線子演算法

Ⅰ 綜合布線工程中,點位的用線計算方法是

公式：

(最長線距+最短的線距)/2*1.1= 平均線長

平均線長*信息點=需要的線纜總數

線纜總數/305=需要多少箱線

線數：（最長+最短）/2x1.1+2x樓高

箱數：線數x信息點數/305

（最遠距離 + 最近距離）/ 2 *1.1 + 層高）* 節點數）/ 305 = 線纜箱數。

所謂綜合布線系統是指按標準的、統一的和簡單的結構化方式編制和布置各種建築物(或建築群)內各種系統的通信線路，包括網路系統、電話系統、監控系統、電源系統和照明系統等。因此，綜合布線系統是一種標准通用的信息傳輸系統。

綜合布線系統是智能化辦公室建設數字化信息系統基礎設施,是將所有語音、數據等系統進行統一的規劃設計的結構化布線系統，為辦公提供信息化、智能化的物質介質，支持將來語音、數據、圖文、多媒體等綜合應用。

(1)線子演算法擴展閱讀

綜合布線系統的基本結構是星形的，根據GB 50311標准，綜合布線系統可劃分成七個子系統：工作區子系統、配線(水平)子系統、干線(垂直)子系統、設備間子系統、進線間子系統、管理子系統、建築群子系統。

1、工作區：一個獨立的需要設置終端設備（TE）的區域可劃分為一個工作區。工作區應由配線子系統的信息插座模塊（TO）延伸到終端設備處的連接纜線及適配器組成。

2、配線子系統：配線子系統應由工作區的信息插座模塊、信息插座模塊至電信間配線設備（FD）的配線電纜和光纜、電信間的配線設備及設備纜線和跳線組成。

3、干線子系統：干線子系統應由設備間至電信間的干線電纜和光纜，安裝在設備間的建築物配線設備（BD）及設備纜線和跳線組成。

4、建築群子系統：建築群子系統應由連接多個建築物之間的主幹電纜和光纜，建築群配線設備（CD）及設備纜線和跳線組成。

5、設備間：設備間是在每幢建築物的適當地點進行網路管理和信息交換的場地。

6、進線間：進線間是建築物外部通信和信息管線的入口部位，並可作為入口設施和建築群配線設備的安裝場地。

7、管理：管理應對工作區、電信間、設備間、進線間的配線設備、纜線、信息插座模塊等設施按一定的模式進行標識和記錄。

Ⅱ 大數據最常用的演算法有哪些

奧地利符號計算研究所(Research Institute for Symbolic Computation，簡稱RISC)的Christoph Koutschan博士在自己的頁面上發布了一篇文章，提到他做了一個調查，參與者大多數是計算機科學家，他請這些科學家投票選出最重要的演算法，以下是這次調查的結果，按照英文名稱字母順序排序。

大數據等最核心的關鍵技術：32個演算法

1、A* 搜索演算法——圖形搜索演算法，從給定起點到給定終點計算出路徑。其中使用了一種啟發式的估算，為每個節點估算通過該節點的最佳路徑，並以之為各個地點排定次序。演算法以得到的次序訪問這些節點。因此，A*搜索演算法是最佳優先搜索的範例。

2、集束搜索(又名定向搜索，Beam Search)——最佳優先搜索演算法的優化。使用啟發式函數評估它檢查的每個節點的能力。不過，集束搜索只能在每個深度中發現最前面的m個最符合條件的節點，m是固定數字——集束的寬度。

3、二分查找(Binary Search)——在線性數組中找特定值的演算法，每個步驟去掉一半不符合要求的數據。

4、分支界定演算法(Branch and Bound)——在多種最優化問題中尋找特定最優化解決方案的演算法，特別是針對離散、組合的最優化。

5、Buchberger演算法——一種數學演算法，可將其視為針對單變數最大公約數求解的歐幾里得演算法和線性系統中高斯消元法的泛化。

6、數據壓縮——採取特定編碼方案，使用更少的位元組數(或是其他信息承載單元)對信息編碼的過程，又叫來源編碼。

7、Diffie-Hellman密鑰交換演算法——一種加密協議，允許雙方在事先不了解對方的情況下，在不安全的通信信道中，共同建立共享密鑰。該密鑰以後可與一個對稱密碼一起，加密後續通訊。

8、Dijkstra演算法——針對沒有負值權重邊的有向圖，計算其中的單一起點最短演算法。

9、離散微分演算法(Discrete differentiation)。

10、動態規劃演算法(Dynamic Programming)——展示互相覆蓋的子問題和最優子架構演算法

11、歐幾里得演算法(Euclidean algorithm)——計算兩個整數的最大公約數。最古老的演算法之一，出現在公元前300前歐幾里得的《幾何原本》。

12、期望-最大演算法(Expectation-maximization algorithm，又名EM-Training)——在統計計算中，期望-最大演算法在概率模型中尋找可能性最大的參數估算值，其中模型依賴於未發現的潛在變數。EM在兩個步驟中交替計算，第一步是計算期望，利用對隱藏變數的現有估計值，計算其最大可能估計值;第二步是最大化，最大化在第一步上求得的最大可能值來計算參數的值。

13、快速傅里葉變換(Fast Fourier transform，FFT)——計算離散的傅里葉變換(DFT)及其反轉。該演算法應用范圍很廣，從數字信號處理到解決偏微分方程，到快速計算大整數乘積。

14、梯度下降(Gradient descent)——一種數學上的最優化演算法。

15、哈希演算法(Hashing)。

16、堆排序(Heaps)。

17、Karatsuba乘法——需要完成上千位整數的乘法的系統中使用，比如計算機代數系統和大數程序庫，如果使用長乘法，速度太慢。該演算法發現於1962年。

18、LLL演算法(Lenstra-Lenstra-Lovasz lattice rection)——以格規約(lattice)基數為輸入，輸出短正交向量基數。LLL演算法在以下公共密鑰加密方法中有大量使用：背包加密系統(knapsack)、有特定設置的RSA加密等等。

19、最大流量演算法(Maximum flow)——該演算法試圖從一個流量網路中找到最大的流。它優勢被定義為找到這樣一個流的值。最大流問題可以看作更復雜的網路流問題的特定情況。最大流與網路中的界面有關，這就是最大流-最小截定理(Max-flow min-cut theorem)。Ford-Fulkerson 能找到一個流網路中的最大流。

20、合並排序(Merge Sort)。

21、牛頓法(Newton』s method)——求非線性方程(組)零點的一種重要的迭代法。

22、Q-learning學習演算法——這是一種通過學習動作值函數(action-value function)完成的強化學習演算法，函數採取在給定狀態的給定動作，並計算出期望的效用價值，在此後遵循固定的策略。Q-leanring的優勢是，在不需要環境模型的情況下，可以對比可採納行動的期望效用。

23、兩次篩法(Quadratic Sieve)——現代整數因子分解演算法，在實踐中，是目前已知第二快的此類演算法(僅次於數域篩法Number Field Sieve)。對於110位以下的十位整數，它仍是最快的，而且都認為它比數域篩法更簡單。

24、RANSAC——是「RANdom SAmple Consensus」的縮寫。該演算法根據一系列觀察得到的數據，數據中包含異常值，估算一個數學模型的參數值。其基本假設是：數據包含非異化值，也就是能夠通過某些模型參數解釋的值，異化值就是那些不符合模型的數據點。

25、RSA——公鑰加密演算法。首個適用於以簽名作為加密的演算法。RSA在電商行業中仍大規模使用，大家也相信它有足夠安全長度的公鑰。

26、Sch?nhage-Strassen演算法——在數學中，Sch?nhage-Strassen演算法是用來完成大整數的乘法的快速漸近演算法。其演算法復雜度為：O(N log(N) log(log(N)))，該演算法使用了傅里葉變換。

27、單純型演算法(Simplex Algorithm)——在數學的優化理論中，單純型演算法是常用的技術，用來找到線性規劃問題的數值解。線性規劃問題包括在一組實變數上的一系列線性不等式組，以及一個等待最大化(或最小化)的固定線性函數。

28、奇異值分解(Singular value decomposition，簡稱SVD)——在線性代數中，SVD是重要的實數或復數矩陣的分解方法，在信號處理和統計中有多種應用，比如計算矩陣的偽逆矩陣(以求解最小二乘法問題)、解決超定線性系統(overdetermined linear systems)、矩陣逼近、數值天氣預報等等。

29、求解線性方程組(Solving a system of linear equations)——線性方程組是數學中最古老的問題，它們有很多應用，比如在數字信號處理、線性規劃中的估算和預測、數值分析中的非線性問題逼近等等。求解線性方程組，可以使用高斯—約當消去法(Gauss-Jordan elimination)，或是柯列斯基分解( Cholesky decomposition)。

30、Strukturtensor演算法——應用於模式識別領域，為所有像素找出一種計算方法，看看該像素是否處於同質區域( homogenous region)，看看它是否屬於邊緣，還是是一個頂點。

31、合並查找演算法(Union-find)——給定一組元素，該演算法常常用來把這些元素分為多個分離的、彼此不重合的組。不相交集(disjoint-set)的數據結構可以跟蹤這樣的切分方法。合並查找演算法可以在此種數據結構上完成兩個有用的操作：

查找：判斷某特定元素屬於哪個組。

合並：聯合或合並兩個組為一個組。

32、維特比演算法(Viterbi algorithm)——尋找隱藏狀態最有可能序列的動態規劃演算法，這種序列被稱為維特比路徑，其結果是一系列可以觀察到的事件，特別是在隱藏的Markov模型中。

以上就是Christoph博士對於最重要的演算法的調查結果。你們熟悉哪些演算法?又有哪些演算法是你們經常使用的?

Ⅲ 程序員開發用到的十大基本演算法

演算法一：快速排序演算法
快速排序是由東尼·霍爾所發展的一種排序演算法。在平均狀況下，排序 n 個項目要Ο(n log n)次比較。在最壞狀況下則需要Ο(n2)次比較，但這種狀況並不常見。事實上，快速排序通常明顯比其他Ο(n log n) 演算法更快，因為它的內部循環（inner loop）可以在大部分的架構上很有效率地被實現出來。

快速排序使用分治法（Divide and conquer）策略來把一個串列（list）分為兩個子串列（sub-lists）。

演算法步驟：
1 從數列中挑出一個元素，稱為 「基準」（pivot），
2 重新排序數列，所有元素比基準值小的擺放在基準前面，所有元素比基準值大的擺在基準的後面（相同的數可以到任一邊）。在這個分區退出之後，該基準就處於數列的中間位置。這個稱為分區（partition）操作。
3 遞歸地（recursive）把小於基準值元素的子數列和大於基準值元素的子數列排序。

遞歸的最底部情形，是數列的大小是零或一，也就是永遠都已經被排序好了。雖然一直遞歸下去，但是這個演算法總會退出，因為在每次的迭代（iteration）中，它至少會把一個元素擺到它最後的位置去。

演算法二：堆排序演算法
堆排序（Heapsort）是指利用堆這種數據結構所設計的一種排序演算法。堆積是一個近似完全二叉樹的結構，並同時滿足堆積的性質：即子結點的鍵值或索引總是小於（或者大於）它的父節點。堆排序的平均時間復雜度為Ο(nlogn) 。

演算法步驟：
1.創建一個堆H[0..n-1]
2.把堆首（最大值）和堆尾互換
3.把堆的尺寸縮小1，並調用shift_down(0),目的是把新的數組頂端數據調整到相應位置
4.重復步驟2，直到堆的尺寸為1

演算法三：歸並排序
歸並排序（Merge sort，台灣譯作：合並排序）是建立在歸並操作上的一種有效的排序演算法。該演算法是採用分治法（Divide and Conquer）的一個非常典型的應用。

演算法步驟：

演算法四：二分查找演算法
二分查找演算法是一種在有序數組中查找某一特定元素的搜索演算法。搜素過程從數組的中間元素開始，如果中間元素正好是要查找的元素，則搜 素過程結束；如果某一特定元素大於或者小於中間元素，則在數組大於或小於中間元素的那一半中查找，而且跟開始一樣從中間元素開始比較。如果在某一步驟數組 為空，則代表找不到。這種搜索演算法每一次比較都使搜索范圍縮小一半。折半搜索每次把搜索區域減少一半，時間復雜度為Ο(logn) 。

演算法五：BFPRT(線性查找演算法)
BFPRT演算法解決的問題十分經典，即從某n個元素的序列中選出第k大（第k小）的元素，通過巧妙的分 析，BFPRT可以保證在最壞情況下仍為線性時間復雜度。該演算法的思想與快速排序思想相似，當然，為使得演算法在最壞情況下，依然能達到o(n)的時間復雜 度，五位演算法作者做了精妙的處理。

演算法步驟：

終止條件：n=1時，返回的即是i小元素。

演算法六：DFS（深度優先搜索）
深度優先搜索演算法（Depth-First-Search），是搜索演算法的一種。它沿著樹的深度遍歷樹的節點，盡可能深的搜索樹的分 支。當節點v的所有邊都己被探尋過，搜索將回溯到發現節點v的那條邊的起始節點。這一過程一直進行到已發現從源節點可達的所有節點為止。如果還存在未被發 現的節點，則選擇其中一個作為源節點並重復以上過程，整個進程反復進行直到所有節點都被訪問為止。DFS屬於盲目搜索。

深度優先搜索是圖論中的經典演算法，利用深度優先搜索演算法可以產生目標圖的相應拓撲排序表，利用拓撲排序表可以方便的解決很多相關的圖論問題，如最大路徑問題等等。一般用堆數據結構來輔助實現DFS演算法。

演算法步驟：

上述描述可能比較抽象，舉個實例：
DFS 在訪問圖中某一起始頂點 v 後，由 v 出發，訪問它的任一鄰接頂點 w1；再從 w1 出發，訪問與 w1鄰 接但還沒有訪問過的頂點 w2；然後再從 w2 出發，進行類似的訪問，… 如此進行下去，直至到達所有的鄰接頂點都被訪問過的頂點 u 為止。

接著，退回一步，退到前一次剛訪問過的頂點，看是否還有其它沒有被訪問的鄰接頂點。如果有，則訪問此頂點，之後再從此頂點出發，進行與前述類似的訪問；如果沒有，就再退回一步進行搜索。重復上述過程，直到連通圖中所有頂點都被訪問過為止。

演算法七：BFS(廣度優先搜索)
廣度優先搜索演算法（Breadth-First-Search），是一種圖形搜索演算法。簡單的說，BFS是從根節點開始，沿著樹(圖)的寬度遍歷樹(圖)的節點。如果所有節點均被訪問，則演算法中止。BFS同樣屬於盲目搜索。一般用隊列數據結構來輔助實現BFS演算法。

演算法步驟：

演算法八：Dijkstra演算法
戴克斯特拉演算法（Dijkstra』s algorithm）是由荷蘭計算機科學家艾茲赫爾·戴克斯特拉提出。迪科斯徹演算法使用了廣度優先搜索解決非負權有向圖的單源最短路徑問題，演算法最終得到一個最短路徑樹。該演算法常用於路由演算法或者作為其他圖演算法的一個子模塊。

該演算法的輸入包含了一個有權重的有向圖 G，以及G中的一個來源頂點 S。我們以 V 表示 G 中所有頂點的集合。每一個圖中的邊，都是兩個頂點所形成的有序元素對。(u, v) 表示從頂點 u 到 v 有路徑相連。我們以 E 表示G中所有邊的集合，而邊的權重則由權重函數 w: E → [0, ∞] 定義。因此，w(u, v) 就是從頂點 u 到頂點 v 的非負權重（weight）。邊的權重可以想像成兩個頂點之間的距離。任兩點間路徑的權重，就是該路徑上所有邊的權重總和。已知有 V 中有頂點 s 及 t，Dijkstra 演算法可以找到 s 到 t的最低權重路徑(例如，最短路徑)。這個演算法也可以在一個圖中，找到從一個頂點 s 到任何其他頂點的最短路徑。對於不含負權的有向圖，Dijkstra演算法是目前已知的最快的單源最短路徑演算法。

演算法步驟：

重復上述步驟2、3，直到S中包含所有頂點，即W=Vi為止

演算法九：動態規劃演算法
動態規劃（Dynamic programming）是一種在數學、計算機科學和經濟學中使用的，通過把原問題分解為相對簡單的子問題的方式求解復雜問題的方法。 動態規劃常常適用於有重疊子問題和最優子結構性質的問題，動態規劃方法所耗時間往往遠少於樸素解法。

動態規劃背後的基本思想非常簡單。大致上，若要解一個給定問題，我們需要解其不同部分（即子問題），再合並子問題的解以得出原問題的解。 通常許多 子問題非常相似，為此動態規劃法試圖僅僅解決每個子問題一次，從而減少計算量： 一旦某個給定子問題的解已經算出，則將其記憶化存儲，以便下次需要同一個 子問題解之時直接查表。 這種做法在重復子問題的數目關於輸入的規模呈指數增長時特別有用。

關於動態規劃最經典的問題當屬背包問題。

演算法步驟：

演算法十：樸素貝葉斯分類演算法
樸素貝葉斯分類演算法是一種基於貝葉斯定理的簡單概率分類演算法。貝葉斯分類的基礎是概率推理，就是在各種條件的存在不確定，僅知其出現概率的情況下， 如何完成推理和決策任務。概率推理是與確定性推理相對應的。而樸素貝葉斯分類器是基於獨立假設的，即假設樣本每個特徵與其他特徵都不相關。

樸素貝葉斯分類器依靠精確的自然概率模型，在有監督學習的樣本集中能獲取得非常好的分類效果。在許多實際應用中，樸素貝葉斯模型參數估計使用最大似然估計方法，換言之樸素貝葉斯模型能工作並沒有用到貝葉斯概率或者任何貝葉斯模型。

盡管是帶著這些樸素思想和過於簡單化的假設，但樸素貝葉斯分類器在很多復雜的現實情形中仍能夠取得相當好的效果。

Ⅳ 格子乘法的原理是什麼

格子乘法是這樣的，例如：

計算乘積128×456，先畫一個矩形，把它分成3×3個小格，在小格邊上依次寫下乘數、被乘數的各位數字。

再用對角線把小格一分為二，分別記錄上述各位數字相應乘積的十位數與個位數。

把這些乘積由右到左，沿斜線方向相加，相加滿十時要向前進一。

最後得到128×456=58368。

Ⅳ 如何由一個點繪出一個任意兩點的線，求演算法，想用單片機顯示器畫線。

把C語言的子函數給你。參考一下，附送圓形和矩形。
/**********************************
兩點間畫直線：
x1<x2<127,y1<y2<64
***********************************/
void Draw_line(unsigned char x1,y1,x2,y2)
{
unsigned char i;
for(i=x1;i<x2+1;i++)
Draw_dots(i,(y2-y1)*(i-x1)/(x2-x1)+y1,2);
}
/**********************************
畫圓：
(x,y)為圓心，r為半徑
***********************************/
void Draw_circle(unsigned char x,y,r)
{
unsigned char i;
for(i=x-r;i<x+r+1;i++)
{
Draw_dots(i,y-sqrt(r*r-(x-i)*(x-i)),2);
Draw_dots(i,y+sqrt(r*r-(x-i)*(x-i)),2);
}
}
/**********************************
兩矩形：
(x1,y1)為矩形左上角坐標點
(x2,y2)為矩形右上角坐標點
***********************************/
void Draw_retic(uchar x1,uchar y1,uchar x2,uchar y2)//畫正方形，x1,y1為左上角坐標，x2,y2為右下角坐標
{
uchar i;
for(i=0;i<=x2-x1;i++)
{
Draw_dots(x1+i,y1,2);
Draw_dots(x1+i,y2,2);
}
for(i=0;i<=y2-y1;i++)
{
Draw_dots(x1,y1+i,2);
Draw_dots(x2,y1+i,2);
}
}

//畫點函數
void Draw_dots(uchar x,uchar y,uchar color)
{
uchar x_byte;
uchar x_bit;
uchar Temp_data; //暫時存放從LCD讀出的數據
x_byte=(y>>3); //計算出該點屬於哪個位元組
x_bit=y-(x_byte<<3); //屬於位元組的哪一位

if(x>63) //x>63則顯示在右半屏
{
SelectScreen(2);
x=x-64;
}
else //顯示在左半屏
{
SelectScreen(1);
}
Set_page(x_byte); //設置行地址
Set_column(x); //設置列地址
Temp_data=Read_LCD(); //先讀出沒打點前LCD中的數據
switch(color)
{
case 0x01 : Temp_data &= ~(1<<x_bit);break; //擦除
case 0x02 : Temp_data ^= (1<<x_bit); break; //反白
case 0x03 : Temp_data |= (1<<x_bit); break; //畫點
default : break;
}

Set_page(x_byte);
Set_column(x);
write_LCD_data(Temp_data); //將處理後的數據送到LCD中顯示

}

Ⅵ 電閘過橋配線怎麼演算法

電閘上端是進線端子（135）。分別接上三相火線。相序顏色隨便接，沒事的！電閘下端（246）是接負載（電動機）的電源線。也是隨便接在電機接線盒上一排的接線柱上。如果電機轉動方向和你需要的相反，就拉下電閘，把電閘下端電機電源線隨便兩根互換一下接線位置端子，再送電就正常運轉了！至於Y型接法，就是電機接線盒子里上下兩排各三個接線柱，你把其中的一排三個，用跨接片短接就行，另外三個接在剛才說的電閘下端（246），零線不接，最好是要弄根地線，接在電機外殼上，起保護接地作用！

Ⅶ 線性規劃問題 矩陣演算法 檢驗數是怎麼求出來的

【圖解】換基迭代、檢驗數，非常直觀！

1. 單純形法基本思想

• 先找一個基可行解（頂點），判斷是否為最優解。

• 如果是，那麼找到啦，結束。

• 如果不是，則沿著可行域的邊緣移動，保證這條邊緣的移動方向 讓目標函數值不斷增大，直至挪到另一個頂點；判斷該頂點是否最優解，不是則繼續移動，直到找到最優解為止。

簡而言之，找基解 → 驗證最優性 → 換基迭代。

---

2. 轉換到相鄰基可行解（即 挪到下一個頂點）

首先，只變換一個基變數，可以得到兩個相鄰的基可行解（定理），即：

紅色方塊為目標函數對決策變數的系數，直觀理解為 每多造一個特定產品的收益。

如果該頂點移到兩側相鄰頂點的檢驗數 σ 都 ≤ 0，則該頂點是最優解。

---

如果有幫助，請採納回答吧~ :）

Ⅷ 線性代數計算方法的介紹

《線性代數計算方法》討論線性代數計算方法的基礎理論和常用演算法，內容包括解線性代數方程組地直接法、迭代法、共軛梯度法和線性最小二乘法；求一般n階矩陣特徵值問題的冪法、反冪法、矩陣收縮法、QR方法和求廣義特徵值問題的QZ方法；求對稱矩陣特徵值問題的子空間迭代法、對稱QR方法、Jacobi方法、Givens-Householder方法、矩陣奇異值分解和求對稱廣義特徵值問題的廣義Givens-Householder方法等。對所討論的方法，一般都提供演算法的數學基礎、計算過程，以及收斂性和穩定性的具體論述。

Ⅸ 解釋一下這個求最大子序列和問題的線性演算法，會演算法的高手來！！

這個問題和求最大子數組的問題類似，問題的要求是數字序列中必須同時包含正數和負數，如果都是正數，那麼整個數組之和必然最大，如果都是負數，那麼個數為0的序列的和最大，這兩種情況沒有意義。下面我來解釋這個演算法：
使用ThisSum來保存當前遍歷到的數字序列的和，使用MaxSum保存當前遍歷到的數字序列的最大值，每次循環時講數組的元素加入ThisSum中，然後判斷ThisSum和MaxSum的大小，如果ThisSum>MaxSum，則更新MaxSum，但是一旦ThisSum的值為負數，即小於0，那麼表示前面遍歷過的所有數字之和小於0，那麼後續的任何數與前面這些數之和必然都不是最大子序列和，所以ThisSum置零，重新在後續的數字序列中找最大的子序列和。
如果滿意請採納！

Ⅹ 16千瓦的動力，離變壓器150米，需要多粗的線子

三相16千瓦的設備，以經驗演算法大約是32安培電流,4平方銅線的安全電流是32安培，考慮到你提到距離，推薦用6平方銅線。