第十七届“华中杯”大学生数学建模挑战赛题目A题 晶硅片产销策略优化 完整成品 代码 模型 思路 分享
近年来，高纯度晶硅片需求的增长引发了更激烈的市场竞争。晶硅片企业需要在成本控制、利润优化和供需管理之间取得平衡，以提高经营效率和市场竞争力。晶硅片的生产是一个高能耗、高成本的过程，企业效益会受到原材料价格波动、市场需求变化以及环保政策的影响。具体来说，企业需要考虑硅单耗(每单位产品(100片硅片为单位)所消耗的硅棒量)、耗材价格(如化学试剂、电力、水等消耗品成本)、生产变动成本(如设备维护、原材料采购成本)、生产公用成本(公用药剂、供热等公用设施费用)和人工成本等的影响。此外，企业的利润不仅受到生产成本的影响，还与销售量、销售费用、管理费用和财务费用等因素的密切相关。
本题要求参赛队从四种型号品硅片(简称:四型硅片)的销量、售价与单品方棒进价等重要决策变量入手，优化企业经营决策，提高企业利润。附件1详细说明了企业利润和各变量相互之间的关系，附件2给出了某企业2024年1至8月的相关数据，并在表格中嵌入了数据之间的计算关系。请建立数学模型(不考虑库存)，解决以下问题:问题1:请建立便于企业进行决策分析的月利润计算模型，该模型需要重点考虑四型硅片的销量、售价、单晶方棒以及影响企业利润的其他重要决策因子问题2:请建立数学模型，预测企业四型硅片的月销量、售价、单品方棒价格以及其他重要因子取值的波动趋势，推测因子合理变化区间:再利用所建立的模型预测9月份各因子的波动趋势和变化区间。
请建立数学模型(不考虑库存)，解决以下问题:
问题1:请建立便于企业进行决策分析的月利润计算模型，该模型需要重点考虑四型硅片的销量、售价、单品方棒以及影响企业利润的其他重要决策因子
在本问题中，我们将围绕企业生产的四种型号晶硅片的运营数据，构建一个能适用于任意月份的利润计算模型。该模型应涵盖销售收入、变动成本、公用成本、人工成本以及销售、管理、财务三项费用等核心构成，力求以较小的参数集实现对企业运营的完整刻画。
5.1 销售收入模型
企业当月的销售收入为四类晶硅片的销量与售价之乘积之和：
其中，四种型号产品的售价和销量由附件2提供，单位分别为“元/百片”和“百片”。
5.2 变动成本模型
变动成本是指随产量变化而线性增长的成本项，主要包括：
单晶硅棒原材料成本、电力成本、各阶段的主要耗材成本、副产物硅泥带来的成本抵扣
1. 单晶硅棒原材料成本：
单位产品原材料成本为硅棒单耗与硅棒单价之积：
总原材料成本为：
2. 电力成本：
电耗由每百片硅片耗电量与电价决定：
总电力成本为：
3. 耗材成本：
各型号产品在粘胶、切割、清洗、包装等阶段均有多种耗材，每种耗材的单位成本可表达为：
四型硅片的总耗材成本：
4. 硅泥收益（用于抵扣）：
在生产过程中产生的副产品“硅泥”可以销售抵扣成本：
变动成本
5.3 生产公用成本模型
该部分成本包括水、电等能源以及通用耗材费用，由各类用量与单价的乘积之和给出：
如：美纹胶带、无水乙醇、自来水、基础电费等，可从附件2查得当月数据。
5.4 人工成本模型
人工成本由固定人工成本与浮动人工成本两部分组成。
1. 固定人工成本：
主要包括基本工资、社保公积金、管理人员浮动工资、安环人员工资与年终奖提取：
2. 浮动人工成本：
按照生产量计件发放工资，不同型号硅片的单位计件工资不同：
人工总成本为：
5.5销售费用、管理费用与财务费用（三费）
此类费用并不直接与产量挂钩，一般每月固定或弱波动。设其当月金额分别为
，则：
企业可将其直接读入模型，或通过趋势模型在后续进行预测。
5.6 利润总模型
在上述各子模型基础上，企业每月的利润为：
将其展开后为：
5.7 模型求解与分析
为了准确评估企业晶硅片生产经营活动的盈利能力，我们基于2024年1月至8月的历史数据，利用构建的利润计算模型对各月的销售收入、总成本及利润进行了系统计算与趋势分析。图5-1展示了企业在该阶段的销售收入、总成本与利润曲线，能够清晰反映出企业运营状况的变化趋势。
图5-1趋势分析
从图形走势来看，企业的销售收入整体呈现稳步上升趋势，由年初的约64,000元增长至8月的87,000元左右，增幅超过35%。这主要得益于销量增长与单位售价提升的叠加效应，其中销量从12,000百片上升至15,000百片，而售价也从5.2元提升至5.8元，体现了企业在扩大市场份额与维持较高单价之间取得了良好平衡。
与此同时，总成本也呈现出类似的增长趋势，2024年1月为约447,000元，至8月上升至接近498,000元。这种成本增加一方面来自于产量提升所带来的原材料、电力与耗材消耗的增长，另一方面也反映了部分人工成本与三费的自然上涨。然而，从图中可以看出，总成本的增长幅度大于销售收入，这导致了利润线整体处于负值区间，并呈现一定的震荡波动。
表5-1 各月核心财务数据汇总
| 月份 | 销量（百片） | 售价（元） | 销售收入（元） | 成本（元） | 利润（元） |
| Jan-24 | 12,000 | 5.2 | 62,400 | 447,312.00 | -384,912.00 |
| Feb-24 | 13,000 | 5.3 | 68,900 | 469,732.60 | -400,832.60 |
| Mar-24 | 12,500 | 5.1 | 63,750 | 470,450.00 | -406,700.00 |
| Apr-24 | 13,500 | 5.4 | 72,900 | 491,596.50 | -418,696.50 |
| May-24 | 14,000 | 5.5 | 77,000 | 492,774.00 | -415,774.00 |
| Jun-24 | 13,800 | 5.6 | 77,280 | 468,212.00 | -390,932.00 |
| Jul-24 | 14,500 | 5.7 | 82,650 | 497,712.00 | -415,062.00 |
| Aug-24 | 15,000 | 5.8 | 87,000 | 497,440.00 | -410,440.00 |
问题 2:请建立数学模型，预测企业四型硅片的月销量、售价、单品方棒价格以及其他重要因子取值的波动趋势，推测因子合理变化区间:再利用所建立的模型预测9月份各因子的波动趋势和变化区间。
在现代晶硅片制造行业中，生产策略的调整不仅依赖于当前的成本与利润分析，更取决于对未来市场环境与生产要素的准确预判。影响企业利润的关键因子如销量、售价、原材料价格、电价、硅棒单耗等，均存在随时间变化的趋势性和波动性。若能科学地预测这些变量在未来月份的取值及其合理波动区间，企业便可据此制定更具前瞻性的生产和销售策略，从而在市场竞争中占据主动。
6.1 时间序列模型设计
6.1.1 线性趋势回归模型
若某因子随时间呈现出较强的单调趋势（如销量逐月上升），可用线性回归进行建模。设时间序列
t=1,2,...,8表示2024年1月至8月，对应某变量xt
则有：
预测误差的标准差为：
其中s为回归残差标准差，可用于构建置信区间：
常用95%置信度下，
。
6.1.2 移动平均模型（MA）
6.2各变量预测模型实施
....
根据预测模型的计算结果，9月份各关键变量的预测值如下表所示：
表6-1 9月份各关键变量的预测值表
| 变量 | 单位 | 2024年9月预测值 |
| 销量（Sales） | 百片 | 15,300 |
| 售价（Price） | 元/百片 | 5.87 |
| 硅棒单价 | 元/kg | 29 |
| 电价 | 元/kWh | 0.825 |
| 硅棒单耗（Waste） | kg/百片 | 1.014 |
问题 3:一般来说，售价越低，销量就越大;产量越大，企业固定成本平均到单位产品上的份额就越低，变动成本的波动也会影响企业利润。众多因子之间的相互制约与冲突让企业很难决策下个月的生产计划与销售策略。请建立能够辅助决策优化企业利润的数学模型，并依据模型的计算结果，给出9月份的生产计划与销售预案。
问题 4:由于销量、售价以及原材料、重要耗材的价格会受到政策与市场等综合因素的影响，单独根据企业内部数据的建模难以得出上佳的产销策略。若能在前述数学模型的基础上，借助大语言模型的综合分析能力，建立一个综合考虑多方面因素的智能模型，便能为企业提供更好的决策支持。
完整正文：
A题 晶硅片产销策略优化
摘 要
在“双碳”战略引领与新能源产业高速发展的背景下，晶硅片制造企业面临产能调整、价格波动与成本控制等多重压力，亟需构建科学化、数据驱动的决策模型提升其产销效益。本文以某企业四型晶硅片的生产数据为基础，依托利润建模、变量预测、优化求解与智能交互等技术路径，开展系统的数学建模研究。
针对问题一，我们建立了基于成本构成与收入项的月度利润计算模型，系统刻画了影响企业盈利水平的核心变量结构，揭示出硅棒单耗、电价与销量变化对利润波动的关键影响，明确了企业当前运营中存在的亏损风险与成本瓶颈。
针对问题二，我们建立了线性回归与滑动平均结合的时间序列预测模型，实现对销量、售价、硅棒单价、电价与单位硅棒消耗等关键指标的9月份趋势预测，输出合理波动区间，为后续优化策略提供了边界条件与参考依据。
针对问题三，我们建立了以利润最大化为目标的非线性规划优化模型，将销量与售价关联机制引入目标函数，构建产量与定价的双重决策模型，并通过SLSQP方法求解，输出四型产品的最优售价与对应产量组合，企业预计可实现当月利润达63,000元以上。
针对问题四，我们构建了融合大语言模型（LLM）能力的智能产销优化系统框架，设计了“自然语言输入—变量解析—模型构建—结果反馈”的智能闭环，支持用户通过语言指令动态调整约束、偏好与目标函数，显著提升了决策的交互性、可解释性与自适应能力。
本文通过构建“预测—优化—智能决策”一体化模型体系，不仅为企业提供了量化管理工具，也为未来产销决策的智能化、平台化提供了可推广的范式参考。
关键词：晶硅片；利润优化；时间序列预测；非线性规划；大语言模型；智能决策系统
完整获取方式如下：👇👇👇👇👇👇
相关文章：
第十七届“华中杯”大学生数学建模挑战赛题目A题 晶硅片产销策略优化 完整成品 代码 模型 思路 分享
近年来，高纯度晶硅片需求的增长引发了更激烈的市场竞争。晶硅片企业需要在成本控制、利润优化和供需管理之间取得平衡，以提高经营效率和市场竞争力。晶硅片的生产是一个高能耗、高成本的过程，企业效益会受到原材料价格波动、市场需求变化以及…...
java 设计模式之单例模式
简介 单例模式：一个类有且仅有一个实例，该类负责创建自己的对象，同时确保只有一个对象被创建。 特点：类构造器私有、持有自己实例、对外提供获取实例的静态方法。 单例模式的实现方式 饿汉式 类被加载时，就会实例…...
新能源汽车能量流测试的传感器融合技术应用指南
第一部分：核心原理模块化拆解 模块1：多源传感器物理层融合 关键技术： 高精度同步采集架构 采用PXIe-8840控制器同步定时模块（NI PXIe-6674T），实现CAN/LIN/模拟量信号的μs级同步光纤电压传感器࿰…...
高级java每日一道面试题-2025年4月11日-微服务篇[Nacos篇]-Nacos使用的数据库及其数据同步机制是什么？
如果有遗漏,评论区告诉我进行补充 面试官: Nacos使用的数据库及其数据同步机制是什么？ 我回答: Nacos 使用的数据库及其数据同步机制详解 在微服务架构中，Nacos 作为服务注册与配置管理的核心组件，其数据存储和同步机制对系统的高可用性和…...
音视频相关协议和技术内容
视频编解码： H264（AVC,MPEG-4 Part 10） 高压缩率，支持多种分辨率和帧率，用于在线流媒体、会议、数字电视 编码过程： 分块处理，将视频帧划分为宏块（16x16）使用帧预测和…...
)
SpringBoot整合Rabbitmq(包括docker配置Rabbitmq的详细过程)
一、什么是mq MQ(message queue)，从字面意思上看就个 FIFO 先入先出的队列，只不过队列中存放的内容是 message 而已，它是一种具有接收数据、存储数据、发送数据等功能的技术服务。 在互联网架构中，MQ 是一种非常常见的上下游“逻…...
20个常用的初级Java笔试题及其参考答案
### 1. Java基本数据类型有哪些？ - **答案**：Java中的基本数据类型有： - `byte`：8位 - `short`：16位 - `int`：32位 - `long`：64位 - `float`：32位 - `double`：64位 - `char`：16位（Unicode字符） - `boolean`：表示真或假（没有固定大小） ### 2. Java中的字符串是可…...
矫平机：工业制造的精密“雕刻师”
在金属加工的浩瀚图景中，矫平机犹如一位沉默的雕塑大师，用机械的精准与科学的智慧，将扭曲变形的板材重塑为工业艺术的杰作。从新能源电池极片到空间站耐压舱体，矫平工艺贯穿现代制造的每一处精度巅峰。 一、核心技术：从…...
mysql+pandas)
游戏数据分析，力扣（游戏玩法分析 I~V)mysql+pandas
力扣的游戏玩法分析 I~V， ps：虽然表结构不变但是力扣输入示例数据有些许变化，所以你使用上一题的数据跑下一题的代码可能产生的结果和示例中的不一样，建议点击连接到力扣中直接运行！ 目录 1. 游戏玩法分析 I mysql …...
C++之哈希
目录 一、unordered_set 1.1、unordered_set的介绍 1.2、unordered_set和set的使用差异 二、unordered_map 2.1、unordered_map和map的差异 2.2、unordered_multimap/unordered_multiset 三、哈希表 3.1、哈希概念 3.1.1、直接定地址法 3.1.2、哈希冲突 3.1.3、负载…...
DSP、MCU、FPGA 的详细总结
一、核心定义与特点 类型定义核心特点DSP（数字信号处理器）专为高速数字信号处理设计的处理器- 哈佛架构，单周期乘加（MAC） - 实时性强，低延迟处理流式数据 - 专用指令集优化算法（如FFT、滤波&am…...
linux学习 3.用户的操作
用户 建议在系统操作的时候不要一直使用root用户，因为root用户具有最高权限，你可能因为某些操作影响了你的系统，采用子用户则可以避免这一点 这里的学习不用太深入，掌握如何创建删除切换即可(除非你要做详细的用户管理࿰…...
闭坑-- `a-auto-complete` 组件中的 `options` 数据存在重复
当 ant-design 的 a-auto-complete 组件中的 options 数据存在重复时，可能会导致以下问题： 1. 交互问题 键盘导航失效： 使用键盘上下键选择时，可能会在重复项之间跳转，无法正常移动到下一个选项。选择结果不准确&…...
【Rust基础】使用Rocket构建基于SSE的流式回复
背景 我们正在使用Rust开发基于RAG的知识库系统，其中对于模型的回复使用了常用的SSE，Web框架使用Rocket，Rocket提供了一个简单的方式支持SSE，但没有会话保持、会话恢复等功能，因此我们自己简单实现这两个功能。 使用R…...
一种改进的CFAR算法用于目标检测（解决多目标掩蔽）
摘要 恒虚警率（CFAR）技术在雷达自动检测过程中起着关键作用。单元平均（CA）CFAR算法在几乎所有的多目标情况下都会受到掩蔽效应的影响。最小单元平均（SOCA）CFAR算法仅当干扰目标位于参考窗口的前后方时才具有…...
什么是人工智能芯片？
行业专家指出，许多智能设备和物联网设备都是由某种形式的人工智能(AI)驱动的——无论是语音助理、面部识别摄像头，还是电脑。这些设备需要采用某种技术为它们进行的数据处理提供支持。有些设备需要在云平台的大型数据中心处理数据，而也有一些…...
0.深入探秘 Rust Web 框架 Axum
在当今的 Web 开发领域，Rust 凭借其出色的性能、内存安全性和并发处理能力，正逐渐崭露头角。而 Axum 作为 Rust 生态系统中一款备受瞩目的 Web 框架，更是为开发者提供了高效、灵活且强大的工具，用于构建现代化的 Web 应用程序。本…...
深度监听 ref 和 reactive 的区别详解
深度监听 ref 和 reactive 的区别详解 一、ref 的深度监听（示例代码）关键点：1. ref 的存储方式：2. 监听 ref 的特性 二、reactive 的深度监听（示例代码）关键点：1. reactive 的深度响应性2. 监听…...
面向对象—有理数类的设计
目录 1.代码呈现 1.1编写toString、equals方法 1.2测试代码 1.3有理数类的代码 2.论述题 3.有理类设计 1.代码呈现 1.1编写toString、equals方法 (1)toString方法 Overridepublic String toString(){if(this.v20){return "Undefined";}return this.v1 "/…...
OpenHarmony Camera开发指导（四）：相机会话管理（ArkTS）
概述 相机在使用预览、拍照、录像、获取元数据等功能前，都需要先创建相机会话。 相机会话Session的功能如下： 配置相机的输入流和输出流。 配置输入流即添加设备输入，通俗来讲即选择某一个摄像头进行拍照录像；配置输出流&#x…...
，CPUIdle 和 ARM的PSCI)
Linux电源管理(三)，CPUIdle 和 ARM的PSCI
更多linux系统电源管理相关的内容请看：Linux电源管理、功耗管理 和 发热管理 (CPUFreq、CPUIdle、RPM、thermal、睡眠 和 唤醒)-CSDN博客 1 简介 Linux下的空闲进程cpuidle在内核中是一个子系统。cpuidle子系统所需要做的事情就是在CPU进入idle状态后，…...
【测试工具】JMeter使用小记
JMeter 使用小记 下载与安装 jdk 下载地址：https://www.oracle.com/java/technologies/downloads/#jdk18-windowsJMeter 下载地址：https://jmeter.apache.org/download_jmeter.cgi 教程参考：JMeter下载及安装详细教程-CSDN博客 设置中文界…...
Obsidian的简单使用
一、安装并配置仓耳今楷字体 优化阅读体验，个人实测觉得正文用 仓耳今楷04-W03最合适（前面的数字代表字体，数字越大，越偏向于楷体，而01就很像黑体。后面的数字代表粗细，正常粗细是W03，最粗是W0…...
docker的基础知识
Docker https://www.yuque.com/leifengyang/sutong 下载镜像 检索： docker search下载: docker pull列表: docker images删除 docker rmi启动容器 运行： docker run查看： docker ps停止： docker stop启动： …...
PcVue助力立讯：精密制造的智能化管控实践！
PcVue助力立讯： 精密制造的智能化管控实践！ 客户介绍 立讯精密（Luxshare ICT，股票代码：002475）成立于2004年5月24日，专注于为消费电子产品、汽车领域产品以及企业通讯产品提供从核心零部件、…...
深度学习-157-Dify工具之创建知识库
文章目录 1 硅基流动1.1 模型广场1.1.1 对话模型(免费)1.1.2 嵌入模型(免费)1.1.3 重排序模型(免费)1.2 模型调用1.2.1 文本对话1.2.2 文本嵌入2 构建知识库2.1 准备文档2.2 点击创建知识库2.3 设置嵌入参数2.4 召回测试3 创建聊天助手3.1 仅使用大模型3.2 结合知识库的大模型3…...
Oracle--安装Oracle Database23ai Free
前言：本博客仅作记录学习使用，部分图片出自网络，如有侵犯您的权益，请联系删除 官方文档： Get Started with Oracle Database 23ai | Oracle 一、安装的环境要求 本文同步使用Oracle Linux9的虚拟机进行操作 1、Orac…...
【JavaEE初阶】多线程重点知识以及常考的面试题－多线程进阶（三）
本篇博客给大家带来的是集合类在多线程下的使用和死锁的知识点还包括常见的面试题. 🐎文章专栏: JavaEE初阶 🚀若有问题 评论区见 ❤ 欢迎大家点赞 评论 收藏 分享 如果你不知道分享给谁,那就分享给薯条. 你们的支持是我不断创作的动力 . 王子,公主请阅&…...
【verilog】多个 if 控制同一个变量（后面会覆盖前面）非阻塞赋值真的并行吗？
非阻塞赋值 (<) 是“并行”的，但是代码顺序会影响结果？”这正是 Verilog 的硬件描述本质 vs 行为语义之间的微妙之处。 💡1. 非阻塞赋值真的并行吗？ 是的！非阻塞赋值 < 从行为上是并行的，也就是说&a…...
C++事件驱动编程从入门到实战：深入理解与高效应用
C事件驱动编程从入门到实战：深入理解与高效应用 在现代软件开发中，事件驱动编程（Event-Driven Programming）作为一种流行的编程范式，被广泛应用于图形用户界面（GUI）、网络通信、游戏开发等众多…...
问题 ｜ MATLAB比Python更有优势的特定领域
以下是关于MATLAB在特定领域相较于Python的优势的详细分析，结合其核心功能、行业应用及技术特性展开论述： 一、科学研究与工程计算 1. 数值计算的高效性 MATLAB的核心设计围绕矩阵运算展开，其底层对线性代数和数值计算进行了深度优化。例如…...
微服务)
黑马商城项目(三)微服务
一、单体架构 测试高并发软件 二、微服务 三、SpringCloud 四、微服务拆分 黑马商城模块： 服务拆分原则： 拆分服务： 独立project： maven聚合： 拆分案例： 远程调用： package com.hmall.cart.…...
Qt界面卡住变慢的解决方法
本质原因: 当Qt界面出现卡顿或无响应时，通常是因为主线程（GUI线程）被耗时操作阻塞。 完全忘了。。。 Qt Creater解决方法 1. 定位耗时操作 目标：找到阻塞主线程的代码段。 方法： 使用QElapsedTimer测量代码执行时间…...
Flutter的原理及美团的实践（下）
Flutter的原理及性能实践 Flutter和原生性能对比 虽然使用原生实现（左）和Flutter实现（右）的全品类页面在实际使用过程中几乎分辨不出来： 但是我们还需要在性能方面有一个比较明确的数据对比。 我们最关心的两个页面…...
时序预测 | Matlab实现基于VMD-WOA-ELM和VMD-ELM变分模态分解结合鲸鱼算法优化极限学习机时间序列预测
时序预测 | Matlab实现基于VMD-WOA-ELM和VMD-ELM变分模态分解结合鲸鱼算法优化极限学习机时间序列预测 目录 时序预测 | Matlab实现基于VMD-WOA-ELM和VMD-ELM变分模态分解结合鲸鱼算法优化极限学习机时间序列预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 1.Matlab…...
【云安全】云原生- K8S IngressNightmare CVE-2025-1974（漏洞复现完整教程）
漏洞原理 CVE-2025-1974: The IngressNightmare in Kubernetes | Wiz Blog 分两方面： a、配置注入过程 构造一个恶意的Ingress资源，其中注入ssl_engine指令指向恶意共享库向准入控制器验证端点（AdmissionWebhook）发送Admissio…...
Tomcat与Servlet（2）
上篇文章： Tomcat与Servlethttps://blog.csdn.net/sniper_fandc/article/details/147278469?fromshareblogdetail&sharetypeblogdetail&sharerId147278469&sharereferPC&sharesourcesniper_fandc&sharefromfrom_link 上篇文章介绍了To…...
在高数据速度下确保信号完整性的 10 个关键策略
随着越来越多的传感器连接到系统，需要快速、可靠和安全地传输更多数据，对带宽和设计复杂性的需求也在增加。优先考虑的是确保从 A 发送到 B 的信号不会失真。 确保信号完整性 对于设计依赖于持续准确数据流的数据密集型应用程序的工程师来说，…...
2025华中杯数学建模B题完整分析论文（共42页）（含模型、数据、可运行代码）
2025华中杯大学生数学建模B题完整分析论文 目录 一、问题重述 二、问题分析 三、模型假设 四、 模型建立与求解 4.1问题1 4.1.1问题1解析 4.1.2问题1模型建立 4.1.3问题1样例代码（仅供参考） 4.1.4问题1求解结果（仅供参考&am…...
UE5 自带的视频播放器
文章目录 文件夹准备添加一个文件媒体源方法1方法2 添加一个视频播放器播放视频直接播放使用网格体播放使用UI播放 播放视频的音乐媒体播放器常用的节点设置循环是用绝对路径播放视频，视频无需导入注册播放完成事件 文件夹准备 视频必须被放在Content/Moveis文件下…...
是德科技E5080B网络分析仪深度评测：5G/车载雷达测试实战指南
是德科技E5080B网络分析仪（ENA系列）是一款高性能射频测试仪器，广泛应用于通信、航空航天、半导体等领域，以下是其核心功能详解： 一、核心测试功能 多参数网络分析 S参数测量：支持全双端口S参数测试…...
javaSE————网络编程套接字
网络编程套接字~~~~~ 好久没更新啦，蓝桥杯爆掉了，从今天开始爆更嗷； 1，网络编程基础 为啥要有网络编程呢，我们进行网络通信就是为了获取丰富的网络资源，说实话真的很神奇，想想我们躺在床上&a…...
力扣349 == 两个数组交集的两种解法
目录 解法一：利用 Set 特性高效去重 解法二：双重遍历与 Set 去重 方法对比与总结 关键点总结 题目描述 给定两个整数数组 nums1 和 nums2，要求返回它们的交集。输出结果中的每个元素必须是唯一的，且顺序不限。 示例 输入&…...
笔试专题（十）
文章目录 对称之美（双指针）题解代码 连续子数组最大和（线性dp）题解代码 最长回文子序列（区间dp）题解代码 对称之美（双指针） 题目链接 题解 1. 双指针 2. 用left标记左边的字符串…...
YOLOv12即插即用---RFAConv
1.模块介绍 接受域注意卷积（RFAConv）：更聪明地感知空间特征 在传统卷积神经网络中，卷积核参数的共享机制虽有效提升了模型的泛化能力与计算效率，但却忽略了不同空间位置特征在感知范围（即接受域）内的重要性差异。为此，我们提出了一种更具感知能力的模块 —— 接受域注…...
使用datax通过HbaseShell封装writer和reader同步hbase数据到hbase_踩坑_细节总结---大数据之DataX工作笔记008
最近在做大数据相关功能,有个需求,使用datax同步hbase到hbase中,其中还是有很多细节值得记录: 首先来看一下datax的源码中,如果你使用phoenix创建的表,那么 你就需要使用对应的hbase带有sql字样的,reader和writer. 然后如果你使用datax-web来进行测试的,那么,他默认使用的是h…...
Python解决“小D的abc字符变换”问题
小D的“abc”变换问题 问题描述测试样例解题思路代码 问题描述 小D拿到了一个仅由 “abc” 三种字母组成的字符串。她每次操作会对所有字符同时进行以下变换： 将 ‘a’ 变成 ‘bc’ 将 ‘b’ 变成 ‘ca’ 将 ‘c’ 变成 ‘ab’ 小D将重复该操作 k 次。你的任务是输…...
C++学习：六个月从基础到就业——面向对象编程：重载运算符（下）
C学习：六个月从基础到就业——面向对象编程：重载运算符（下） 本文是我C学习之旅系列的第十三篇技术文章，是面向对象编程中运算符重载主题的下篇。本篇文章将继续深入探讨高级运算符重载技术、特殊运算符、常见应用场景和…...
电压模式控制学习
电压模式控制 在开关电源中，大的可分为三大控制模式，分别是电压模式控制，电流模式控制，迟滞模式控制。今天简要介绍下电压模式控制的优缺点。 原理 架构图如下 如图所示，电压模式控制可以分为三部分：误…...
vue3 Ts axios 封装
vue3 Ts axios 封装 axios的封装 import axios, { AxiosError, AxiosInstance, InternalAxiosRequestConfig, AxiosResponse, AxiosRequestConfig, AxiosHeaders } from axios import qs from qs import { config } from ./config import { ElMessage } from element-plus// …...