python:实现奎因－麦克拉斯基算法(附完整源码)

奎因·麦克拉斯基 使用 appcelrator、python、javascript 实现 Quine McClusky 算法 构建和运行 一些指令 一些其他指令

奎因-麦克拉斯基 Quine-McCluskey 算法（或质蕴涵法）是一种用于布尔函数最小化的方法。 现在，如果应该有多个答案，它只会给出一个答案。 很快好转。

奎因-麦克拉斯基 Quine–McCluskey 算法（或质蕴涵项的方法）是一种用于最小化布尔函数的方法，由 WV Quine 开发并扩展为爱德华 J.麦克拉斯基。[1][2][3] 它在功能上与卡诺映射相同，但表格形式使其更有效地用于计算机算法，并且还提供了一种确定性方法来检查是否已达到布尔函数的最小形式。 它有时被称为制表方法。

Quine McCluskey Simplifier(qmcs) 是一种用于简化布尔函数的工具。 通过输入二进制/十进制数据，程序计算主要蕴涵项，然后用于计算基本主要蕴涵项。

Rust 中的简单奎因。 克隆，然后cargo run 。 输出将匹配 src/main.rs。 说明： :

奎因 自引用程序，无需任何外部访问，即可输出自己的源代码 它以研究自然语言中的自引用和引用的哲学家和逻辑学家的名字命名，例如悖论“'在引用之前产生错误'在引用之前产生错误”。 “来源”有两种含义之一。 可以参考基于文本的程序源码。 对于将程序源表示为数据结构的语言，“源”可以指代数据结构：这些语言中的奎因分为两类：打印自己的文本表示形式的程序，或对数据结构求值的表达式，其中相当于那个表达式。 编写 Quine 的常用方法与这个悖论类似：程序由两个相同的部分组成，一个是纯代码，另一个是以某种方式引用（例如，作为字符串或文字数据结构）。 然后，纯代码访问引用的代码并将其打印两次，一次不加引号，一次添加正确的引号。 通常，纯代码和引用代码必须嵌套。

matlab广度优先算法代码反向剪麦奇 组合优化：反向Cuthill Mckee排序算法（RCM） RCM算法 这是用于反向Cuthill Mckee排序算法（RCM）的Matlab代码。 RCM是一种将具有对称稀疏模式的稀疏矩阵置换为带宽小的带矩阵形式的算法。 实际上，与应用高斯消除法的CM命令相比，这通常导致较少的填充。 它从外围节点开始，然后生成级别，直到所有节点耗尽为止。 这些节点以递增的顺序列出。 最后一个细节是广度优先搜索算法的唯一区别。 语境 Cuthill-McKee算法是常用的最重要的重排序技术之一。 该算法是“广度优先搜索”算法的变体。 后者是EFMoore在1950年代中的n年创建的一种参考算法，用于使用the来迭代扫描图形。 Cuthill-Mckee算法基于Elizabeth Cuthill和J. McKee在1969年的贡献。其主要目的是通过对相关图的顶点进行重新编号来减少空心对称矩阵的带宽（即，两个相邻顶点之间的距离）。 。 输入和输出 perm : the output permutation vector A : the initial matrix

并行实现逆Cuthill-Mckee算法 跑步 并行实施逆Cuthill-McKee算法/ ------- inc / ------- lib / ------- src / - - - - 输入/ - - - - 输出/ -------测试人员/ ------- Makefile 构建代码： $ make all 运行代码： $ ./src/v0 $ ./src/v1 $ ./src/v2 $ ./src/v3 或者 $ make run 清理可执行文件和库 $ make clean 可视化运行tester / visualization.py文件。 $ python tester/visualization.py 需要在文件中定义合适的数组大小。 结果 大小= 5000，稀疏度= 0.6 N = 1 N = 2 N = 4 版本0 0.1 -- --