تبلیغات 
آدمـک آخــرِ دنیــاست، بخند...آدمـک مـرگ هـمین جاست، بخند...
آن خـدایی که بـزرگش خوانـدی به خـدا، مثـل تـو تنهـاست، بخند...
دستخطی کـه تـو را عاشـق کرد شوخـیِ کاغــذی ماسـت، بخند...
فکر کن دردِ تـو ارزشـمند است فکر کن گریـه چـه زیباست، بخند...
صبحِ فردابه شبت نیست که نیست تـازه انگارکـه فـرداسـت، بخند...
راستـی آنچـه بـه یــادت دادیم پَر زدن نیست کـه درجاسـت، بخند...
آدمــک نغمــهء آغــاز نخوان به خــدا آخــر دنیـاست، بخند...
دیکشنری با دیتا بیس سی کو ال به نام
Release Dictionary in back side sql and front sideC# with class in C# and good Design
Notation: This dictionary 's data base is empty only have 200 word You can insert new word in This dictionary
Eltmase 2A
Powered by Amin Esmailzadeh
طبقه بندی: C and Cpp Project، dot net، C Sharp، عمومی،
برچسب ها: Dictionary، Dictionary sql database، دیکشنری اس کیو ال، دیکشنری سی شارپ، دیکشنری، فرهنگ لغت به زبان سی شارپ، Csharp، Cs dictionary، Sql database dictionary، Sql database dictionary with CS، Powered By Amin Esmailzadeh، Amin Esmailzadeh،
الگوریتم های HeapSort و Radixsort
Download
منبع
طبقه بندی: C and Cpp Project، Design and Analysis of Algorithms،
برچسب ها: HeapSort & Radixsort،
الگوریتم های جستجوی اولین عمق و اولین پهنا هر دو از الگوریتم های
جستجو در هوش مصنوعی (AI) هستند . که برای رسیدن به جواب (goal state) از
وضعیت های اولیه (initial state) مورد استفاده قرار میگیرند.
هر دو دارای مزایا و معایبی هستند . در این مقاله به بررسی این مزایا و معایب می پردازیم .
اینکه بخواهیم بگیم کدوم بهتره ، بستگی به شرایط مسئله شما داره و نمیشه از اول تعیین کرد که کدام بهتر از دیگری است.
حداقل
برای جستجوی درختی ، الگوریتم جستجوی اولین عمق ( Depth first search )
حافظه کمتری نیاز داره چون شما تنها نیاز دارید که گره های مسیر جاری را
در حافظه ذخیره کنید . اگر تعداد زیادی راه حل وجود داشته باشه ، با
الگوریتم اولین عمق شاید بتونید یه راه حل در یه قسمت کوچکی از درخت رو
پیدا کنید . از طرف دیگر اگر تعداد پاسخ ها کم باشه ، الگوریتم اولین عمق
ممکن هست به بن بست برسه و نتونه جواب رو پیدا کنه ، این در حالی است که
ما میتونستیم با 2 یا 3 مرحله به جواب برسیم . ( البته ما از بن بست با
گذاشتن Depth Limit جلوگیری می کنیم ، اما اون موقع دیگه الگوریتم ، اولین
عمق کامل نیست ) بنابراین الگوریتم جستجوی اولین عمق وقتی مناسب است که
تعداد پاسخ های زیادی وجود دارد و شما یکی از اونا رو می خواهید و براتون
هم مهم نیست کدوم جواب انتخاب شود . همچنین اولین عمق راه حل خوبی نخواهد
بود اگر تنها یک جواب داشته باشیم یا وقتی که ما کوتاه ترین پاسخ را می
خواهیم.
الگوریتم جستجوی اولین پهنا ( Breadth first search ) ممکن است حافظه
بیشتری را اشغال کند ، اما در عوض در بن بست قرار نمی گیرد ، و همچنین
همیشه کوتاه ترین مسیر رو پیدا می کند . این الگوریتم برای مواقعی که
تعداد جستجو ها خیلی زیاد است و تنها یک جواب یا تعداد جواب کمی وجود دارد
، مناسب است .
منابع :
http://www.macs.hw.ac.uk/~alison/ai3notes/paragraph2_6_2_1_0_1.html
http://www.combinatorica.com/
طبقه بندی: طراحی الگوریتم ها، Design and Analysis of Algorithms،
برچسب ها: BFS AND DFS،
Complete 8086 instruction set
Quick reference:
|
AAA AAD AAM AAS ADC ADD AND CALL CBW CLC CLD CLI CMC CMP |
CMPSB CMPSW CWD DAA DAS DEC DIV HLT IDIV IMUL IN INC INT INTO IRET JA |
JAE JB JBE JC JCXZ JE JG JGE JL JLE JMP JNA JNAE JNB |
JNBE JNC JNE JNG JNGE JNL JNLE JNO JNP JNS JNZ JO JP JPE |
JPO JS JZ LAHF LDS LEA LES LODSB LODSW LOOP LOOPE LOOPNE LOOPNZ LOOPZ |
MOV MOVSB MOVSW MUL NEG NOP NOT OR OUT POP POPA POPF PUSH PUSHA PUSHF RCL |
RCR REP REPE REPNE REPNZ REPZ RET RETF ROL ROR SAHF SAL SAR SBB |
SCASB SCASW SHL SHR STC STD STI STOSB STOSW SUB TEST XCHG XLATB XOR |
Source Site
طبقه بندی: Assembly،
برچسب ها: assembly، Complete 8086 instruction set، Learn Assembly،
Open Source
جستجو به صورت Live
بدون نیاز به نصب
استفاده از الگوریتم رمز نگاری 3DES برای محافظت از داده ها
امکان یادآوری پسورد
البته در مورد امکان یادآوری پسورد باید اینو بگم که فعلا غیر فعال هست ، یعنی چون نیاز به یه میل سرور داشت فعلا غیر فعال هست. اما دوستانی که خودشون #C کاران ، می تونن اینجا رو بخونن تا بدونن چطور می تونن این ویژگی رو فعال کنند. برای فعال کردن این ویژگی باید برنامه دوباره با اطلاعات تازه کامپایل بشه.
لینک برنامه در CodeProject
لینک دانلود از box.net
لازم به تذکر نیست که این برنامه نیاز به دات نت فریم ورک 3.5 SP1 داره.
منبع
طبقه بندی: C Sharp، dot net،
برچسب ها: برنامه دفترچه تلفن، Phone Book،
دنبالک ها: منبع،
با این برنامه می تونید کشور سازنده موبایل خودتون رو تشخیص بدید
کافیه که بارکد 13 رقمی گوشیه خودتون رو به برنامه بدید تا کشور سازنده گوشیتون رو بگه
این برنامه بر روی همه گوشی هایی که java رو پشتیبانی می کنند نصب میشه
Bar Coder Download
طبقه بندی: Java،
برچسب ها: برنامه ای برای تشخیص کشور سازنده گوشی موبایل، Bar Coder Download،
more learn
Recursion tree
master theorem
Download
طبقه بندی: Design and Analysis of Algorithms، طراحی الگوریتم ها،
برچسب ها: Recursion tree، Design and Analysis of Algorithms، Algorithms، master theorem، حل تمرین دکتر م.منوچهر زاده، Algorithms and Computations Complexity Lecture 4 Growth of Functions Instructor : Haya Sammaneh، Haya Sammaneh، Algorithms and Computations Complexity،
طبقه بندی: Design and Analysis of Algorithms، طراحی الگوریتم ها،
برچسب ها: algorithm exercise،
دنبالک ها: dl،
صفحه دو
صفحه سه
صفحه چهار
صفحه پنج
صفحه شش
صفحه هفت
صفحه هشت
صفحه نه
هیچ تضمینی برای صحت جواب ها وجود ندارد اما تا جای ممکن سعی شده جواب ها صحیح و کامل باشند.
طبقه بندی: Design and Analysis of Algorithms، طراحی الگوریتم ها،
برچسب ها: حل تمرین طراحی الگوریتم دکتر منوچهر زاده، a. T (n) = 4T(n/2) + n. b. T (n) = 4T(n/2) + n2. c. T (n) = 4T(n/2) + n3.، T (n) = 4T(n/2) + n، T (n) = 4T(n/2) + n2، T (n) = 4T(n/2) + n3.، T(n) = 7T (n/2)+n2، T(n) = T (n/2) + Θ(1) is T(n) = Θ(lg n)، T (n) = 4T(n/2) + n2 lg n?، The recurrence T(n) = 7T (n/2)+n2 describes the running time of an algorithm A. A competing algorithm A′ has a running time of T′(n) = aT′(n/4) + n2. What is the largest integer value for a such that A′ is asymptotically faster than A?، a. T(n) = 2T(n=2) + n3. b. T(n) = 16T(n=4) + n2. c. T(n) = 7T(n=3) + n2. d. T(n) = 7T(n=2) + n2. e. T(n) = 2T(n=4) + pn. f. T(n) = 3T(n=2) + n lg n. g. T(n) = 4T(n=2) + n2pn. h. T(n) = T(9n=10) + n.، T(n) = 3T(n=2) + n lg، T(n) = T(n ،
دنبالک ها: save place،
Practice Problems and Solutions
Master Theorem
The Master Theorem applies to recurrences of the following form:
T (n) = aT (n/b) + f(n)
where a 1 and b > 1 are constants and f(n) is an asymptotically positive function.
There are 3 cases:
1. If f(n) = O(nlogb
a−) for some constant > 0, then T (n) = (nlogb
a).
2. If f(n) = (nlogb
a logk n) with1 k 0, then T (n) = (nlogb
a logk+1 n).
3. If f(n) =
(nlogb
a+) with > 0, and f(n) satisfies the regularity condition, then T (n) = (f(n)).
Regularity condition: af(n/b) cf(n) for some constant c < 1 and all sufficiently large n.
Practice Problems
For each of the following recurrences, give an expression for the runtime T (n) if the recurrence can be
solved with the Master Theorem. Otherwise, indicate that the Master Theorem does not apply.
1. T (n) = 3T (n/2)+ n2
2. T (n) = 4T (n/2)+ n2
3. T (n) = T (n/2) + 2n
4. T (n) = 2nT (n/2) + nn
5. T (n) = 16T (n/4)+ n
6. T (n) = 2T (n/2)+ n log n
1most of the time, k = 0
1
7. T (n) = 2T (n/2)+ n/ log n
8. T (n) = 2T (n/4)+ n0.51
9. T (n) = 0.5T (n/2)+ 1/n
10. T (n) = 16T (n/4)+ n!
11. T (n) = p2T (n/2) + log n
12. T (n) = 3T (n/2)+ n
13. T (n) = 3T (n/3)+ pn
14. T (n) = 4T (n/2)+ cn
15. T (n) = 3T (n/4)+ n log n
16. T (n) = 3T (n/3)+ n/2
17. T (n) = 6T (n/3)+ n2 log n
18. T (n) = 4T (n/2)+ n/ log n
19. T (n) = 64T (n/8)− n2 log n
20. T (n) = 7T (n/3)+ n2
21. T (n) = 4T (n/2)+ log n
22. T (n) = T (n/2) + n(2 − cos n)
2
Solutions
1. T (n) = 3T (n/2)+ n2 =) T (n) = (n2) (Case 3)
2. T (n) = 4T (n/2)+ n2 =) T (n) = (n2 log n) (Case 2)
3. T (n) = T (n/2) + 2n =) (2n) (Case 3)
4. T (n) = 2nT (n/2) + nn =) Does not apply (a is not constant)
5. T (n) = 16T (n/4)+ n =) T (n) = (n2) (Case 1)
6. T (n) = 2T (n/2)+ n log n =) T (n) = n log2 n (Case 2)
7. T (n) = 2T (n/2)+ n/ log n =) Does not apply (non-polynomial difference between f(n) and nlogb
a)
8. T (n) = 2T (n/4)+ n0.51 =) T (n) = (n0.51) (Case 3)
9. T (n) = 0.5T (n/2)+ 1/n =) Does not apply (a < 1)
10. T (n) = 16T (n/4)+ n! =) T (n) = (n!) (Case 3)
11. T (n) = p2T (n/2) + log n =) T (n) = (pn) (Case 1)
12. T (n) = 3T (n/2)+ n =) T (n) = (nlg 3) (Case 1)
13. T (n) = 3T (n/3)+ pn =) T (n) = (n) (Case 1)
14. T (n) = 4T (n/2)+ cn =) T (n) = (n2) (Case 1)
15. T (n) = 3T (n/4)+ n log n =) T (n) = (n log n) (Case 3)
16. T (n) = 3T (n/3)+ n/2 =) T (n) = (n log n) (Case 2)
17. T (n) = 6T (n/3)+ n2 log n =) T (n) = (n2 log n) (Case 3)
18. T (n) = 4T (n/2)+ n/ log n =) T (n) = (n2) (Case 1)
19. T (n) = 64T (n/8)− n2 log n =) Does not apply (f(n) is not positive)
20. T (n) = 7T (n/3)+ n2 =) T (n) = (n2) (Case 3)
21. T (n) = 4T (n/2)+ log n =) T (n) = (n2) (Case 1)
22. T (n) = T (n/2) + n(2 − cos n) =) Does not apply. We are in Case 3, but the regularity condition is
violated. (Consider n = 2k, where k is odd and arbitrarily large. For any such choice of n, you can
show that c 3/2, thereby violating the regularity condition.)
3
Download in Pdf Format
طبقه بندی: Design and Analysis of Algorithms، طراحی الگوریتم ها،
برچسب ها: Master Theorem، قضیه اصلی، http://www.4shared.com/file/164832147/b8e9361/master_theorm.html،
