杨铸人的博客

原创 为什么频差就是频率？

比如1号振动，完成其频率下降的过程，就跌出了可见的频谱范围，而2号振动又出现在同一个位置，它就像是1号振动的延续，在微分时间里面同样完成频率下降的过程，之后是3号振动，这些所有的1，2，3……如果是-n次，就是观察者自身振动的次数减去n次。既然一个电子它是一个频差过程，也就是说它在微分时间的开始具有一个频率，微分时间结束具有一个更低的频率，那么，这个电子的下一步呢？但是，电子之间是彼此不可区分的，也就是说，你认为那个振动是一个电子，它并不需要就是那个电子，它可以是另一个电子，也发生了相同的过程。

原创 关于0.9999....=1

但更本质的是过程，是第四维或者是第n+1维，也就是时间。所以说，这种脑袋上有“点”的表达方式，和没有“点”的表达方式本质上不是一回事。从这个过程的时间反演方向看过去，当然有这个数，就是1。也就是（小数点后）5位9的和6位9的是同一个数。所以脑袋上这个点，并不只意味着它是一个数，它说的是用一个数去表达一个过程。因为无限位我们没法写出来，我们就写有限位，假定就写5位和6位小数，9*（1/9）而1/9，就是除也除不完的那个，0.111...位的，数值结果是一样的，甚至说和n+m位的数值结果是一样的。

原创 Z80 的世代结束了

原创 FM1808-备注

W27C512也是28PIN，但是比FM-1808多一个A15，少一个。但是，对于我手里的这块板子（CPU:P8088-2）来说，读写数据都没有问题，比如62256是先给地址再给片选，而FM-1808是先给片选后给地址。写使能(/WE)，两者配合并不太好，就算算好了地址区间，避免低电平导致。到底FM-1808能不能作为程序存储器由CPU直接操作，还是个问题，时序问题目前无法判断，有谁了解的，不妨给讲讲。写操作，但是还是不行，读写都不正常。但作为数据存储器，是肯定可行的。但是不能在这个芯片上执行代码。

原创 从光速常数的可变性看宇宙大爆炸的本质

也就是说，不是以空间中的某一点为中心，而是所有的点都是中心，所有的点的单位长度都在随着时间的增长而增大。观察者开始观察，就开启了时间，而这种观察导致观察者和所观之物之间出现了周期长度的竞争，这种我均匀你就等比增加，你均匀我就等比增加的状况，最终导致了频率或者周期的提升，而频率的提升对应于周期的缩短，周期的提升对应于频率的减小，这就构成了时间和频率的动力学关系。会的，而且是，如果认为时间均匀增加（对应于频率不断变小），那么它就是不断变小的，但是变小的速度会越来越慢，可知它最开始的时候变小的速度是最快的。

原创 质数螺旋程序

这段代码所用的算法是：一个从1开始的半径，按照这个半径向着当前方向进发（画点），完成这个半径之后转90度，然后再次完成这个半径之后转90度。此时半径加一，然后重复如此过程，直到画满平面（或者部分平面）。由此得到的认识：完成一个螺旋层次，当前半径要画半周，当前半径加一要画半周。点的颜色，除了质数是蓝色之外，其它点按照当前半径和短轴的比例取对应的灰度。今天再次看到这个题目，觉得有必要写写代码。需要用点脑子的，是如何把数拍成螺旋形。判别质数的方法很多，咱就用最简单的。详细代码请参阅github链接。

原创 并行接口铁电存储器FM1808及其应用（转载非原创）

FM1808的原理应用以及注意事项

原创 微观时空结构和虚数单位的关系

所以不难看出，周期到单位的投影为0，单位到周期的投影，和微分到单位的投影一样，也都为0

原创 回归洛伦兹变换

因为我们已经看到，长度这个概念，在不同的条件下，对应了不同的基本物理量：在宏观低速条件下它对应的是周期的重复次数，而在微观高速的条件下对应的是频率的差异总量。代表的频差或者周期比率的意义，所以说，确实可以有光速上限，但并不影响“超光速”的实现。只是在“超光速”的前提下，这种周期和频率互为倒数的对称性不再保持。

原创 如何理解质量

早年写过一篇未发表的论文《质量的相对性》，就是为了寻求到底什么才是质量这个问题的答案。现在，在准备了诸多超越以往的认知的概念之后，关于质量是什么的想法，也逐渐有了眉目。质量有两种，一种叫做惯性质量，一种叫做引力质量。它俩似乎并不一样，但爱因斯坦在广义相对论中给出了两者的统一，这不用具体讨论。现在让我们只看惯性质量，把引力质量留给广义相对论。从惯性质量来讲，一个物体有较大的质量意味着它有较大的惯性。质量的大小和惯性的大小成正比。而我们知道惯性越大，其速度越是不容易改变。速度改变的难易程度，则在

原创 勾股定理成立的条件

这个最小的时间长度，可以认为是观察者认为所观之物反向观察观察者的周期所对应的观察者时间为单位前提下的时间，比如观察者认为所观之物的周期为自己周期的8倍，那么所观之物应当认为观察者周期为自己周期的1/8。由于周期也好，频率也罢，都是一个完整过程，经过这个时间之后，就开启一个新的周期，所以，不难发现，存在观察者和所观之物，两者甚至可以相互换位，他们具有不同（甚至可以相同）的周期，也不管这两个周期多大多小，只要有周期性，只要周期之间具有最小间隔，周期加上间隔之后就会重新开始一个新的周期，那么勾股定理就可以成立。

原创 关于光速极限的细节

这就形成了一种特殊的局面，从频率角度来说，太大的频率对应于太小的周期，而小于特定周期则不会被观察者观察到（观察者分辨率的限制），而若是周期作为时间的变化量存在，那么这个时间的变化量又不可能大于周期本身。显然我们已经将秒作为最终极的物理单位，或者说，它的量纲就是1，而上式的量纲不是1的倒数，而是1的平方的倒数。虽然存在最小的周期，以至于对应了频率的上限，我们知道这个频率上限不是真正的限制，只是观察者对于比最小周期更小的周期没有感知能力，也就是说对于频率上下之外的频率没有感知能力，所以相对速度的上限为光速。

原创 再次简述光速极限的超越问题

尺缩效应并没有限制，并不会无法缩小到更小的数值，获得更大的比例；光速上限并未束缚我们，禁止我们用更少的时间去到更远的地方，因为最终使得我们实现用更短的时间去更远的地方的，是我们缩短时空的能力。而这种能力，在比率的前提下，是没有限制的。所以，速度更快的，意味着两点之间更短，而速度更慢的，意味着两点之间更长（暂且这样解释）。但比值所需要的被除数和除数，只要没有一个为0，得到的比值可以无限（大或者小）。但狭义相对论告诉我们，相对速度出现的本质，是时空的伸缩，比如尺缩钟慢。我们计算相对速度，是用减法的。

原创 关于如何实现熵减

熵增的本质，在分子层面上就是其绝对速度的趋同；熵减的本质相反，就是绝对速度的趋异。趋同导致秩序的失去（方向杂乱），趋异导致秩序的建立（有特定方向）。熵增不是必然的，熵增是电性振动主导前提下分子相对运动造成的效果；而若是磁性振动主导为前提，则熵减才是必然的。

原创 整数（uint64)开平方快速算法

按照先前大数运算的方法，我们可以把一个整数先放大一定的倍数，然后用整数开平方的快速算法，然后再缩小原来的倍数，这样就可以计算较为精确的结果。暂时认为，这样要比浮点运算快。整数开平方，比如说17和21的平方根都得到4；25的平方根得到5。参见如下代码（C/C++）

原创 AKS 质数测试算法 c 语言版

【代码】AKS 质数测试算法 c 语言版。

原创 再论1+1

显然也是具有同样质因数的合数，只有正负不同，那么两者相加的结果显然要先约去质数的若干倍数，结果显然只能是两个质数之和（其实只是一个质数的两倍，只是其中一个跨过了周期）。所以可以知道，任何一个大于2的偶数，它总可以写成两个质数之和（而不必写成一个质数和两个质数之积之和）。一个周期存在，就总能在周期中找到一个长度，和它关于周期分点的镜像。若观察者的观察能力小于一个周期，则周期完成即周期开始，所以周期。这两个对称的点对应的长度的乘积，对于跨周期的情况来说，就是。，在其上实现左右偏移的结果的乘积为，

原创 费马大定理简易证明

总结一下，到底是什么原因，为啥两个超过2次的整数相加不可能得到同次的整数：原因就在于，一个整数的多少次幂就需要多少个整数根相乘。某个整数的3次幂需要3个根相乘，但是2个整数的3次幂相加就算引入多次周期，也无法得出3次幂需要的3个根相乘的效果。上面的论证通过引入超复数虚数单位以及对应的周期性，将二项转化为二次，再用二次方程的求根公式，判别是否存在实根，也就是说，是否需要引入无理数的无限连分结构，最后得出判断，二项相加至多只能提供2次的非无理数组合，3次以上则需要至少3项相加才行。的时候，等式显然有整数解，

原创 沃里斯乘积公式求圆周率-2

为了计算超出double精度的圆周率数值，可以考虑用大整数分别计算分子和分母的数值，最后再将分子左移（相当于在右侧填0），然后再相除，就可以得到一个定点数，而这个定点数的位数显然对应圆周率的每一位，也就是说，结果不是3.1415926……而是31415926。

原创 展开式和圆周率

Python 程序验证。

原创 关于楼梯悖论

现在，让我们考虑极限的情况，也就是说，其折段的次数无限增加，那么最终，这个楼梯就会显得像是斜坡本身，而我们知道，根据勾股定理，这时候斜坡的斜边长度为，其中，若令x方向上的一个单位为1，同时y方向上的一个单位相当于x方向上一个单位的5倍（当然这个长度也是y方向上的单位1），那么我们就可以在这个平面上找到一个点，它的坐标为。这里的所谓垂直它的另一个方向，是单独一个方向，而不是相反的两个方向。这句话的意思是：相互垂直的两个方向上，若选定一个方向为标准，则垂直它的另一个方向，单位的大小同时可以是标准方向的。

原创 3和4之间的整数是多少？

我们就是在写 2进制的1+3进制的1+4进制的1....（没有1进制，1进制的1就只能写成0）比如4进制的3，就是4进制可以写出的不进位的最大值，正如10进制的9.这就得到3+0.3333....= 3+(1/3)=3+1=4。对于4进制来说，0.3333...=1，而3还是一样的。而这里的3和1/3也就是4进制的虚数单位以及它的倒数。在特定进制下的解，x就是那个进制的n-1。这个数就是10进制的4或者4进制的10。不写4，而是写3+1/3，也是一样的。而它的倒数，就是那个进制的1。

原创 虚数单位的严格定义

由这个定义可以看出，一个有周期，由此可计数的系统，一定是量子系统，它具有一个最小的计数周期（称为量子）和一个最大的计数周期（称为周期）。若是没有周期，又不能计数的系统超出我们可以讨论的范围，也是用数量无法描述的。换句话说，我们可以认为这套系统的计数方式，是倒着算的，或者按照周期跳跃着来算的：忽略那些不太大的数，直接考虑周期的开始和结束（本身（注意这其实是三个值，但对于这个系统来说，数值实在太大，导致这三个值是一样的，若一定要区分，可以写出。，其它所有数量都是这个数量的整数倍，这是一个量子系统，

原创 一加一等于二

由此我们就知道，一个计数系统，我们可以从1开始正着数数，也可以从-1，也就是最后一个数开始，倒着数数，两者情况是一样的。若我们从1开始数，比如1，2，3，4，5，6，那么下一个周期开始还是1的话，周期的长度就是6。可是我们习惯于从0开始一个新的周期，所以是0，1，2，3，4，5，6，0，所以周期的长度就是7，最后一个数可以是6（不是奇数），周期的长度就是6+1=7。当然这个长度不是偶数，我们需要的是0，1，2，3，4，5，0，1，2，3，4，5，最后一个是奇数5，周期的长度是偶数6。

原创 关于费马大定理

既然两个相继的维数不是真的互不相关，那么无限多间隔相继的维数也一定不是真的互不相关，所以实际上两个变量终究还是相关的，这就是可以消去一元的原因：互不相关是表象的不是本质的，在特定的虚数单位前提下，相关性总是存在的，实在不行的话，我们可以根据模运算的法则自己创造两者的相关性。其它三元高次方程，没有这两个条件，就算引入虚数单位之后可以消去一元，高于二次的二元高次方程也借助1和虚数单位之外的其它单位构成高次解的高次开方，高次根号里面的项目数量不够根号的次数，所以开出整数解是不可能的。这就是消元得以实现的根据。

原创 叉积的意义

叉积是什么意思？它和复数有什么关系？二维向量有叉积吗？不仅仅是有，而它正是这个概念的来源。

原创 背包问题/子集和问题 线性解法

子集和问题以及背包问题的线性时间算法 - 基于时序法

原创 四色定理 - 从时序着色法到四色定理的逻辑证明

有了好的处理问题的方法，困难的问题就不那么难了！正如有了好的工具，我们就有能力处理先前处理不了的问题，我们就是这样迭代着才走到今天，恐怕也只能这样，才能走向更好的未来。

原创 K5 是平面图吗？

这个图就是著名的K5，有5个节点，每个节点都和其它节点全互联，构成一个5阶的完全图。“传说”K5是最小的非平面图，也就是说，它是没法画在一个平面上，使得所有的边都能保持两两都不相交。以下一段DOT语言的代码代码可以让DOT生成一个K5。只是长相上不太好看。但是逻辑是没有错的，因为图论中的图，只讲关系不讲位置。它生成的结果如下，也可以再来一个略微好看的，图像如下， 为啥这图不是平面图？我们把它用人好理解的方式画一下就清楚了。我们可以把K5理解为1-2-3三个顶点和顶点之间的边构成的三角形，其中心为

原创 NP=P 最大流问题 线性算法

最大流算法的并行解法

原创 NP=P 图着色问题 线性解法

图着色问题 - 可以实现O(n)的一种处理NP问题的新想法

原创 NP=P - 推销员/旅行商 问题的并行/线性算法

NP=P 在推销员/旅行商 问题上的证明

原创 虚数是什么的“最佳答案” - 精简版

这篇文章相当长，而且已经发表在期刊杂志上，这里给出的是一个精简版本。虚数单位这个东西实在让人着迷！哪有什么数的平方能是一个负数？正数的平方是正数，负数的平方还是正数。根本就找不到一个数，具有其平方为负数的性质。可是，它又如此普适，你总能在各种地方见到它的影子，最重要的是，那结果还是对的。曾经为了解答这样一个问题而开始研究复数的本质，尤其是虚数单位i的本质：在狭义相对论中，如果相对速度超过光速，那么时间会变成什么样。这个问题可能本身并不正确，因为那个“如果”仅仅是一个“如果”，但是，时间的虚数单位

原创 Kana Dict

刚开发了一个小程序。把日文的假名（平假名和片假名）翻译成它对应的罗马字母表示。这样对于不知道日文假名怎么读的人来说，是一个方便的工具。using Kana.Properties;using System;using System.Collections.Generic;using System.ComponentModel;using System.Data;

原创 基于AVX2的并行选择排序算法（C#实现）

选择排序虽然不是效率最高的排序算法，但是它是一种比较容易并行化的排序算法。比如我们使用AVX指令集（C#中以Vector<T>形式以及相关操作存在），就可以一次处理多个数据。现在假定我们使用256位并行计算，那么一次就可以处理8个整数。我们把输入的数据分成8列（如果模8有余数，先用其它算法计算出最后几个-7个之内-最大的数的排序），然后8列各自并行进行选择排序（选出最小的放在前面），最后对8列排序加以归并，这就可以实现基于SIMD的并行选择排序算法。这个并行排序算法的效率显然比串行高得多。.

原创 双选择排序算法（C#实现）

选择排序（Selection sort）是一种简单直观的排序算法。 它的工作原理是：第一次从待排序的数据元素中选出最小（或最大）的一个元素，存放在序列的起始位置，然后再从剩余的未排序元素中寻找到最小（大）元素，然后放到已排序的序列的末尾。 以此类推，直到全部待排序的数据元素的个数为零。 选择排序是不稳定的排序方法。以上为选择排序的定义。仔细考虑一下，既然一次遍历过程中可以找出最小的或者最大的元素然后放在最前面，那么一定可以同时找到最小的和最大的元素，然后分别放在最前面和最后面，这就可以实现事半功倍的

原创 The reply to (C++) boost members in the mailing list to explain how RCGC algorithm works

Let me try to explain how it works (in case you don’t want to read the code or think, 150+ lines of code can do nothing).Objects get linked together into a network.Most of time, no need to be so complicated. However, language related or knowledge..

原创 RCGC 算法 - 通过修正 shared_ptr 的循环引用问题从而避免weak_ptr的引入

[2020-07-30-03:53:58] 作者 杨逸林RCGC 算法这几天因为项目的需要，又拿起了COM(Common Object Model),因为不能用ATL或者MFC， 只能自己亲手重写IUnknown。这就涉及到AddRef以及Release的具体实现方法，以及那个 m_RefCount的初始值等细节上的问题。一番折腾之后，还是正确的实现了需要的COM类和对象。但是，既然是C++，C++显然有更好的 处理方式：也就是shared_ptr，这样一个模板类。似乎不管啥指针，套在sha

原创 Kana Dict 第一版发布

刚开发了一个小程序。把日文的假名（平假名和片假名）翻译成它对应的罗马字母表示。这样对于不知道日文假名怎么读的人来说，是一个方便的工具。using Kana.Properties;using System;using System.Collections.Generic;using System.ComponentModel;using System.Data;