1、Xlib:C 语言 X 接口综合介绍

Xlib:C 语言 X 接口综合介绍

1. 版权声明与致谢

1.1 版权声明

Xlib 遵循一系列版权声明。The Open Group 拥有 1985 - 2002 年相关版权,允许个人免费获取、使用、复制、修改、合并、发布、分发、再许可和销售软件,但需包含版权声明和许可声明,软件“按原样”提供,The Open Group 对软件相关责任不承担义务。Digital Equipment Corporation 也有 1985 - 1991 年版权相关声明,同样允许免费使用、复制、修改和分发文档,但有相关条件限制,且 Digital 和 Tetronix 对软件适用性不做声明,软件“按原样”提供。TekHVC 是 Tektronix, Inc. 的商标。

1.2 致谢

X 窗口系统不同版本的开发凝聚了众多人员的心血。例如在 Release 1 中,Ron Newman 对 Version 11 Xlib 接口设计和实现贡献巨大;Ralph Swick 在早期版本中处理大量请求;Todd Brunhoff 在测试阶段提供关键帮助;Al Mento 和 Al Wojtas 优化文档;还有众多人员在不同方面做出贡献,如参与测试的硬件厂商等。不同版本都有相应人员在功能设计、实现、测试、文档处理等方面发挥重要作用,例如 Release 4 中 Jim Fulton 设计新的 Xlib 函数;Release 5 中 Vania Joloboff 和 Bill McMahon 负责输入方法设施,Glenn Widener 负责国际化设施等。

2. Xlib 功能概述

2.1 主要功能模块

Xlib 包含

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值