- 博客(16)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 编译原理 $2 语法分析
§2 语法分析C1 语法分析1）作用：接受词法单元流，检查是否符合文法，翻译出中间代码2）语法分析方法：自底向上与自顶向下3）语法错误处理：错误：词法错误、语法错误、语义错误、逻辑错误恢复：Panic模式：依次丢弃输入中的符号，直至找到同步语法单元。同步语法单元通常为界限符，如; {}等，作用清晰无二义。Panic模式简单，不会进入死循环，但往往跳过大量输入短语层次恢复：纠正输入，如替换,与;，补充;。难以检测实际错误在检测位置之前的情况错误产生式：预测可能的常见错误，在文法中加入特殊
2020-08-26 12:58:12
539
原创 常微分方程 $5 微分方程稳定性
§5 微分方程稳定性C1 稳定性1）平衡解/驻定解：令驻定微分方程右端为0得到的常数解2）稳定性：稳定：∀ϵ>0,∃δ(ϵ,t0)>0,s.t.∥x(t0)∥≤δ ⟹ ∀t≥t0,∥x(t)∥<ϵ\forall \epsilon\gt0,\exist \delta(\epsilon,t_0)\gt0,s.t.\Vert x(t_0)\Vert\le\delta\implies\forall t\ge t_0 ,\Vert x(t)\Vert\lt\epsilon∀ϵ>
2020-08-23 02:27:49
2350
原创 编译原理 $1 词法分析
文章目录§1 词法分析C1 词法分析C2 词法C4 有限自动机C4 实现细节C5 自动生成技术§1 词法分析C1 词法分析1）作用：从源程序中提取词法单元，收集信息填写符号表，供语法分析使用2）扫描阶段：源程序预处理过滤注释和空白宏处理扩展3）词法分析阶段：生成语法单元收集与词法单元有关的信息4）词法错误处理：防御式：尝试进行修改剩余输入使其能够匹配某个模式，如删除、替换、插入字符，交换两相邻字符契约式：报错语法分析和词法分析分离：简化编译器设计：通过预处理将源程
2020-08-23 02:22:27
528
原创 数值分析 $6 常微分方程
§6 常微分方程C1 ODE求解器dydx=f(x,y)\frac{\mathrm{d}y}{\mathrm{d}x}=f(x,y)dxdy=f(x,y)，fff是矩形域R:∣x−x0∣≤a,∣y−y0∣≤bR:|x-x_0|\le a,|y-y_0|\le bR:∣x−x0∣≤a,∣y−y0∣≤b上连续函数 式6.1.11）欧拉方法：从(x0,y0)(x_0,y_0)(x0,y0)开始，选定固定步长xn+1−xn=hx_{n+1}-x_n=hxn+1−xn=h,得y^n+1=y^n
2020-08-18 05:16:02
423
原创 数值分析 $5 数值微积分
§5数值微积分C1 数值微分1）二点前向差分公式：f′(x)=f(x+h)−f(x)h−h2f′′(c),c∈[x,x+h]f'(x) = \frac{f(x+h)-f(x)}{h} - \frac{h}{2}f''(c),c\in [x,x+h]f′(x)=hf(x+h)−f(x)−2hf′′(c),c∈[x,x+h]当误差为O(hn)O(h^n)O(hn)时，称为nnn阶近似方法。二点前向差分公式是一阶近似2）三点中心差分公式：f′(x)=f(x+h)−f(x−h)2h−h26f′′′(
2020-08-17 22:12:02
1058
原创 常微分方程 $6 一阶微分方程解的存在唯一性
§6 解的存在唯一性C1 存在唯一性定理dydx=f(x,y)\frac{\mathrm{d}y}{\mathrm{d}x}=f(x,y)dxdy=f(x,y)，fff是矩形域R:∣x−x0∣≤a,∣y−y0∣≤bR:|x-x_0|\le a,|y-y_0|\le bR:∣x−x0∣≤a,∣y−y0∣≤b上连续函数 式6.6.11）Lipschitz条件：若∣f(x,y1)−f(x,y2)∣<L∣y1−y2∣|f(x,y_1)-f(x,y_2)|<L|y_1-y_2|∣f(x,y
2020-08-17 04:53:30
1585
原创 常微分方程 $附录A 拉普拉斯变换
附录A 拉普拉斯变换C1 性质1）齐次性：L[af(t)]=aF(s)L[af(t)]=aF(s)L[af(t)]=aF(s)2）叠加性：L(f1(t)±f2(t))=F1(s)±F2(s)L(f1(t)±f2(t))=F1(s)±F2(s)L(f1(t)±f2(t))=F1(s)±F2(s)3）微分性质：一阶导：L[ddtf(t)]=sF(s)−f(0)L[\frac{\mathrm{d}}{\mathrm{d}t}f(t)]=sF(s)−f(0)L[dtdf(t)]=sF(s)−f(0)
2020-08-15 21:22:07
560
原创 常微分方程 $4 线性微分方程组
§4 线性微分方程组C1 解的结构1）一阶线性微分方程组：简记为x⃗′=A(t)x⃗+f⃗(t)\vec x' = A(t) \vec x +\vec f(t)x′=A(t)x+f(t){x⃗1′=a11(t)x⃗1+a12(t)x⃗2+⋯+a1n(t)x⃗n+f⃗1(t)x⃗2′=a21(t)x⃗1+a22(t)x⃗2+⋯+a2n(t)x⃗n+f⃗2(t)⋯⋯x⃗n′=an1(t)x⃗1+an2(t)x⃗2+⋯+ann(t)x⃗n+f⃗n(t)\begin{cases}\vec x_1' =
2020-08-15 21:21:22
827
原创 应用随机过程 $5 更新过程
§5 更新过程C1 更新过程1）更新过程：时间到达间隔X(t)X(t)X(t)独立同分布(FFF)的计数过程N(t)N(t)N(t)避免平凡情形，令P{Xn=0}<1P\{X_n=0\}<1P{Xn=0}<1，记Sn=∑i=1nXiS_n=\sum\limits_{i=1}^nX_iSn=i=1∑nXi，则N(t)=max{n∣Sn≤t}N(t) = \max\{n|S_n\le t\}N(t)=max{n∣Sn≤t}以概率1有N(t)<∞N(t)&l
2020-08-11 20:35:45
1420
原创 应用随机过程 $4 连续Markov
§4 连续MarkovC1 连续Markov1）连续Markov：P{X(t+s)=j∣X(t)=i,X(u)=x(u),u∈[0,s)}=P{X(t+s)=j∣X(t)=i}P\{X(t+s) = j|X(t) = i ,X(u)=x(u),u\in[0,s)\}=P\{X(t+s)=j|X(t) =i\}P{X(t+s)=j∣X(t)=i,X(u)=x(u),u∈[0,s)}=P{X(t+s)=j∣X(t)=i}状态连续停留时间∼e(vi)\sim e(v_i)∼e(vi)，viv_ivi称
2020-08-10 12:41:03
565
原创 数值分析 $4 最小二乘法
§4 最小二乘最小二乘问题：最小化余项∥b−Ax∥\Vert b-Ax \Vert∥b−Ax∥，解xˉ\bar xxˉ称为最小二乘解C1 法线方程法1）不一致方程组：无解方程组2）法线方程：ATAx=ATbA^TAx = A^TbATAx=ATb推导：超平面AxAxAx中距离bbb最近的xˉ\bar xxˉ满足：∀x:b−Axˉ⊥Ax ⟹ ∀x:(Ax)T(b−Axˉ)=xTAT(b−Axˉ)\forall x:b - A\bar x \perp Ax\implies \forall
2020-08-10 11:12:44
427
原创 运筹学 $5约束极值
§5 约束极值C1 最优性条件1）非起作用约束：当前可行解不在约束边界的约束如g(X0)>tg(X_0)\gt tg(X0)>t满足g(X0)≥tg(X_0)\ge tg(X0)≥t但不在边界上2）可行方向：∃λ:X0+λD∈R ⟺ \exist\lambda:X_0+\lambda D\in R\iff∃λ:X0+λD∈R⟺对于所有起作用约束∇g(X0)TD≥0\nabla g(X_0)^TD\ge 0∇g(X0)TD≥03）下降方向：若∃δ∀λ∈[0,δ]f(X0+
2020-08-05 23:17:04
522
原创 运筹学 $4 无约束优化
§4 无约束优化C1 无约束问题1）问题模型：{minf(X)gi(X)≥0\begin{cases} \min f(X)\\g_i(X)\ge 0\end{cases}{minf(X)gi(X)≥0线性规划问题的最优解总在边界上取得，但非线性规划可在可行域内某一点取得2）凸规划：f(X)f(X)f(X)凸，g(X)g(X)g(X)凹可行域为凸集局部最优即全局最优最优解是凸集，当f(X)f(X)f(X)严格凸时唯一C2 下降迭代法1）下降迭代：使用迭代方式逐步减少f(X(k)
2020-08-05 04:05:17
449
原创 决策论基础
§ 决策论决策分类：按决策粒度：定量决策与定性决策按决策环境：确定型，风险型，不确定型按决策连续性：单项决策，序贯决策C1 不确定型决策1）不确定性：未知决策环境，如销量情况未知2）决策矩阵：不同决策为行和不同决策环境为列的收益矩阵3）悲观主义：maxjminiaij\max\limits_j \min\limits_i a_{ij}jmaximinaij准则4）乐观主义：maxjmaxiaij\max\limits_j \max\limits_i a_{ij}jma
2020-08-05 03:59:06
834
原创 数值分析 $2方程组
§2 方程组C1 高斯消去法1）高斯消去法：利用行变换将系数矩阵化为下三角矩阵之后，再化为对角矩阵共需要进行n(n−1)2+n\frac{n(n-1)}{2}+n2n(n−1)+n次行变换，O(n3)O(n^3)O(n3)，回代过程O(n2)O(n^2)O(n2)aiia_{ii}aii称为主元，若算法过程中主元为0，算法终止2）LU分解法：写出高斯消去法的行变换逆矩阵LLL，得A=LUA=LUA=LU，先求解Ly=bLy = bLy=b得到yyy。再求解Ux=yUx=yUx=y得到xxx
2020-08-01 19:34:51
287
原创 随机过程 $3泊松过程
§3 泊松过程C1 指数分布1）无记忆性：∀s,t>0:P{X>s+t∣X>s}=P{X>t}\forall s,t\gt 0:P\{X\gt s+t|X\gt s\}=P\{X\gt t\}∀s,t>0:P{X>s+t∣X>s}=P{X>t}X∼e(λ):E[X−t∣X>t]=EXX\sim e(\lambda): E[X-t|X\gt t]=EXX∼e(λ):E[X−t∣X>t]=EX指数分布是唯一满足无记忆性的分布证明：F
2020-08-01 13:40:31
431
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人