Ⅰ 計算機演算法的設計與分析（英文版）
在我們學校，一年一開的演算法課由數學系與計算機系的教授輪流教學，教材便是Levitin的這本演算法設計與分析基礎（當然是英文版）。在學期末的時候，教授會被要求對課程設計本身提出些建議。數學系教授的建議非常明確：請換一本教材！是的，對於做理論出身研究方向為Operations Research的數學系教授而言，Levitin這本書的理論體系實在太糟糕了，topic組織零散，有跳躍性而無漸進性，缺乏許多必要的嚴格證明，並且有多處似是對其他諸如《演算法導論》中經典例子的簡寫版。 在多如牛毛的演算法神級著作中，Levitin的這個版本頂多算是有特色，確實難算經典。Levitin版對許多問題的解釋並不清楚，一方面是其英語語言組織本身就有些難讀拗口，不如Weiss或者Cormen等人的著作好讀，另一方面可能限於篇幅，教材很少比較系統地漸進式的介紹一些演算法與概念，而更多的是以盡可能簡略扼要的篇幅試圖概括他們，導致了理解上的困難。章節的編排順序，相對於其他同類經典也是比較非主流的。演算法技術被作為劃分章節的標志，而許多數據結構的內容則被零散的穿插在各章節中作為對特定演算法技術的應用。 舉一個例子就可以反映上述種種問題。比如Disjoint Subsets和Union Find演算法那節，教材放在了Greedy Technique一章中並且讓其作為Kruskal演算法的應用出現。其所使用的主要解釋方式和例子其實是照搬了Cormen演算法導論中的相關內容（然而Cormen中可是專門作為Advanced Data Strucutures中的一整章出現的），連示例圖都是一樣的，可不同於Cormen中詳細的由淺入深的講解，Levitin近乎填鴨式的把相關結論一股腦給了出來，卻用短短的幾句話把Cormen中的解釋高度概括了一番。初學此章節，十分的晦澀且前後文似毫無連貫性，思維跳躍之大令我頗為摸不著頭腦。直到仔細去研究了Cormen演算法導論中的對應章節才對此數據結構的原理恍然大悟，同時悟到的是原來此節是Levitin對該相關內容過於概括的簡寫。
Ⅱ 請翻譯，控制演算法英文的
control algorithm
希望我的回答對您有幫助，有問題可以追問。
滿意請及時採納，謝謝！
Ⅲ 本文提出一種改進演算法 英文怎麼說
This paper presents an improved algorithm
例句
因此，本文提出一種改進演算法（SAGA VSP），將模擬退火思想和遺傳演算法綜合在一起，來解決查詢代價視圖選擇問題。
Therefore, improved algorithm ( SAGA_VSP) has been presented, which is the combination of simulated annealing algorithm and genetic algorithm 'for the purpose of solving the query cost view selection problem.
Ⅳ 翻譯一段英文演算法
1、根據第二節中的描述構建對稱非負n×n階矩陣M；
2、設x是M的主特徵向量，並用nx1階零向量將x初始化；用待處理作業數據初始化L；
3、查找a= argmaxa2L(x(a)).如果x(a) = 0停止並返回x,否則令x(a)=1並將a從L中移除。
4、將L中所有可能與a=(i,i0)沖突的作業數據從L中移除，作業數據中形式為(i, k) 和(q, i0)的數據與a是一一對應的約束條件。（而（i,k）這樣的形式是一對多的約束條件）。
5、如果L為空，則返回結果x，否則轉到第三步。
Ⅳ 演算法英語翻譯
這次,要求你找到 A+B,A,B為多項式
輸入：
每個輸入文件包含一個測試用例。每個測試用例占兩行，每行包含一個多項式的信息，K N1 aN1 N2 aN2 ... Nk aNk,K表示多項式中一段非零的項目，Ni 和 aNi表示 相對應的指數和系數。假設 1 <= K <= 10, 0 <= NK < ... < N2 < N1 <=1000.
輸出：
對於每一格測試用例，你應該在一行中輸出A和B的總和，輸出格式要與輸入格式一樣。注意每一行的結尾不能有 多餘的空格。輸出精度控制在小數點後一位
例如輸入
2 1 2.4 0 3.2
2 2 1.5 1 0.5
輸出例子 ：
3 2 1.5 1 2.9 0 3.2
Ⅵ 演算法的英語翻譯 演算法用英語怎麼說
algorithm
['ælɡərɪðəm]
n. 演算法
The compare algorithm is used to do the comparison.
比較演算法是用來比較屬性值的。
Ⅶ 求計算機演算法英文論文
已經發送，是相關的論文，和你的論題還有點差距，註：假如收件箱沒有的話建議看看垃圾郵件是否被攔截了。
Ⅷ 衡量查找演算法的英文簡稱
演算法（Algorithm）是指解題方案的准確而完整的描述，是一系列解決問題的清晰指令，演算法代表著用系統的方法描述解決問題的策略機制。也就是說，能夠對一定規范的輸入，在有限時間內獲得所要求的輸出。如果一個演算法有缺陷，或不適合於某個問題，執行這個演算法將不會解決這個問題。不同的演算法可能用不同的時間、空間或效率來完成同樣的任務。一個演算法的優劣可以用空間復雜度與時間復雜度來衡量。
Ⅸ 求翻譯關於蟻群演算法，英文原文如下：
雖然如此,我們相信蟻群隱喻可以幫助解釋我們的典範。考慮到圖2圖,這是一個可能的解釋的現狀圖1 b。固定的想法,認為D之間的距離和H之間、B和H之間,B和D-via C-are等於一,讓C位置之間的一半D和B(見圖2)。現在讓我們考慮有什麼事情發生的時間間隔定期離散:t = 0、1、2、……。假設30新螞蟻來到我從一個,30天每次單位E,使每個人都只螞蟻走路速度每時間單位為1,螞蟻走路時放下在時間t信息素軌跡強度1,而讓例子比較簡單,瞬間蒸發,完全在中間的連續時間間隔(t + 1,t + 2)。
在t = 0無蹤跡嗎,但30螞蟻是在B和30 d .他們選擇走哪一條路是完全隨機的。因此,平均每個節點15螞蟻從就要往H和15向C(圖2 b)。在t = 1 30新螞蟻來到我從一個找到一條道路的強度15導致H,鋪設在15螞蟻那樣,就從B和一串強度30走上了C,得到了總和的蹤跡,制定了15螞蟻從B和在15螞蟻達到通過來自維B C(圖2 C)。選擇職業道路的可能性因此偏見,因此預期的數量,螞蟻往C將朝著雙的H:20和10的分別。這同樣適用於新30螞蟻在D來自大腸這個過程一直持續到所有的螞蟻最終會選擇最短路徑。他們的想法是,如果在某一給定一隻螞蟻要選擇不同的路徑,那些被嚴重被前螞蟻(也就是說,那些有高跟蹤級別)選擇的幾率更高。此外高水平是同義詞蹤跡短路徑。
摘要組織如下。第二部分包含描述的像
目前實施和應用問題的定義:部分反映了演算法結構問題的結構,我們介紹他們聚在一起。第三部分描述了三種稍微不同的手段應用該演算法。IV,V部分報告
實驗。第六章我們比較與其他策略、第七章wesubstantiate的魯棒性和功能性以展示如何,它可以應用到其他的優化問題。第八章我們非正式討論為什麼以及如何為範式的功能。第九章的結論。
Ⅹ 演算法英語 翻譯
不翻譯了，我就按樣例解釋下吧。
7 頂點的數量
1 頂點的0 的出度數
2 3 與頂點0相連頂點2 權為3
2 頂點的1 的出度數
0 5 與頂點1相連頂點0 權為5
3 3 與頂點1相連頂點3 權為3
0 頂點的2 的出度數 後面類推。。。。。
1
2 8
6 最後一行一個數 查找的起始點
輸入必須用scanf（）函數讀取 輸入內容描述如下：
輸入以一個指定的頂點數量整數占據一行開始 ， 接下來的數據將指明每個頂點的流出邊（從0開始遞加） 每個頂點的這組數據的第一行是流出邊的數量，接下來有相應的行數，每行有兩個整數分別表示另一個頂點和該流出邊的權值，中間用一個空格隔開。另外那另一頂點也是升序出現。
最後一行是查找開始的頂點。
（在任務2目錄中的input1輸入文件中指定了問題使用的來自與每周工作相關的圖，將其中的a用0替換，b用1替換，以此類推。。。）
輸出必須用printf程序，輸出內容描述如下：
輸出必須是最短路徑長度以升序的方式（對於起始點的長度用0）例如程序可用printf（ 「%d\n」,distance[i] ) ; distance[i]是相關點的最短路徑長(output1 文件是input1 的輸出)