算最小二乘问题　147 4.5.1　基本原理　147 4.5.2　实验内容与数据　149 4.5.3　程序源代码　149 4.5.4　实验结论　157 4.6　QR分解法计算最小二乘问题　158 4.6.1　基本原理　158 4.6.2　实验内容与数据　159 4.6.3　程序源代码　159 4.6.4　实验结论　167 4.7　加权最小二乘与Gauss-Markov估计　167 4.7.1　基本原理　167 4.7.2　实验内容与数据　169 4.7.3　程序源代码　169 4.7.4　实验结论　178 4.8　具有先验信息的贝叶斯估计　178 4.8.1　基本原理　178 4.8.2　实验内容与数据　179 4.8.3　程序源代码　179 4.8.4　实验结论　189 4.9　工程应用中最小二乘法的实用方法　191 4.10　本章小结　192 第5章　鲁棒估计　193 5.1　M估计的IGGI方案　193 5.1.1　基本原理　193 5.1.2　实验内容与数据　194 5.1.3　程序源代码　196 5.1.4　实验结论　208 5.2　Hampel函数作标准等价权　210 5.2.1　基本原理　210 5.2.2　实验内容与数据　210 5.2.3　程序源代码　212 5.2.4　实验结论　224 5.3　Huber估计　227 5.3.1　基本原理　227 5.3.2　实验内容与数据　227 5.3.3　程序源代码　229 5.3.4　实验结论　241 5.4　本章小结　243 第6章　随机数　244 6.1　乘同余法均匀分布随机数发生器　244 6.1.1　基本原理　244 6.1.2　实验内容与数据　244 6.1.3　程序源代码　244 6.1.4　实验结论　248 6.2　混合同余法均匀分布随机数发生器　249 6.2.1　基本原理　249 6.2.2　实验内容与数据　249 6.2.3　程序源代码　249 6.2.4　实验结论　253 6.3　正态分布随机数　253 6.3.1　基本原理　253 6.3.2　实验内容与数据　254 6.3.3　程序源代码　254 6.3.4　实验结论　261 6.4　蒙特卡罗方法介绍　261 6.4.1　基本原理　261 6.4.2　实验内容与数据　262 6.4.3　程序源代码　262 6.4.4　实验结论　265 6.5　本章小结　265 第7章　插值法　266 7.1　拉格朗日插值　266 7.1.1　基本原理　266 7.1.2　实验内容与数据　266 7.1.3　程序源代码　266 7.1.4　实验结论　270 7.2　牛顿插值法　271 7.2.1　基本原理　271 7.2.2　实验内容与数据　271 7.2.3　程序源代码　271 7.2.4　实验结论　276 7.3　Hermite插值法　276 7.3.1　基本原理　276 7.3.2　实验内容与数据　277 7.3.3　程序源代码　277 7.3.4　实验结论　281 7.4　本章小结　281 第8章　非线性方程数值解法　282 8.1　Picard迭代法　282 8.1.1　基本原理　282 8.1.2　实验内容与数据　283 8.1.3　程序源代码　283 8.1.4　实验结论　285 8.2　牛顿迭代法　285 8.2.1　基本原理　285 8.2.2　实验内容与数据　286 8.2.3　程序源代码　286 8.2.4　实验结论　289 8.3　割线法　289 8.3.1　基本原理　289 8.3.2　实验内容与数据　290 8.3.3　程序源代码　290 8.3.4　实验结论　293 8.4　重根时的迭代改进　293 8.4.1　基本原理　293 8.4.2　实验内容与数据　294 8.4.3　程序源代码　294 8.4.4　实验结论　297 8.5　应用范例：债券到期收益率的计算　297 8.5.1　基本原理　297 8.5.2　实验内容与数据　298 8.5.3　程序源代码　298 8.5.4　实验结论　304 8.6　本章小结　304 第9章　非线性最优化　305 9.1　一维搜索之黄金分割法　305 9.1.1　基本原理　305 9.1.2　实验内容与数据　306 9.1.3　程序源代码　306 9.1.4　实验结论　310 9.2　连续抛物线插值法　311 9.2.1　基本原理　311 9.2.2　实验内容与数据　312 9.2.3　程序源代码　312 9.2.4　实验结论　316 9.3　多维非线性最优化牛顿下山法　317 9.3.1　基本原理　317 9.3.2　实验内容与数据　318 9.3.3　程序源代码　318 9.3.4　实验结论　325 9.4　最速下降法　327 9.4.1　基本原理　327 9.4.2　实验内容与数据　327 9.4.3　程序源代码　327 9.4.4　实验结论　333 9.5　变尺度之DFP方法　333 9.5.1　基本原理　333 9.5.2　实验内容与数据　335 9.5.3　程序源代码　335 9.5.4　实验结论　341 9.6　拟牛顿之BFGS方法　341 9.6.1　基本原理　341 9.6.2　实验内容与数据　342 9.6.3　程序源代码　342 9.6.4　实验结论　349 9.7　本章小结349 第10章　常微分方程(组)的数值方法350 10.1　经典Rung-Kutta方法　350 10.1.1　基本原理　350 10.1.2　实验内容与数据　351 10.1.3　程序源代码　351 10.1.4　实验结论　353 10.2　Gill方法　354 10.2.1　基本原理　354 10.2.2　实验内容与数据　355 10.2.3　程序源代码　355 10.2.4　实验结论　357 10.3　Rung-Kutta方法计算微分方程组　358 10.3.1　基本原理　358 10.3.2　实验内容与数据　359 10.3.3　程序源代码　359 10.3.4　实验结论　363 10.4　Adams-Bashforth三步三阶方法　364 10.4.1　基本原理　364 10.4.2　实验内容与数据　365 10.4.3　程序源代码　365 10.4.4　实验结论　371 10.5　Adams-Bashforth四步四阶方法　372 10.5.1　基本原理　372 10.5.2　实验内容与数据　372 10.5.3　程序源代码　372 10.5.4　实验结论　379 10.6　三阶Adams预测校正方法(PECE)　380 10.6.1　基本原理　380 10.6.2　实验内容与数据　381 10.6.3　程序源代码　381 10.6.4　实验结论　387 10.7　四阶Adams预测校正方法(PECE)　388 10.7.1　基本原理　388 10.7.2　实验内容与数据　389 10.7.3　程序源代码　389 10.7.4　实验结论　396 10.8　辛结构与哈密顿系统的辛算法介绍　397 10.8.1　基本原理　397 10.8.2　实验内容与数据　400 10.8.3　程序源代码　400 10.8.4　实验结论　405 10.9　本章小结　406 附录A　C#　数值代数类的抽象与设计　408 附录B　动态链接库与混合编程　428 B.1　静态链接库与动态链接库　428 B.2　C#调用Fortran动态链接库范例　428 B.3　调用可执行函数　433 附录C　Linux下C#开发与跨平台编程介绍　444 C.1　Mono简介　444 C.2　Linux下C#IDE开发范例　444

JQuery开发工具包，包含提示。不过需要安装VS90SP1-KB958502-x86

在vs2008中，经常会使用到Ext或者Jquery这些框架，对于智能提示，这个文件可以实现，不过在运行这个文件前，必须先安装vs2008 sp1 补丁

在有关算法的书中，有一些叙述非常严谨，但不够全面；另一些涉及了大量的题材，但又缺乏严谨性。本书将严谨性和全面性融为一体，深入讨论各类算法，并着力使这些算法的设计和分析能为各个层次的读者接受。全书各章自成体系，可以作为独立的学习单元；算法以英语和伪代码的形式描述，具备初步程序设计经验的人就能看懂；说明和解释力求浅显易懂，不失深度和数学严谨性。 全书选材经典、内容丰富、结构合理、逻辑清晰，对本科生的数据结构课程和研究生的算法课程都是非常实用的教材，在IT专业人员的职业生涯中，本书也是一本案头必备的参考书或工程实践手册。 第3版的主要变化： ·新增了van Emde Boas树和多线程算法，并且将矩阵基础移至附录。 ·修订了递归式（现在称为“分治策略”）那一章的内容，更广泛地覆盖分治法。 ·移除两章很少讲授的内容：二项堆和排序网络。 ·修订了动态规划和贪心算法相关内容。

linux下命令总结，网络编程；内核启动过程；简单明了，精简版

visual assist 1822 vc助手最新 破解版 支持vs2010 开发的不二工具.破解过程简单。

Ｃ++辅助开发必备的工具。软件开发辅助小工具VAssistX_V10.6.1830.0,很好用的代码助手工具!帮助大家更好的完成程序！ 支持语言：C++ C# VB ASP/ASP.NET HTML XML JavaScript VBScript XAML 支持IDE版本：VS2010 VS2008 VS2005 VS2003 VS2002 VC6

《Java就业培训教程》_电子书 《Java就业培训教程》_张孝祥_书内源码_01.txt<br><br>《Java就业培训教程》_张孝祥_书内源码_02.txt<br><br>《Java就业培训教程》_张孝祥_书内源码_03.txt<br><br>《Java就业培训教程》_张孝祥_书内源码_04.txt<br><br>《Java就业培训教程》_张孝祥_书内源码_05.txt<br><br>《Java就业培训教程》_张孝祥_书内源码_06.txt<br><br>《Java就业培训教程》_张孝祥_书内源码_07.txt<br><br>《Java就业培训教程》_张孝祥_书内源码_08.txt<br><br>《Java就业培训教程》_张孝祥_书内源码_08.txt<br><br>《Java就业培训教程》_张孝祥_书内源码_10.txt<br><br>《Java就业培训教程》_张孝祥_书内源码_11.txt<br><br>《Java就业培训教程》_张孝祥_1_开发前奏.ppt<br><br>《Java就业培训教程》_张孝祥_2_语言基础.ppt<br><br>《Java就业培训教程》_张孝祥_3_面向对象(上).ppt<br><br>《Java就业培训教程》_张孝祥_3_面向对象(下).ppt<br><br>

计算机组成与设计硬件：软件接口》(原书第3版)是计算机组成的经典教材。全书着眼于当前计算机设计中最基本的概念，展示了软 硬件间的关系，并全面介绍当代计算机系统发展的主流技术和最新成就。同以往版本一样，《计算机组成与设计硬件：软件接口》( 原书第3版)采用mips处理器作为展示计算机硬件技术基本功能的核心。书中逐条指令地列举了完整的mips指令集，并介绍了网络和多 处理器结构的基本内容。将cpu性能和程序性能紧密地联系起来是本版的一个新增内容。另外，本版对软硬件的讨论更加深入，作者 展示了软硬件部件如何影响程序的性能，并在光盘中为侧重硬件和侧重软件的读者分别提供了相关资料。随书光盘内容非常丰富，不 仅包括各种配套教学资源，还提供了hdl模拟器、mips模拟器以及fpga设计工具等软件。

1、本开源项目的网址为：http://gforge.osdn.net.cn/projects/capi 2、周伟明著的《多核计算与程序设计》一书中，有对本项目中各种数据结构与算法源代码的详细描述。 并且在《多核计算与程序设计》一书的附录中，有本项目各个源文件和书中的章节对照表。 3、这个版本的代码主要供学习使用，只经过简单的调试和测试，因此不保证它的健壮性。 如果要用于商业软件之中，请自行增加测试用例进行详尽的测试。 4、如果发现代码中的Bug，请报告到开源项目CAPI中。 或者报告到这个博客地址：http://blog.csdn.ent/drzhouweiming 5、目录结构说明 CAPI项目的src目录下有三个子目录： 1) Src\capi\ 《多核计算与程序设计》一书的源代码存在这个目录中。 这个目录的几个子目录如下： (1) capi\include 存放头文件 (2) capi\CapiMalloc 存放分布式内存管理源代码 (3) capi\SingleCore 存放支持单核系统的算法源代码， 当然，这些代码也可用于多核的单个线程中。 (4) capi\MultiCore 存放支持多核的算法源代码， 当然，它在单核多线程环境中也可以使用。 2) Src\TestApi\ 这个目录下存放着周伟明著的《软件测试实践》一书的源代码， 主要做测试框架和内存测试等用。 3) Src\TestCpi\ 存放测试代码，各个算法模块的使用方法可以从这里参考。 6、编译环境说明 本项目代码在VS2005上编译链接通过，打开src\capi\capi.sln项目文件即可将所有相关项目全部打开。 项目设置中的/Wp64选项目前是关闭的，如果要移植到64位平台上，请打开检测64位可移植性问题开关进行编译，并对相应代码作修改。 如果要移植到Linux或Unix系统，需要对源代码做少量的修改，并请自行写Makefile进行编译。 如果要用其他编译器进行编译，编译器必须要支持OpenMP。

基本功能(函数拟合、数据管理、数据分析、二维和三维绘图、多层绘图等功能)和最新增强功能(文字、图形和数据分析等功能)。 可与LabVIEW、MATLAB、Excel等软件的连接方法、数据交换，PFM模块以及Origin中的编程。本书内容翔实，实用性强，通过对Origin 7.5的全面介绍，使读者能用最短的时间了解和掌握Origin 7.5。 适合科研人员、工程技术人员，高等院校的理工科教师、研究生和高年级本科学生使用。

这本书在国内已经绝版。目录如下 Introduction Dorit S. Hochbaum 0.1 What can approximation algorithms do for you: an illustrative example 0.2 Fundamentals and concepts 0.3 Objectives and organization of this book 0.4 Acknowledgments I Approximation Algorithms for Scheduling Leslie A. Hall 1.1 Introduction 1.2 Sequencing with Release Dates to Minimize Lateness 1.2.1 Jacksons rule 1.2.2 A simple 3/2-approximation algorithm 1.2.3 A polynomial approximation scheme 1.2.4 Precedence constraints and preprocessing 1.3 Identical parallel machines: beyond list scheduling 1.3.1 P|rj,prec|Lmax:: list scheduling revisited 1.3.2 The LPT rule for P‖Cmax 1.3.3 The LPT rule for P|rj|Cmax 1.3.4 Other results for identical parallel machines 1.4 Unrelated parallel machines 1.4.1 A 2-approximation algorithm based on linear programming 1.4.2 An approximation algorithm for minimizing cost and makespan 1.4.3 A related result from network scheduling 1.5 Shop scheduling 1.5.1 A greedy 2-approximation algorithm for open shops 1.5.2 An algorithm with an absolute error bound 1.5.3 A 2 E -approximation algorithm for fixed job and flow shops 1.5.4 The general job shop: unit-time operations 1.6 Lower bounds on approximation for makespan scheduling 1.6.1 Identical parallel machines and precedence constraints 1.6.2 Unrelated parallel machines 1.6.3 Shop scheduling 1.7 Min-sum Objectives 1.7.1 Sequencing with release dates to minimize sum of completion times 1.7.2 Sequencing with precedence constraints 1.7.3 Unrelated parallel machines 1.8 Final remarks 2 Approximation Algorithms for Bin Packing: A Survey E. G. Coffman, Jr., M. R. Garey, and D. S. Johnson 2.1 Introduction 2.2 Worst-case analysis 2.2.1 Next fit 2.2.2 First fit 2.2.3 Best fit, worst fit, and almost any fit algorithms 2.2.4 Bounded-space online algorithms 2.2.5 Arbitrary online algorithms 2.2.6 Semi-online algorithms 2.2.7 First fit decreasing and best fit decreasing 2.2.8 Other simple offline algorithms 2.2.9 Special-case optimality, approximation schemes, and asymptotically optimal algorithms 2.2.10 Other worst-case questions 2.3 Average-case analysis 2.3.1 Bounded-space online algorithms 2.3.2 Arbitrary online algorithms 2.3.3 Offiine algorithms 2.3.4 Other average-case questions 2.4 Conclusion Approximating Covering and Packing Problems: Set Cover, Vertex Cover, Independent Set, and Related Problems Dorit S. Hachbaum 3.1 Introduction 3.1.1 Definitions, formulations and applications 3.1.2 Lower bounds on approximations 3.1.3 Overview of chapter 3.2 The greedy algorithm for the set cover problem 3.3 The LP-algorithm for set cover 3.4 The feasible dual approach 3.5 Using other relaxations to derive dual feasible solutions 3.6 Approximating the multicoverproblem 3.7 The optimal dual approach for the vertex cover and independent set problems: preprocessing 3.7.1 The complexity of the LP-relaxation of vertex cover and independent set 3.7.2 Easily colorable graphs 3.7.3 A greedy algorithm for independent set in unweighted graphs 3.7.4 A local-ratio theorem and subgraph removal 3.7.5 Additional algorithms without preprocessing 3.7.6 Summary of approximations for vertex cover and independent set 3.8 Integer programming with two variables per inequality 3.8.1 The half integrality and the linear programming relaxation 3.8.2 Computing all approximate solution 3.8.3 The equivalence of IP2 to 2-SAT and 2-SAT to vertex cover 3.8.4 Properties of binary integer programs 3.8.5 Dual feasible solutions for IP2 3.9 The maximum coverage problem and the greedy 3.9.1 Tile greedy approach 3.9.2 Applications of the maxinmum coverage problem 4 The Primal-Dual Methud for Approximation Algorithms and Its Applicatiun to Network Design Problems Michel X. Goemans and David P. Williamson 4.1 Introduction 4.2 The classical primal-dual method 4.3 Thc primal-dual method Im approximation algorithms 4.4 A model of network design problems 4.4.1 0-I functions 4.5 Downwards monotone functions 4.5.1 The edge-covering problem 4.5.2 Lower capacitated partitioning problems 4.5.3 Location-design and location-routing problems 4.5.4 Proof of Theorems 4.5 and 4.6 4.6 0-1 proper functions 4.6.1 The generalized Sterner tree problem 4.6.2 The T-join problem 4.6.3 The minimum-weight perfect matching problem 4.6.4 Point-to-point connection problems 4.6.5 Exact partitioning problems 4.7 General proper functions 4.8 Extensions 4.8.1 Mininmm multicut in trees 4.8.2 The prize-collecting problems 4.8.3 Vertex connectivity problems 4.9 Conclusions 5 Cut Problems and Their Application to Divide-and-Conquer David B. Shmoys 5.1 Introduction 5.2 Minimum multicuts and maximum multicommodity flow 5.2.1 Multicuts, maximum multicommodity flow, and a weak duality theorem 5.2.2 Fractional multicuts, pipe systems, and a strong duality theorem 5.2.3 Solving the linear programs 5.2.4 Finding a good multicut 5.3 Sparsest cuts and maximum concurrent flow 5.3.1 The sparsest cut problem 5.3.2 Reducing the sparsest cut problem to the minimum multicut problem 5.3.3 Embeddings and the sparsest cut problem 5.3.4 Finding a good embedding 5.3.5 The maximum concurrent flow problem 5.4 Minimum feedback arc sets and related problems 5.4.1 An LP-based approximation algorithm 5.4.2 Analyzing the algorithm Feedback 5.4.3 Finding a good partition 5.5 Finding balanced cuts and other applications 5.5.1 Finding balanced cuts 5.5.2 Applications of balanced cut theorems 5.6 Conclusions Approximation Algorithms for Finding Highly Connected Suhgraphs Samir KhulJer 6.1 Introduction 6.1.1 Outline of chapter and techniques 6.2 Edge-connectivity problems 6.2.1 Weighted edge-connectivity 6.2.2 Unweighted edge-connectivity 6.3 Vertex-connectivity problems 6.3.1 Weighted vertex-connectivity 6.3.2 Unweighted vertex-connectivity 6.4 Strong-connectivity problems 6.4.1 Polynomial time approximation algorithms 6.4.2 Nearly linear-time implementation 6.5 Connectivity augmentation 6.5.1 increasing edge connectivity from I to 2 6.5.2 Increasing vertex connectivity from I to 2 6.5.3 Increasing edge-connectivity to 3. Algorithms for Finding Low Degree Structures Balaji Raghavachari 7.1 Introduction 7.2 Toughness and degree 7.3 Matchings and MDST 7.4 MDST within one of optimal 7.4.1 Witness sets 7.4.2 The △* 1 algorithm 7.4.3 Performance analysis 7.5 Local search techniques 7.5.1 MDST problem 7.5.2 Constrained forest problems 7.5.3 Two-connected subgraphs 7.6 Problems with edge weights - points in Euclidean spaces 7.7 Open problems 8 Approximation Algorithms for Geometric Problems Marshall Bern and David Eppstein 8.1 Introduction 8.1.1 Overview of topics 8.1.2 Special nature of geometric problems 8.2 Traveling salesman problem 8.2.1 Christofides algorithm 8.2.2 Heuristics 8.2.3 TSP with neighborhoods 8.3 Steiner tree problem 8.3.1 Steiner ratios 8.3.2 Better approximations 8.4 Minimum weight triangulation 8.4.1 Triangulation without Steiner points 8.4.2 Steiner triangulation 8.5 Clustering 8.5.1 Minmax k-clustering 8.5.2 k-minimum spanning tree 8.6 Separation problems 8.6.1 Polygon separation 8.6.2 Polyhedron separation 8.6.3 Point set separation 8.7 Odds and ends 8.7.1 Covering orthogonal polygons by rectangles 8.7.2 Packing squares with fixed comers 8.7.3 Largest congruent subsets 8.7.4 Polygon bisection 8.7.5 Graph embedding 8.7.6 Low-degree spanning trees 8.7.7 Shortest paths in space 8.7.8 Longest subgraph problems 8.8 Conclusions 9 Various Notions of Approximations: Good, Better, Best, and More Dorit S. Hochbaum 9.1 Introduction 9.1.1 Overview of chapter 9.2 Good: fixed constant approximations 9.2.1 The weighted undirected vertex feedback set problem 9.2.2 The shortest superstring problem 9.2.3 How maximization versus minimization affects approximations 9.3 Better: approximation schemes 9.3.1 A fully polynomial approximation scheme for the knapsack problem 9.3.2 The minimum makespan and the technique of dual approximations 9.3.3 Geometric packing and covering--the shifting technique 9.4 Best: unless NP = P 9.4.1 The k-center problem 9.4.2 A powerful approximation technique for bottleneck problems 9.4.3 Best possible parallel approximation algorithms 9.5 Better than best 9.5.1 A FPAS for bin packing 9.5.2 A 9/8-approximation algorithm for ~dge coloring of multigraphs and beyond 9.6 Wonderful: within one unit of optimum 10 Hardness of Approximations San jeer Arora and Carsten Lund 10.1 Introduction 10.2 How to prove inapproximability results 10.2.1 The canonical problems 10.2.2 Inapproximability results for the canonical problems 10.2.3 Gap preserving reductions 10.3 Inapproximability results for problems in class I 10.3.1 Max-SNP 10.4 Inapproximability results for problems in class II 10.4.1 SETCOVER 10.5 Inapproximability results lor problems in class 111 10.5.1 LABELCOVER maximization version ,. 10.5.2 LABELCOVER mtn version 10.5.3 Nearest lattice vector problem 10.6 Inapproximability results for problems in class IV 10.6.1 CLIQUE 10.6.2 COLORING 10.7 Inapproximability results at a glance 10.7.1 How to prove other hardness results: a case study 10.8 prohabilistically checkable proofs and inapproximability 10.8.1 The PCP theorem 10.8.2 Connection to inapproximability of MAX-3SAT 10.8.3 Where the gap comes from 10.9 Open problems 10.10 Chapter notes 11 Randomized Approximation Algorithms in Combinatorial Optimization Rajeev Motwani, Joseph Seffi Naor, and Prabhakar Raghavan 11.1 Introduction 11.2 Rounding linear programs 11.2.1 The integer multicommodity flow problem 11.2.2 Covering and packing problems 11.2.3 The maximum satisfiability problem 11.2.4 Related work 11.3 Semidefinite programming 11.3.1 The maximum cut problem 11.3.2 The graph coloring problem 11.4 Concluding remarks 11.4.1 Derandomizafion and parallelization 11.4.2 Computational experience 11.4.3 Open problems 12 The Markov Chain Monte Carlo Method: An Approach to Approximate Counting and Integration Mark Jerrum and Alistair Sinclair 12.1 Introduction 12.2 An illustrative example 12.3 Two techniques for bounding the mixing time 12.3.1 Canonical paths 12.3.2 Conductance 12.4 A more complex example: monomer-dimer systems 12.5 More applications 12.5.1 The permanent 12.5.2 Volume of convex bodies 12.5.3 Statistical physics 12.5.4 Matroid bases: an open problem 12.6 The Metropolis algorithm and simulated annealing Appendix 13 Online Computation Sandy Irani and Anna R. Karlin 13.1 Introduction 13.2 Three examples of competitive analysis 13.2.1 Paging 13.2.2 The k-server problem 13.2.3 Metrical task systems 13.3 Theoretical underpinnings: deterministic algorithms 13.3.1 Lower bounds 13.3.2 Design principles 13.3.3 Bounding competitiveness 13.4 Theoretical underpinnings: randomized algorithms 13.4.1 Example: paging 13.4.2 Lower bounds 13.4.3 The relationships between the adversaries 13.5 The k-server problem revisited 13.5.1 History. 13.5.2 Notation and properties of work functions. 13.5.3 The work function algorithm WFA 13.5.4 Proof of 2k - 1 -competitiveness 13.5.5 The duality lemma 13.5.6 The potential function 13.5.7 Quasi-convexity and the duality lemma 13.6 Online load balancing and virtual circuit routing 13.6.1 Load balancing on unrelated machines 13.6.2 Online virtual circuit routing 13.6.3 Recent results 13.7 Variants of competitive analysis 13.8 Conclusions and directions for future research Glossary of Problems Index

国内很经典的C++教材，IT爱好者的良师益友.

在学习powerpcb或pads系列软件中,初学者很难找到一条 很清晰的主线.本书从实例出发,从元件建库,电路原理图 绘制,网络表生成.到元器件封装制作,PCB参数设置,网络 表导入,PCB布局,pcb布线,以及最终PCB生成.是我见过的 POWERPCB系列中主线最清晰的一本书,看完一遍后,你就会 有非常清晰的设计PCB思路.是一本不可多得的好书.

在学习powerpcb或pads系列软件中,初学者很难找到一条 很清晰的主线.本书从实例出发,从元件建库,电路原理图 绘制,网络表生成.到元器件封装制作,PCB参数设置,网络 表导入,PCB布局,pcb布线,以及最终PCB生成.是我见过的 POWERPCB系列中主线最清晰的一本书,看完一遍后,你就会 有非常清晰的设计PCB思路.是一本不可多得的好书.

在学习powerpcb或pads系列软件中,初学者很难找到一条很清晰的主线.本书从实例出发,从元件建库,电路原理图绘制,网络表生成.到元器件封装制作,PCB参数设置,网络表导入,PCB布局,pcb布线,以及最终PCB生成.是我见过的POWERPCB系列中主线最清晰的一本书,看完一遍后,你就会有非常清晰的设计PCB思路.是一本不可多得的好书.

最详细最实用-Orcad_V10.5安装指南,屡试不爽.orcad与PADS的强强联合将电路设计推向了新的高峰.

　　光盘中的工程文件名称（或工程目录名称）直接标识本示例所在的章节。如名为C422的工 程,即第4章第2节的第2个示例。在书中引用该示例时，使用相同的序号但不加前缀字母“C”， 如“示例4.2.2”，即指工程C422。书中所列的示例清单也以相同的方式与本光盘中的工程文件 对应，如“示例清单4.2.2”，即指工程C422。 　　所有工程都以VC++ 6.0编写，在Windows 2000专业版和Windows 98第2版中调试通过。所有以 MFC编写的工程都以动态链接MFC DLL库的方式编译。每个工程目录下除包含源代码以外，还提供 了一个该工程在_DEBUG方式下编译生成的可执行文件

光盘中的工程文件名称（或工程目录名称）直接标识本示例所在的章节。如名为C422的工 程,即第4章第2节的第2个示例。在书中引用该示例时，使用相同的序号但不加前缀字母“C”， 如“示例4.2.2”，即指工程C422。书中所列的示例清单也以相同的方式与本光盘中的工程文件 对应，如“示例清单4.2.2”，即指工程C422。 　　所有工程都以VC++ 6.0编写，在Windows 2000专业版和Windows 98第2版中调试通过。所有以 MFC编写的工程都以动态链接MFC DLL库的方式编译。每个工程目录下除包含源代码以外，还提供 了一个该工程在_DEBUG方式下编译生成的可执行文件。

光盘中的工程文件名称（或工程目录名称）直接标识本示例所在的章节。如名为C422的工 程,即第4章第2节的第2个示例。在书中引用该示例时，使用相同的序号但不加前缀字母“C”， 如“示例4.2.2”，即指工程C422。书中所列的示例清单也以相同的方式与本光盘中的工程文件 对应，如“示例清单4.2.2”，即指工程C422。 　　所有工程都以VC++ 6.0编写，在Windows 2000专业版和Windows 98第2版中调试通过。所有以 MFC编写的工程都以动态链接MFC DLL库的方式编译。每个工程目录下除包含源代码以外，还提供 了一个该工程在_DEBUG方式下编译生成的可执行文件

本书作者根据自己学习C++的亲身体会及多年教学经验，用简单的例子和简练的叙述讲解C++编程，别具特色。 全书共分十八章，内容涉及对象的演化、数据抽象、隐藏实现、初始化与清除、函数重载与缺省参数、输入输出流介绍、常量、内联函数、命名控制、引用和拷贝构造函数、运算符重载、动态对象创建、继承和组合、多态和虚函数、模板和包容器类、多重继承、正式教材和自学用书异常处理和运行时类型识别。 本书作为正式教材和自学用书均非常优秀，作为程序设计者的参考用书亦极为合适。

光盘中的工程文件名称（或工程目录名称）直接标识本示例所在的章节。如名为C422的工 程,即第4章第2节的第2个示例。在书中引用该示例时，使用相同的序号但不加前缀字母“C”， 如“示例4.2.2”，即指工程C422。书中所列的示例清单也以相同的方式与本光盘中的工程文件 对应，如“示例清单4.2.2”，即指工程C422。 　　所有工程都以VC++ 6.0编写，在Windows 2000专业版和Windows 98第2版中调试通过。所有以 MFC编写的工程都以动态链接MFC DLL库的方式编译。每个工程目录下除包含源代码以外，还提供 了一个该工程在_DEBUG方式下编译生成的可执行文件。 　　光盘中的所有示例程序均可独立运行，不需要特殊的硬件支持。 　　期待广大读者朋友就本光盘所提供的演示程序或涉及本书的其他问题与我交流。

该课件比较详尽地讲解了矩阵论中易混淆的细节，重点突出，适合自学和复习，对正在学习和准备参加考试（深造）都有较好的帮助！ 该课件以西北工大第三版为中心，通过一条主线串起来，用过之后你会发现它的价值所在！

很好的课件（近世代数）包括最难理解的部分。