最新2017华为2000-3000手机哪个好

推荐一款荣耀 V20，全网通8GB+128GB，华为商城目前售价2399元，手机参数信息如下：

1、屏幕：屏幕尺寸：6.4英寸，屏幕色彩为1670万色，分辨率：FHD+ 2310×1080像素，屏占比为91.82%，高清大屏，魅眼全视屏，沉浸全视界，令你沉浸于精彩纷呈的显示画面中。

cmaedu.com2、拍照：后置摄像头：4800万像素（f/1.8光圈）+TOF立体深感镜头，支持自动对焦，前置摄像头：2500万像素，f/2.0光圈，支持固定焦距，拍照功能：AI拍照、夜景、人像（含背景虚化、美肤、美体）、趣AR(含Qmoji、AR合影、趣味变装、百变背景)、动态照片、拍照、专业拍照、录像、专业录像等，4800万像素摄像头搭配AI超清算法，照片细节放大后依然清晰。

3、性能：采用Magic UI 2.0.1（基于Android 9）系统，搭载新一代AI芯片麒麟980处理器，智慧大脑疾速运转，运行更畅快，玩游戏轻松无压力。

4、电池：电池容量：4000mAh（典型值），标配充电器支持4.5V/5A或5V/4.5A或5V/2A输出，手机理论充电时间约1.5小时，充电时间快，续航时间长。

您可以登录华为商城官网查看更多手机信息，根据个人爱好与需求进行选择。

vc程序设计（遗传算法）

/* 基于基本遗传算法的函数最优化 */

cmaedu.com/* 同济大学计算机系 王小平 2000年5月 */

#includestdio.h

#includestdlib.h

cmaedu.com#includegraphics.h

#includemath.h

cmaedu.com#includetime.h

cmaedu.com#includestring.h

#include "graph.c"

cmaedu.com#include "operator.c"

#define POP_SIZE 25 /* 种群大小 */

cmaedu.com#define G_LENGTH 8 /* 染色体长度 */

cmaedu.com#define C_RATE 0.2 /* 交叉概率 */

cmaedu.com#define M_RATE 0.01 /* 变异概率 */

#define XMAX 255 /* 函数变量最大值 */

cmaedu.com#define X1 350 /* 函数图形区窗口左上点X坐标 */

#define Y1 40 /* 函数图形区窗口左上点Y坐标 */

#define XR1 255 /* 函数图形区窗口长度 */

#define YR1 200 /* 函数图形区窗口高度 */

#define X2 360 /* 适应度图形区窗口左上点X坐标 */

#define Y2 280 /* 适应度图形区窗口左上点Y坐标 */

#define XR2 250 /* 适应度图形区窗口长度 */

#define YR2 100 /* 适应度图形区窗口宽度 */

#define STEP 2 /* 适应度图形区X方向步长 */

cmaedu.comvoid initialize_gene(gene,pop_size,g_length)

/* 种群中个体遗传基因型的初始化 */

cmaedu.comunsigned char *gene; /* 遗传基因 */

cmaedu.comint pop_size; /* 种群大小 */

int g_length; /* 个体染色体长度 */

int i,j;

randomize();

cmaedu.com for(i=0;ipop_size;i++)

cmaedu.com for(j=0;jg_length;j++)

cmaedu.com *(gene+i*g_length+j)=random(2);

int gene_to_pheno(gene,g_length)

cmaedu.com/* 基因型到表现型的变换--解码 */

cmaedu.comunsigned char *gene; /* 基因型 */

int g_length; /* 染色体长度 */

int i,pheno;

cmaedu.com pheno=0;

cmaedu.com for(i=0;ig_length;i++)

cmaedu.com pheno=pheno*2+*(gene+i);

return(pheno);

cmaedu.comvoid calc_fitness(gene,fitness,pop_size,g_length,func, max_fit,avg_fit)

cmaedu.com /* 计算种群中个体的适应度 */

unsigned char *gene; /* 个体的遗传基因 */

cmaedu.comdouble *fitness; /* 个体的适应度 */

cmaedu.comdouble *func; /* 评价函数 */

double *max_fit,*avg_fit; /* 最大适应度与平均适应度 */

cmaedu.comint pop_size; /* 种群大小 */

int g_length; /* 个体染色体长度 */

cmaedu.com unsigned char *g; /* 个体的遗传基因指针变量 */

cmaedu.com int pheno; /* 个体的表现型 */

int i,j;

double f;

*max_fit=0.0;

cmaedu.com *avg_fit=0.0;

f=(double)pop_size;

cmaedu.com for(i=0;ipop_size;i++)

cmaedu.com g=gene+i*g_length;

pheno=gene_to_pheno(g,g_length);

cmaedu.com *(fitness+i)=*(func+pheno);

if(*(fitness+i)*max_fit)

*max_fit=*(fitness+i);

*avg_fit=*avg_fit+*(fitness+i)/f;

void sga_reproduction(gene,fitness,new_gene,new_fitness,pop_size,g_length)

/* 基于个体的适应度评价进行新一代个体的选择(轮盘赌方法)，选择后分别将新的基因型和适应度代入到新个体中 */

unsigned char *gene; /* 当前代的个体遗传基因型 */

cmaedu.comunsigned char *new_gene; /* 新一代的个体遗传基因型 */

double *fitness; /* 当前代的个体适应度 */

double *new_fitness; /* 新一代的个体适应度 */

cmaedu.comint pop_size; /* 种群大小 */

int g_length; /* 染色体长度 */

cmaedu.com double sum_of_fitness;

double border;

double r; /* 轮盘上的选择位置变量 */

int i,j;

cmaedu.com int num;

cmaedu.com sum_of_fitness=0.0;

cmaedu.com for(i=0;ipop_size;i++) /* 轮盘赌的选择循环 */

cmaedu.com sum_of_fitness=sum_of_fitness+*(fitness+i);

cmaedu.com for(i=0;ipop_size;i++)

r=sum_of_fitness*(random(10001)/10000.0);

num=0;

border=*fitness;

cmaedu.com while(borderr)

num++;

border=border+*(fitness+num);

cmaedu.com for(j=0;jg_length;j++)

cmaedu.com *(new_gene+i*g_length+j)=*(gene+num*g_length+j);

*(new_fitness+i)=*(fitness+num);

cmaedu.comvoid sga_crossover(gene,pop_size,g_length,c_rate)

cmaedu.com/* 基本遗传算法的交叉操作--单点交叉 */

cmaedu.comunsigned char *gene; /* 遗传基因 */

int pop_size; /* 种群大小 */

cmaedu.comint g_length; /* 个体染色体长度 */

double c_rate; /* 交叉概率 */

unsigned char *gene1; /* 父个体1的遗传基因指针变量 */

unsigned char *gene2; /* 父个体1的遗传基因指针变量 */

cmaedu.com unsigned char work; /* 中间变量 */

cmaedu.com int i,j;

cmaedu.com int c_pos; /* 交叉位置变量 */

double r; /* 随机数变量 */

cmaedu.com for(i=0;ipop_size-1;i=i+2)

r=random(10001)/10000.0;

cmaedu.com if(r=c_rate)

cmaedu.com gene1=gene+g_length*i;

cmaedu.com gene2=gene1+g_length;

cmaedu.com c_pos=random(g_length-2)+1;

cmaedu.com for(j=c_pos;jg_length;j++) /* 两个父个体之间部分遗传基因的交换 */

cmaedu.com { work=*(gene1+j);

*(gene1+j)=*(gene2+j);

*(gene2+j)=work;

void sga_mutation(gene,pop_size,g_length,m_rate)

cmaedu.com/* 基本遗传算法的变异操作--个体遗传基因按小概率翻转 */

cmaedu.comunsigned char *gene; /* 遗传基因 */

cmaedu.comint pop_size; /* 种群大小 */

cmaedu.comint g_length; /* 染色体长度 */

cmaedu.comdouble m_rate; /* 变异概率 */

cmaedu.com int i,j;

double r;

for(i=0;ipop_size;i++)

cmaedu.com for(j=0;jg_length;j++)

r=random(10001)/10000.0;

cmaedu.com if(r=m_rate) /* 变异发生判断 */

if ( *(gene+g_length*i+j)==0)

cmaedu.com *(gene+g_length*i+j)=1;

else

*(gene+g_length*i+j)=0;

void make_function(func,xmax)

cmaedu.com/* 生成一个函数, 用于最优化计算的目标函数(最大化) */

/* f=∑ai*sin(x* bi+ci) 其中 ai∈[0, 0.35]的均匀随机数

bi∈[2*pi, 5*2*pi] /xmax的均匀随机数

cmaedu.com ci∈[0, 2*pi]的均匀随机数

x∈[0,xmax]为优化变量

cmaedu.com i=1,2,3 */

double *func; /* 函数值 */

cmaedu.comint xmax; /* 变量最大值 XMAX */

cmaedu.com int x,i;

cmaedu.com double a[3],b[3],c[3];

cmaedu.com double pi=3.141592;

cmaedu.com double fxmax,fx,f_value;

cmaedu.com double f_min,f_max,f_mid,f_range;

double dbl;

cmaedu.com randomize();

cmaedu.com fxmax=(double)xmax;

for(i=0;i3;i++) /* 优化函数为三个三角函数之和 */

cmaedu.com a[i]=0.35*(random(10001)/10000.0);

cmaedu.com b[i]=(4*(random(10001)/10000.0)+1)*2.0*pi/fxmax;

cmaedu.com c[i]=2.0*pi*(random(10001)/10000.0);

f_min=1.0;

cmaedu.com f_max=0.0;

cmaedu.com for(x=0;x=xmax;x++) /* 将优化函数正规化为[0,1]区间数 */

cmaedu.com fx=(double)x;

f_value=0.0;

for(i=0;i3;i++)

dbl=b[i]*fx+c[i];

f_value=f_value+a[i]*sin(dbl);

cmaedu.com f_value=f_value+0.5;

cmaedu.com if(f_valuef_max) f_max=f_value;

if(f_valuef_min) f_min=f_value;

*(func+x)=(double)f_value;

f_range=f_max-f_min;

cmaedu.com f_mid=(f_max+f_min)/2.0;

for(x=0;x=xmax;x++)

cmaedu.com f_value=(*(func+x)-f_mid)/f_range+0.5;

if(f_value1.0) f_value=1.0;

else if(f_value0.0) f_value=0.0;

*(func+x)=f_value;

cmaedu.comvoid g_draw_func(func,xmax)

/* 绘制优化函数的图形 */

double *func; /* 函数值 */

int xmax; /* 变量最大值 */

int x,y,x_old,y_old,i;

cmaedu.com double f;

cmaedu.com g_rectangle(X1+1,Y1+1,X1+XR1-1,Y1+YR1-1,0,1);

cmaedu.com g_rectangle(X1+1,Y1-12,X1+XR1,Y1-1,8,1);

cmaedu.com g_rectangle(X1,Y1,X1+XR1,Y1+YR1,6,0);

cmaedu.com x_old=X1;

y_old=Y1+YR1-(int)(*func*YR1);

cmaedu.com f=XR1/(double)xmax;

for(i=1;i=xmax;i++)

cmaedu.com x=X1+(int)(i*f);

cmaedu.com y=Y1+YR1-(int)(*(func+i)*YR1);

cmaedu.com g_line(x_old,y_old,x,y,12);

x_old=x;

y_old=y;

void g_init_grph(func,xmax)

/* 初始化画面的图形 */

double *func; /* 函数值 */

int xmax; /* 变量最大值 */

cmaedu.com int x,y,x_old,y_old,i;

char c[5];

/*初始化函数图形区*/

cmaedu.com g_rectangle(320,0,639,399,8,1);

cmaedu.com g_rectangle(321,1,638,16,8,1);

cmaedu.com disp_hz16("基于基本遗传算法的函数最优化",370,1,15);

disp_hz16("g(x)",X1-30,Y1-18,15);

disp_hz16("1.0",X1-30,Y1,15);

disp_hz16("0",X1-10,Y1+YR1,15);

disp_hz16("x",X1+XR1+10,Y1+YR1-20,15);

disp_hz16("XMAX",X1+XR1-10,Y1+YR1,15);

cmaedu.com g_draw_func(func,xmax);

cmaedu.com /* 初始化适应度图形区 */

cmaedu.com g_rectangle(X2,Y2,X2+XR2,Y2+YR2,0,1);

g_rectangle(X2,Y2,X2+XR2,Y2+YR2,6,0);

cmaedu.com setcolor(15);

cmaedu.com disp_hz16("最大适应度",X2+5,Y2-18,15);

cmaedu.com g_line(X2+90,Y2-10,X2+110,Y2-10,11);

cmaedu.com setcolor(15);

disp_hz16("平均适应度",X2+120,Y2-18,15);

g_line(X2+205,Y2-10,X2+225,Y2-10,9);

setcolor(15);

disp_hz16("世代数",X2+168,Y2+YR2+10,15);

g_text(X2-30,Y2,15,"1.0");

cmaedu.com/* g_text(X2-30,Y2+YR2,15,"0.0");*/

void g_plot_grph(num,gene,fitness,pop_size,g_length,func, xmax,max_fit,m_f_old,avg_fit,a_f_old,gen_num)

/* 随世代进化更新图形 */

cmaedu.comunsigned char *gene; /* 遗传基因 */

double *fitness; /* 适应度 */

double *func; /* 函数值 */

double max_fit,m_f_old; /* 当前代最大适应度，上一代最大适应度 */

cmaedu.comdouble avg_fit,a_f_old; /* 当前代平均适应度，上一代平均适应度 */

int num; /* 当前世代数 */

cmaedu.comint pop_size; /* 种群大小 */

cmaedu.comint g_length; /* 染色体长度 */

int xmax; /* 变量最大值 */

int gen_num; /* 最大世代数 */

cmaedu.com int i,j,x,y,x_old,y_old;

cmaedu.com double f;

cmaedu.com unsigned char *g;

char c[10];

cmaedu.com /* 显示当前世代种群中个体的遗传基因 */

cmaedu.com if(num==gen_num-1)

cmaedu.com for(i=0;ipop_size;i++)

printf("Indv.%2d:",i+1);

for(j=0;jg_length;j++)

cmaedu.com printf("%d",*(gene+i*g_length+j));

printf("==Fitness %.4f\n",*(fitness+i));

printf("Max_fit=%f \n",max_fit);

cmaedu.com printf("Avg_fit=%f \n",avg_fit);

/* 显示个体在函数图形区中的位置 */

cmaedu.com g_draw_func(func,xmax);

cmaedu.com f=XR1/(double)xmax;

for(i=0;ipop_size;i++)

cmaedu.com g=gene+i*g_length;

j=gene_to_pheno(g,g_length);

cmaedu.com x=X1+(int)(j*f);

y=Y1+YR1-*(func+j)*YR1;

cmaedu.com g_line(x,y-10,x,y,15);

/* 适应度曲线的更新 */

cmaedu.com if(num!=1 num=XR2/STEP)

cmaedu.com if(num%10==0) /* 每隔10代更新一次 */

cmaedu.com x=X2+(num-1)*STEP;

cmaedu.com g_line(x,Y2+1,x,Y2+YR2-1,1);

sprintf(c,"%d",num);

cmaedu.com if(num100 || num%20==0)

cmaedu.com g_text(x-8,Y2+YR2,15,c);

x_old=X2+(num-1)*STEP;

x=x_old+STEP;

cmaedu.com y_old=Y2+YR2-(int)(m_f_old*YR2);

y=Y2+YR2-(int)(max_fit*YR2);

cmaedu.com g_line(x_old,y_old,x,y,11);

cmaedu.com y_old=Y2+YR2-(int)(a_f_old*YR2);

y=Y2+YR2-(int)(avg_fit*YR2);

g_line(x_old,y_old,x,y,9);

cmaedu.comvoid generation(gene,fitness,pop_size,g_length, c_rate,m_rate,new_gene,new_fitness,func,xmax)

/* 世代进化的模拟 */

cmaedu.comunsigned char *gene; /* 当前世代的个体遗传基因型 */

unsigned char *new_gene; /* 新一代的个体遗传基因型 */

cmaedu.comdouble *fitness; /* 当前世代的个体适应度 */

cmaedu.comdouble *new_fitness; /* 新一代的个体适应度 */

cmaedu.comdouble *func; /* 优化函数 */

cmaedu.comdouble c_rate,m_rate; /* 交叉概率和变异概率 */

cmaedu.comint pop_size, g_length; /* 种群大小与染色体长度 */

cmaedu.com{ int gen_max; /* 最大模拟世代数 */

cmaedu.com int i,j,k;

double max_fit,avg_fit; /* 当前代最大适应度和平均适应度 */

double m_f_old,a_f_old; /* 新一代最大适应度和平均适应度 */

char choice[3];

setcolor(15);

disp_hz16("输入最大模拟世代数:",10,1,20);

cmaedu.com gscanf(170,1,4,0,3,"%s",choice);

gen_max=atoi(choice);

cmaedu.com m_f_old=0.0;

a_f_old=0.0;

for(i=0;igen_max;i++)

if(i==gen_max-1)

cmaedu.com printf("\n");

printf("************Gen.%d*************\n",i+1);

calc_fitness(gene,fitness,pop_size,g_length,func,

cmaedu.com max_fit,avg_fit);

sga_reproduction(gene,fitness,new_gene,new_fitness,

pop_size,g_length);

cmaedu.com for(j=0;jpop_size;j++)

cmaedu.com *(fitness+j)=*(new_fitness+j);

cmaedu.com for(k=0;kg_length;k++)

*(gene+g_length*j+k)=*(new_gene+g_length*j+k);

cmaedu.com sga_crossover(gene,pop_size,g_length,c_rate);

cmaedu.com sga_mutation(gene,pop_size,g_length,m_rate);

g_plot_grph(i,gene,fitness,pop_size,g_length,func,

xmax,max_fit,m_f_old,avg_fit,a_f_old,gen_max);

cmaedu.com m_f_old=max_fit;

a_f_old=avg_fit;

cmaedu.commain() /* 主程序 */

cmaedu.com /*当前代的个体遗传基因型与新一代的个体遗传基因型 */

unsigned char gene[POP_SIZE][G_LENGTH], new_gene[POP_SIZE][G_LENGTH];

cmaedu.com /*当前代的个体适应度与新一代个体的适应度 */

cmaedu.com double fitness[POP_SIZE], new_fitness[POP_SIZE];

/* 优化函数 */

double func[XMAX+1];

/* 初始化图形设置 */

cmaedu.com g_init();

cmaedu.com /* 生成优化函数 */

make_function(func,XMAX);

cmaedu.com /* 初始化显示画面 */

g_init_grph(func,XMAX);

/* 初始化种群 */

initialize_gene(gene,POP_SIZE,G_LENGTH);

/* 世代进化模拟 */

cmaedu.com generation(gene,fitness,POP_SIZE,G_LENGTH,

cmaedu.com C_RATE,M_RATE,new_gene,new_fitness,func,XMAX);

cmaedu.com setcolor(9);

cmaedu.com disp_hz16("回车键结束",350,430,20);

getch();