2401_84038155的博客

原创 ruoyi框架

基于Spring Boot、Spring Cloud & Alibaba的微服务的权限管理系统。如需分离版本，请移步(保持同步更新)，如需其他版本，请移步项目扩展 (opens new window)(不定时更新)是一个 Java EE 分布式微服务架构平台，基于经典技术组合（Spring Boot、Spring Cloud & Alibaba、Vue、Element），内置模块如：部门管理、角色用户、菜单及按钮授权、数据权限、系统参数、日志管理、代码生成等。在线定时任务配置；支持集群，支持多数据源。

原创 npm安装常见报错解决办法

你可以尝试使用npm install --force或npm install --legacy-peer-deps来强制安装，尽管这可能会接受一些可能不正确的依赖解析。如果版本不匹配，你可能需要重新安装node和npm，或者使用一个版本管理工具，如nvm，来管理多个node版本。4.删除package-lock.json文件：如果错误与package-lock.json文件有关，你可以尝试删除这个文件，然后再次运行npm install。1.清除npm缓存：有时候，npm的缓存可能会导致安装失败。

原创 创建数据表修改数据表和删除数据表

2．在查询窗口使用CREATE TABLE语句创建T_student表、T_course表、T_average表、T_user表,这些表的结构和内容分别与student表、course表、average表、user表相同（相关Transact-SQL命令书写语法格式见。（3）学会使用企业管理器(即MSSMS-----Microsoft SQL Server Management Studio的对象资源管理器的菜单-会话窗方式）创建表、修改表、删除表、向表中插入数据、修改表数据、删除表数据。

原创 创建数据库和修改数据库

在对象资源管理器窗口点击“连接--数据库引擎”,弹出“连接到服务器”窗口，在“连接到服务器”窗口的“服务器名称（S）”对应的下拉列表框选择要连接到的服务器，在“身份验证（A）”对应的下拉列表框选择身份验证模式：“windows 身份验证” 或“SQL Server 身份验证”，若选定“windows 身份验证”，见图1，单击“连接”按钮，将会登录到所选定的SQL Server服务器，“对象资源管理器”窗口将会以层次结构呈现出服务器及其上的数据库等（见图3）;学会了......;掌握了......;

原创 mysql8

下载完成，点击打开 mysql-installer-community-8.0.11.0。进入安装目录找到bin;

原创 node.js

，可以弹出运行输入框， 请输入。版本会自动帮你配置安装环境。①打开下载目录的软件包。⑤之前操作确认无误后，点击。②双击软件包，要记得勾选。如果输出的是版本号，那么。的安装路径会默认指定到。

原创 redis

Redis 是完全开源免费的，遵守BSD协议，是一个高性能的key-value数据库。Redis 与其他 key - value 缓存产品有以下三个特点： Redis有着更为复杂的数据结构并且提供对他们的原子性操作，这是一个不同于其他数据库的进化路径。Redis的数据类型都是基于基本数据结构的同时对程序员透明，无需进行额外的抽象。 Redis运行在内存中但是可以持久化到磁盘，所以在对不同数据集进行高速读写时需要权衡内存，因为数据量不能大于硬件内存。在内存数据库方面的另一个优点是，相比在磁盘上相同的复杂

原创 SQL Server 2019系统的认识及其安装

此外，我还学会了如何配置SQL Server的基本设置，如服务器名称、身份验证模式等，以及如何进行数据库的基本管理操作，如创建、修改和删除数据库。同时，我也掌握了T-SQL（Transact-SQL）的基本语法和用法，能够编写简单的SQL语句和存储过程来实现数据的处理和管理。总之，通过本次SQL Server 2022实验，我不仅学会了如何安装和使用SQL Server 2022，还掌握了其核心功能和使用方法，并训练了自己的动手能力和问题解决能力。我相信在今后的学习和工作中，我会不断取得进步和成就。

原创 控制器交互

Spring MVC 以其轻量级、高效性和与 Spring 生态的无缝集成，成为 Java Web 开发的首选框架。结合 Spring Boot 的自动配置，可快速构建企业级应用。对于需要高性能、灵活性的项目（如 RESTful API、微服务），Spring MVC 是理想选择；若项目依赖复杂表单或组件化界面，可评估 JSF 或 Vue/React 前端分离方案。

原创 web项目

Web 项目的开发涉及前后端协作、架构设计、性能优化等多个环节。根据项目规模选择合适的架构（单体/微服务），并利用现代工具（如 Docker、K8s）提升开发和运维效率。对于初学者，建议从。

原创 maven框架

尽管 Gradle 在性能上更优，但 Maven 仍是企业级 Java 项目的首选工具之一，尤其适合需要标准化和稳定性的场景。本文以F:\class32\apache-maven-3.3.9为例，实际配置环境变量时以自己安装的路径为准。没有存在于maven项目里面，jar存在于哪？tar.gz和zip两种压缩格式,其实这两个压缩文件里面包含的内容是同样的,只是压缩格式不同。是apache下的一个开源项目，是纯java开发，并且只是用来管理java项目的。机制，简化了项目的构建、测试、打包和部署流程。

原创 mybatis框架

对于追求开发效率的项目，可以结合 MyBatis-Plus 或 Spring Data MyBatis 进一步简化代码。提供一级缓存（SqlSession 级别）和二级缓存（Mapper 级别），减少数据库访问次数。自动将数据库查询结果映射为 Java 对象（POJO），支持复杂类型（如嵌套对象、集合）。INSERT INTO USER VALUES(1,'刘德华','123456');INSERT INTO USER VALUES(2,'刘华德','123456');MyBatis 是一款优秀的。

原创 web微服务介绍

还是以上面的电商为例子，用户访问量的增加可能影响的只是用户和订单模块，但是对消息模块的影响就比较小.那么此时我们希望只多增加几个订单模块，而不增加消息模块.此时单体应用就做不到了，垂直应用就应运而生了。1.2.2.4服务容错在微服务当中，一个请求经常会涉及到调用几个服务，如果其中某个服务不可用，没有做服务容错的话，极有可能会造成一连串的服务不可用，这就是雪崩效应。1.2微服务架构介绍微服务架构，简单的说就是将单体应用进一步拆分，拆分成更小的服务，每个服务都是一个可以独立运行的项目。

原创 使用纯Java连接数据库

原创 太阳影子定位参考代码

存储太阳方位角变化量（度）%相邻时间的太阳方位角 dB(i) == theta(i+1) - theta(i) for i = 1:20。

原创 太阳影子定位

原创 员工信息管理系统参考代码

return "员工编号: " + id + ", 姓名: " + name + ", 性别: " + gender + ", 出生年月: " + birthDate + ", 所在部门编号: " + departmentId;String[] actions = {"录入", "修改", "删除", "查询", "显示"};return "部门编号: " + id + ", 部门名称: " + name;panel.add(new JLabel("操作:"));

原创 实验4员工基本信息系统

通过本次实验，我深入了解了如何使用Java的Swing库来设计图形用户界面，并掌握了组件、容器、布局管理器等核心概念。同时，我也学习了AWT事件处理模型，理解了事件源、事件、事件处理者等要素，使程序能够响应用户的操作。在实验过程中，我按照要求设计了员工信息表和部门信息表，并实现了员工基本信息的录入、修改、删除、查询和显示等功能。通过调试和运行程序，我验证了程序的正确性，并记录了输入和输出结果。基本信息的录入、修改、删除、查询和显示，从而完成一个基本的。员工信息修改界面及修改后的结果界面。

原创 jdbc相关知识

JDBC 是 Java 语言中用来规范客户端程序如何访问数据库的应用程序接口(API)

原创 实验3掌握 Java 如何使用修饰符，方法中参数的传递，类的继承性以及类的多态性

System.out.println("圆柱体的底半径: " + cylinder.getRadius());System.out.println("圆柱体的高: " + cylinder.getHeight());创建圆柱体类的对象，分别设置圆柱体的底半径、圆柱体的高，计算并分别显示圆柱体的底半径、圆柱体的高以及圆柱体的体积。System.out.println("圆柱体的体积: " + getVolume());System.out.println("面积: " + getArea());

原创 数据库相关锻炼

SELECT studentname 姓名,s.studentno 学号,subjectname '数据库结构-2',studentresult FROM student s。VALUES ('K4','Java','白'),('K5','C++','王'),('K6','数值计算方法','刘');SELECT subjectname '课程名称',ClassHour'课时',ClassHour/10 '10天均课时'#WHERE 后可以跟BETWEEN ...AND...,,AND,,OR。

原创 实验二理解 Java 语言的基本结构和程序设计方法

()的形式访问和修改私有属性。System.out.println("圆的半径: " + circle.getRadius());System.out.println("圆的周长: " + circle.getLength());System.out.println("圆的颜色: " + circle.getColor());System.out.println("圆的面积: " + circle.getArea());(3) 提供计算面积的getArea()方法和计算周长的getLength()方法。

原创 实验一Java的认识

本次实验我学习了如何配置Java的运行环境，并且学会了如何设置环境变量。最后学到了两种编写Java程序的方法，方法一：创建文本文档将后缀改为,java在记事本中编辑，用DOS环境编译运行体现运行结果；本次实验我是用方法一完成的实验。在实验中出现了好多问题，比如怎么设置环境变量、创建类的类名必须和文件名保持一致等等问题，但都被我解决了。3.编写与编译一个简单的Java 源程序，声明并创建一个一维数组与二维数组，并且赋初值。2.编写与编译一个简单的Java 源程序，在屏幕上输出”hello, java!

原创 血管的三维重建

最后得到整体重合度高达80.55%，其中切片编号为21.bmp~83.bmp的切片重合度高于80%，编号为0.bmp~20.bmp、84.bmp~91.bmp的切片重合度高于70%，编号为92.bmp~97.bmp的切片重合度在60%~70%之间，98.bmp和99.bmp两张图片的重合度低于60%。对于找此最短距离，先寻找每张切片上过中轴线的圆心，则需要计算切片的内点到所有边界点的距离，寻找最小值，再找寻所有内点最小距离中的最大值，将此值作为此切片所得半径，所得此内点即为球心，做出的圆即为最大内切圆。

原创 解常微分方程组

fprintf('改进欧拉法: 击中位置: (%.2f, %.2f)\n', x(i), y(i));fprintf('龙格库塔法: 击中位置: (%.2f, %.2f)\n', x(i), y(i));fprintf('欧拉法: 击中位置: (%.2f, %.2f)\n', x(i), y(i));fprintf('改进欧拉法: 击中时间: %.2f 小时\n', t(i));fprintf('龙格库塔法: 击中时间: %.2f 小时\n', t(i));if y(i+1)>=xe0% 判定击中条件。

原创 爱心代码不同语言实现

这些代码都使用了心形曲线的数学方程来绘制爱心图案。JavaScript 爱心。

原创 数值积分实验

在编写程序的过程中，我训练了 MATLAB 编程的技能，特别是对矩阵运算和循环的应用有了更深的理解和掌握。通过实验，我发现龙贝格积分算法是一种逐步逼近的方法，它可以在迭代过程中不断提高积分的精度，直到达到预设的精度要求为止。%误差为该次迭代的首元和上一次迭代首元的差。

原创 数据拟合实验

数学模型与拟合算法应用问题，应对形式P(t)=L/(1+CeAt)的非线性函数进行变形，取对数，引入变换，从而将非线性函数模型转化为一次多项式模型（即完成模型的线性化处理），并用前述变换对数据处理使得处理后的数据适合一次多项式拟合。（a）5个(t,P)点：(0,200), (1,400), (2,650), (3,850), (4,950);（b）5个(t,P)点：(0,500), (1,1000), (2,1800)(3,2800), (4,3700);

原创 代数插值实验（2）

掌握了三次样条插值的基本原理和方法，首先，我计算了数据点之间的步长和相关系数，然后构建了三对角系统的矩阵来求解插值函数，包括构建三对角矩阵、解线性方程组、计算插值函数的系数等步骤。%绘制估计点%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%设置画布风格和基本信息title('对机翼形状插值拟合 具有二阶光滑度函数);学会了使用 MATLAB 实现三次样条插值函数，通过给定的插值节点和对应的函数值，以及边界条件，计算出插值函数的系数，并输出每个区间的插值函数表达式，画出函数图像。

原创 代数插值实验

通过这次实验，我发现了在插值过程中需要注意选择合适的插值节点和插值多项式的阶数，以及对数据集进行适当的预处理。我也发现了在实现插值算法时，需要注意避免数值稳定性和效率方面的问题，如矩阵求解时的条件数和插值多项式的次数。在这次实验中，我学会了使用拉格朗日线性插值法和拉格朗日二次插值法、一次牛顿插值多项式和二次牛顿插值多项式的方法来求某点的近似值。在今后的学习中，我将继续加强对插值方法的理解，并尝试将其应用于更加复杂的数据集和问题中，以提高算法的适用性和准确性。

原创 解非线性方程组

为了简化计算，假定已利用了导航电文中的卫星星历表预报参数，算出了三颗卫星在地心空间直角坐标系中的坐标分别为（x1，y1，z1）、（x2，y2，z2）、 （x3，y3，z3）海平面上某一位置在地心空间直角坐标系中的坐标为（x，y，z），设在该位置的用户接收机观测三颗星得到伪距观测值，且已进行了各项误差修正（包括卫星钟钟差改正），接收机时钟相对该导航系统时间基准的钟差为ΔtR；通过本次实验，我意识到数学建模和算法设计是非常重要的能力，今后我将继续学习和提高这方面的能力，以更好地应用于实际问题的求解中。

原创 解非线性方程

其次，对于在区间 [a,b] 中不改变符号的连续函数，如 F(x)=(x−1)2F(x)=(x-1)^2F(x)=(x-1)^2 ，二分法不保证可以求到根。5）经反复调试后，运行程序并验证程序运行的前三步中间结果和手工计算的前三步中间结果是否一致，要求通过列表对比、分析和论证程序运行的前三步中间结果和手工计算的前三步中间结果是否一致，若不一致，必须找到不一致的原因，并预以纠正，最后明确给出对比分析结论。

原创 解线性方程组（二）

手工计算过程中保留五位小数，matlab程序中保留的是四位小数，将我手工计算的结果保留四位小数和matlab的结果比对后在k=0和k=1时完全一致，在k=3时有出入。手工计算过程中保留五位小数，matlab程序中保留的是四位小数，将我手工计算的结果保留四位小数和matlab的结果比对后完全一致。fprintf('第%d次迭代结果的误差为：\n',n);disp('x=');fprintf('第%d次迭代结果的误差为：\n',n);fprintf('该方程组的jacobi迭代法的最小迭代次数为：')

原创 解线性方程组（一）

列主元素消去法是为控制舍入误差而提出来的一种算法，列主元素消去法计算基本上能控制舍入误差的影响，其基本思想是：在进行第 k(k=1,2,...,n-1)步消元时，从第k列的 akk及其以下的各元素中选取绝对值最大的元素，然后通过行变换将它交换到主元素akk的位置上，再进行消元。对于第二个问题就是对于第一个问题模型的应用，更多的考验的是将具体的实际问题，在应用基尔霍夫电压定律和网孔分析法建立电路网络的数学模型时将实际问题转化出来，我学会了将实际问题模型化。”这两行语句改为“A=[4,-2,-1;

原创 matlab基础实验

三、数据类型：浮点型数据类型（单精度浮点数flout，双精度浮点数double），整数类型（int8，int16，int32，int64，uint8, uint16，uint32，uint64），逻辑类型、结构体类型、元胞数组类型、字符与字符串类型字符串，数据类型的转换。s = struct('name', {'张三', '李四', '王二麻子'}, 'gender', 'male', 'age', {18, 20, 'unknown'});% 通过元胞数组，来创建多结构体的结构体数组。

原创 求解网络最大流

这些算法的核心思想是从源节点开始，不断寻找增广路径（即从源节点到汇节点且路径上还有剩余容量的路径），并沿着这条路径增加流量，直到无法再找到增广路径为止。通过本实验，可以深入理解最大流算法的基本原理和实现过程，并掌握使用MATLAB工具箱中的`graphmaxflow`函数来求解实际的网络最大流问题。函数计算从源点到汇点的最大流量，并输出最大流量值（M）、流量分布（F）以及剩余网络（K）。

原创 指派问题的求解

参数MODE表示按哪一种模式进行排序，当MODE=‘ASCEND’的时进行升序排序，当MODE=‘DESCEND’时，进行降序排序。参数DIM表示对哪一个维数进行排序，例如当X是一个二维矩阵，当DIM=1时表示对X的每一列进行排序，当DIM=2时表示对X的每一行进行排序。P =perms(v)，这里v是一个长度为n的行向量，此函数产生v中这n个元素的全排列矩阵，每行为一个排列。3）[Y,I] = sort(X,DIM,MODE)，I返回索引序列，它表示Y中的元素与X中元素的对应。若最优方案不唯一，请给出。

原创 最短路的求解

Dijkstra算法采用的是一种贪心的策略，声明一个数组dis来保存源点到各个顶点的最短距离和一个保存已经找到了最短路径的顶点的集合：T，初始时，原点 s 的路径权重被赋为 0 （dis[s] = 0）。，D(n)，D ( n ) D(n)D(n)是网络图的最短距离矩阵，同时引入一个路由矩阵记录任意两点之间的最短路径。第2步：∀i，j，若D i k + D k j < D i j，则D i j = D i k + D k j，P i j = P i k，k = k+1(更新D，PD，PD，P)

原创 0-1规划的求解

在实验过程中，我学会了如何使用 Matlab 定义子函数、编写循环语句来穷举所有可能的解，并通过约束条件来筛选有效解。通过这个实验，我对整数规划的求解方法有了更深入的理解，也提高了我的编程能力。枚举法是一种简单但耗时的方法，它尝试列举所有可能的解并计算它们的目标函数值，然后选择最优解。隐枚举法则是一种改进的方法，它在列举过程中剔除了显然不是最优解的部分，从而减少了计算量。在今后的学习中，我将继续深入学习和掌握 Matlab 的编程技巧，以及更高级的整数规划算法，以便更好地应用于实际问题的求解中。

原创 最小支撑树MST

如果X本身是稀疏的，sparse(X)返回S。用法2：S = sparse(i,j,s,m,n,nzmax)——由i,j,s三个向量创建一个m*n的稀疏矩阵（上面的B矩阵形式），并且最多含有nzmax个元素。3）S = sparse(m,n)——sparse([],[],[],m,n,0)的缩写，生成一个m*n的所有元素都是0的稀疏矩阵。实验习题：已知六大城市：(Pe)，(N)，(Pa)，(L)，(T)，(M)，它们之间的交通网络数据如下表所示，求最小支撑树。3)对于有圈的,将这条边删除,否则,往下查找；