僅僅是普通表達式的話，定義數(shù)據(jù)類型，比如從單精度改為雙精度，如果想保留小數(shù)點位數(shù)，用formatnumber來處理。如果是某個算法的精度，就要復(fù)雜一些，要定義一個誤差，在算法迭代過程中，用while語句判斷計算結(jié)果的殘差是否小于定義的誤差值，至于殘差如何計算，與你的算法有關(guān)
創(chuàng)新互聯(lián)公司成立與2013年，先為絳縣等服務(wù)建站，絳縣等地企業(yè)，進行企業(yè)商務(wù)咨詢服務(wù)。為絳縣企業(yè)網(wǎng)站制作PC+手機+微官網(wǎng)三網(wǎng)同步一站式服務(wù)解決您的所有建站問題。
有許多字符串操作技巧可以幫助你優(yōu)化代碼，以獲得更好的性能。StringBuilder允許你執(zhí)行重復(fù)的字符串操作，取得比手工操作更佳的性能。在本文中，我說明在VB.NET中利用StringBuilder的情況。應(yīng)用StringBuilder的優(yōu)點StringBuilder是一個可修改字符的緩沖器。當你不直接進行字符串操作而應(yīng)用StringBuilder時，與每次重復(fù)生成一個含有修正的新字符串相比，這樣可以獲得更佳的性能。你不能總是希望性能得到提高，因為StringBuilder有少量的過度操作，會將指定字符串的內(nèi)容復(fù)制到StringBuilder中，然后將由StringBuilder得到的結(jié)果值復(fù)制回字符串對象中。在進行二個或更多字符串操作時，我建議使用StringBuilder。（如果只有一項改變，將值復(fù)制進StringBuilder再拷貝出來并不會改善性能。）StringBuilder方法Append：允許你在緩沖器末端增加一個字符串。注意，在應(yīng)用StringBuilder對象時不能使用操作符。 Insert：允許你在StringBuilder對象中增加一個字符串。（就像String.Insert一樣。） Remove：允許你從StringBuilder對象中刪除一個字符串。（就像String.Remove一樣。） Replace：允許你替代StringBuilder對象的一部分。（就像String.Replace一樣。） 實例在列表A的樣本代碼中，我建立一個字符串變量strOriginal來保存原始文本的值。我還定義StringBuilder對象BuilderStr，我將利用它對存儲在srtOriginal中的文本進行字符串操作。定義BuilderStr時，我將它設(shè)定到strOriginal的值中。之后，我操作BuilderStr，給它添加一些文本(“is”, ”very”,” important”)，然后再利用Replace方法去掉”very”這個單詞。（注意，在這個例子中，你使用Remove方法而非Replace方法。）最后，我用BuilderStr.ToString的值更新strOriginal，并在信息框中顯示所得到的字符串。
圖像二值化的目的是最大限度的將圖象中感興趣的部分保留下來，在很多情況下，也是進行圖像分析、特征提取與模式識別之前的必要的圖像預(yù)處理過程。這個看似簡單的問題，在過去的四十年里受到國內(nèi)外學(xué)者的廣泛關(guān)注，產(chǎn)生了數(shù)以百計的閾值選取方法，但如同其他圖像分割算法一樣，沒有一個現(xiàn)有方法對各種各樣的圖像都能得到令人滿意的結(jié)果。
本文針對幾種經(jīng)典而常用的二值發(fā)放進行了簡單的討論并給出了其vb.net 實現(xiàn)。
1、P-Tile法
Doyle于1962年提出的P-Tile (即P分位數(shù)法)可以說是最古老的一種閾值選取方法。該方法根據(jù)先驗概率來設(shè)定閾值，使得二值化后的目標或背景像素比例等于先驗概率，該方法簡單高效，但是對于先驗概率難于估計的圖像卻無能為力。
2、OTSU 算法（大津法）
OSTU算法可以說是自適應(yīng)計算單閾值（用來轉(zhuǎn)換灰度圖像為二值圖像）的簡單高效方法。1978 OTSU年提出的最大類間方差法以其計算簡單、穩(wěn)定有效，一直廣為使用。
3、迭代法（最佳閥值法）
(1)． 求出圖象的最大灰度值和最小灰度值，分別記為Zl和Zk，令初始閾值為：
(2)． 根據(jù)閾值TK將圖象分割為前景和背景，分別求出兩者的平均灰度值Z0和ZB:
式中，Z(i,j）是圖像上(i,j)點的象素值，N(i,j)是(i,j)點的權(quán)值，一般取1。
(3)． 若TK=TK+1，則所得即為閾值，否則轉(zhuǎn)2，迭代計算。
4、一維最大熵閾值法
它的思想是統(tǒng)計圖像中每一個灰度級出現(xiàn)的概率 ，計算該灰度級的熵 ,假設(shè)以灰度級T分割圖像，圖像中低于T灰度級的像素點構(gòu)成目標物體（O），高于灰度級T的像素點構(gòu)成背景（B），那么各個灰度級在本區(qū)的分布概率為：
O區(qū)： i=1,2……,t
B區(qū)： i=t+1,t+2……L-1
上式中的 ,這樣對于數(shù)字圖像中的目標和背景區(qū)域的熵分別為：
對圖像中的每一個灰度級分別求取W=H0 +HB，選取使W最大的灰度級作為分割圖像的閾值，這就是一維最大熵閾值圖像分割法。
看了你說遞歸的效率低。那么你可以不用的。
給出的方法就是先生成第一個排列，然后每次調(diào)用下面的函數(shù)給出下一個排列，這樣生成的效率很高，這個函數(shù)可以內(nèi)聯(lián)。
這個是很經(jīng)典的排列組合算法??？在網(wǎng)上能搜到一大堆。
大概是那種帶指向的移動的算法。我給你搜一個吧。
我找了幾個，這個是我覺得說的比較清楚的，你可以仔細參考一下，看不懂的話再搜點別的好了。。
全排列的算法跟這個不太一樣的。需要有點改動的。
至于語言的話，應(yīng)該不會有太大問題吧。。basic版的確實比較少，現(xiàn)在我也比較懶不想動手寫。。還是要靠你自己啦。
★生成排列的算法：
比如要生成5，4，3，2，1的全排列，首先找出一個最小的排列12345, 然后依次調(diào)用n!次STL算法中的next_permutation()即可輸出所有的全排列情況。所以這種算法的細節(jié)就是STL algorithm中next_permutation()的實現(xiàn)機制。詳細的實現(xiàn)代碼，大伙可以參考侯捷的《STL源代碼剖析》，在這里我只說一下我的理解：
1 首先從最尾端開始往前尋找兩個相鄰元素，令第一個元素為*i,第二個元素為*ii，且滿足*i*ii，找到這樣一組相鄰的元素后。
2 再從最尾端開始往前檢驗，找出第一個大于*i的元素，令為*k，將i,k元素對調(diào)。
3 再將ii及ii之后的所有元素顛倒排列，此即所求之"下一個"排列。
prev_permutation()算法的思路也基本相同，只不過它們尋找的"拐點"不同，在next_permutation()算法中尋找的是峰值拐點，而在prev_permutation()算法中尋找的是谷值拐點。另外，在第二步中，prev_permutation()要找的是第一個小于*i的元素而不是第一個大于*i的元素。
具體例子，有空再舉，現(xiàn)在時間太晚了:)
★生成組合的算法：
如下面截圖所示，分全組合和r-組合兩種情況。
這里有一段核心代碼：
//--------------------------------------------------------
// Generate next combination (algorithm from Rosen p. 286)
//--------------------------------------------------------
public int[] getNext () {
if (numLeft.equals (total)) {
numLeft = numLeft.subtract (BigInteger.ONE);
return a;
}
int i = r - 1;
while (a[i] == n - r + i) {
i--;
}
a[i] = a[i] + 1;
for (int j = i + 1; j r; j++) {
a[j] = a[i] + j - i;
}
numLeft = numLeft.subtract (BigInteger.ONE);
return a; //這里返回的a數(shù)組，存儲的就是下標的排列組合。
}
到這里，也許大伙會有一個疑問，假如要求的不是數(shù)字的排列組合，而是字符或字符串的排列組合呢？怎么辦？其實很簡單，你只要拿數(shù)組的下標來做排列組合，返回他們下標的排列組合，然后再到原數(shù)組中讀取字符串值，就可以輸出全部的排列組合結(jié)果。
運用多線程技術(shù)把一個任務(wù)分配到幾個線程上讓它們同時處理,這樣會比單線程快很多,不過多線程技術(shù)不是一兩話能說清的,你可以查一下相關(guān)的資料.
重慶分公司
重慶分公司
