Программирование
Тип работы: | Все Задача Курсовая работа Лабораторная работа Ответы на вопросы |
Язык программирования: | Все Bash Basic Batch C C# C# ASP .NET C++ Delphi Fortran Free Basic HTML Java JavaScript Object Pascal Pascal Pascal ABC Python Turbo Pascal VBA Visual Basic алгоритмические языки Ассемблер |
Блок-схема: | Все Есть Нет |
-
200 руб.
Шаблоны, как средство автоматизации программирования.
Разработать программу, обладающую графическим пользовательским интерфейсом с использованием стандартных элементов управления. Требования к коду работы с объектами:
Шаблоны
1. Шаблонный класс
2. Шаблонные функции
3. Перегруженные операторы -
В соответствии с вариантом задания разработать модель хранения данных и необходимое количество классов для представления объектов предметной области. Разработать приложение c графическим интерфейсом пользователя для выполнения следующих операций с объектами:
- ввод данных об объектах предметной области;
- хранение данных в оперативной памяти;
- просмотр данных об объектах в экранной форме в виде списка или дерева;
- редактирование выбранного объекта;
- удаление выбранного объекта;
- сортировка заданного набора объектов по общим атрибутам;
- поиск объекта по общим атрибутам.
Доступ к атрибутам объектов осуществлять только с помощью свойств классов. Операции реализовать только в виде методов классов.
Характеристики объектов
Предметная область
Список типов объектов
Атрибуты
Графические фигуры
Линия, треугольник, прямоугольник, окружность
Общие - название, длина контура. Индивид. - размеры, координаты
Микросхемы
Регистры, счетчики, дешифраторы, мультиплексоры
Общие - название, серия, тип.
Индивид. – любые 3 из справочника
Канцелярские товары
Карандаши, скоросшиватели, тетради, фотоальбомы
Общие - название, тип, цена. Индивид. – любые 3 на выбор
Радиоэлектронные элементы
Конденсаторы, резисторы, транзисторы, диоды
Общие - название, тип.
Индивид. – любые 3 из справочника
Комплектующие для ПК
Процессор, память, НЖМД, монитор
Общие - название, тип.
Индивид. – любые 3 на выбор
10
Комплектующие для ПК
Коллекция
-
250 руб.
Лабораторная работа 4. Классы. Продолжение.
Задание 3 по теме «Классы»
1. Описать новый класс объектов на основе существующего класса. Добавить новую характеристику для нового класса – цвет фигуры.
2. Создать массив объектов нового класса. Вывести все объекты класса в табличном виде.
3. Вывести данные (в табличном виде с соответствующим заголовком) обо всех фигурах желтого цвета.
4. Решить задачу п.3 с использованием модуля.
250 руб.Лабораторная работа 3. Классы. Продолжение.
Задание 2 по теме «Классы»
1. Создать массив объектов класса. Количество элементов массива пользователь вводит с клавиатуры.
2. Добавить метод класса – вывод характеристик объектов на экран дисплея в табличном виде.
3. Сохранить сведения об объектах класса в типизированном файле.
4. Изменить характеристики третьей фигуры.
5. Вывести на экран сведения обо всех фигурах, хранящихся в файле.
Задание 3 по теме «Классы»
6. Описать новый класс объектов на основе существующего. Добавить новую характеристику – цвет фигуры.
7. Создать массив объектов нового класса. Вывести все объекты класса в табличном виде.
8. Вывести данные (в табличном виде с соответствующим заголовком) обо всех фигурах желтого цвета.
9. Решить задачу п.8 с использованием модуля.
250 руб.Лабораторная работа 1 по теме «Классы».
Задача.
Разработать программу с использованием класса объектов.
Для класса объектов разработать подпрограммы (методы класса) для:
- создания объекта с заданными значениями,
- показать характеристики объекта класса,
- вычисления периметра геометрической фигуры,
- вычисления площади геометрической фигуры.
Замечание. Выполнить вычисления в соответствии с указанными в таблице в столбце «Что вычислить».
В программе:
- создать один объект класса и показать его характеристики;
- создать два объекта класса;
- сравнить вычисленные значения для двух объектов класса, по результатам каждого из сравнений вывести соответствующие сообщения.
250 руб.Задание лабораторной работы по теме МОДУЛИ.
Задача 1.
Использовать модуль проекта (см. файл «1 Модули», стр. 4). В модуль проекта добавить функцию MIN, вычисляющую минимальный элемент вектора.
Использовать модуль проекта (см. файл «1 Модули», стр. 4) для решения задачи вычисления функции (см. таблицу вариантов).
Обозначения:
Max_a, Max_b, Max_c, Min_a, Min_b, Min_c, Sa, Sb, Sc, ka, kb, kc - максимальный элемент, минимальный элемент, сумма и количество положительных элементов массивов a, b, и c соответственно.
Функция
Max_a - Min_b + Max_c+ Min_c
Результат вывести в файл out.txt и на экран.
Задача 2.
Разработать программу для построения таблицы значений для двух функций на интервале [a, b] с заданным количеством точек разбиения интервала (n).
Границы интервала и количество точек разбиения интервала выбрать самостоятельно.
Задачу решить с использованием параметров процедурного типа.
Использовать модуль проекта.
Результаты вычислений представить:
Таблица значений функции F1
X F1
---------------------------------
0.00 -1.50
0.01 -1.04
…
Таблица значений функции F2
X F2
---------------------------------
0.00 2.50
0.01 3.04
…
Таблица значений функций F1 и F2
X F1 F2
--------------------------------------------
0.00 -1.50 2.50
0.01 -1.04 3.04
…
Функция 1
Функция 2
sin (2 x + 4.5)
x + 1.4
250 руб.100 руб.Постройте таблицу значений функции z=f(x,y) и найдите наименьшее значение функции при изменении x на отрезке [a;b] с шагом h1 и y на отрезке [c;d] с шагом h2.
a= 0.1 b= 1.5 c= 1 d=2 h1=0.1 h2=0.1 z(x,y) = x + 1/x + (1 - y)/2
Лабораторная работа 3. Методы поиска подстроки в строке.
Задание
Реализовать заданный метод поиска подстроки в строке в соответствии с индивидуальным заданием. Для всех вариантов добавить реализацию добавления строк, ввода подстроки и поиска подстроки. Предусмотреть возможность существования пробела. Ввести опцию чувствительности / нечувствительности к регистру. Оценить время работы каждого алгоритма поиска и сравнить его со временем работы стандартной функции поиска, используемой в выбранном языке программирования.
Варианты
Кнута-Морриса-Пратта
Упрощенный Бойера-Мура
Четный номер по журналу
Нечетный номер по журналу
116 руб.Лабораторная работа 4. Реализация стека/дека.
Используя технологию модульного программирования разработать программу обработки данных, содержащихся в заранее подготовленном файле, в соответствии с индивидуальным заданием. Применить динамическую структуру указанного в задании вида: стек, очередь или дек. Программа должна включать модуль, содержащий набор всех необходимых средств (типов, подпрограмм и т.д.) для решения поставленной задачи.
Порядок выполнения работы:
1) Получить у преподавателя индивидуальное задание.
2) Разработать математическую модель: описать с помощью формул и рисунков вид используемой динамической структуры и процессы её создания и использования.
3) Построить схему алгоритма решения задачи.
4) Использовать подпрограммы, реализующие полный набор операций для этой структуры:
- допустимые операции для стека: инициализация, проверка на пустоту, добавление нового элемента в начало, извлечение элемента из начала;
- допустимые операции для дека: инициализация, проверка на пустоту, добавление нового элемента в начало, добавление нового элемента в конец, извлечение элемента из начала, извлечение элемента из конца.
5) Составить спецификации используемых подпрограмм.
6) Составить программу, включающую модуль обработки соответствующей динамической структуры.
8) Проверить и продемонстрировать преподавателю работу программы на полном наборе тестов. Обеспечить одновременный показ в окнах на экране содержимого входного и выходного файлов.
9) Оформить отчет о лабораторной работе.
Дан файл из целых чисел. Используя дек, за один просмотр файла напечатать сначала все положительные числа, затем все отрицательные числа, сохраняя исходный порядок в каждой группе.
Однонаправленные+, двунаправленные, циклические списки ("Закон Джозафа - Иосифа Флавия"))
Стек, очередь, Бинарное дерево *Двунаправленное, вместо Next - Массив.*.
______________________________
|| задание
Поиск подстроки в строке ("Алгоритм Кнута Моррис Пратт") , "Алгоритм Бойера- Мура", "Алгоритм Рабина-Карпа"
3 метода
___________________________________
||| задание
Сортировка 5 методов (3 набора)Лабораторная работа №2
Тема и название работы:
Основные средства языка программирования VB .NET. Типы данных.
Вычисление арифметических выражений.
Задание на разработку проекта и вариант задания:
Решите задачу вычисления арифметических выражений путем создания двух проектов в одном решении с именем Проект 2.1: первый проект – с неявными преобразованиями типов данных; второй – Проект 2.2 с требованием явного преобразования (без инструкции Option Strict On и с использованием этой инструкции):
k =b l = [b]
Лабораторная работа №3
Задание на разработку задачи:
Создайте приложение (решение), состоящее из трех проектов с именем Решение 3.1 для вычисления арифметического выражения:
k =b l = [b]
В каждом проекте для вычисления заданного арифметического выражения необходимо реализовать одну из следующих процедур: процедуру-функцию с формальными параметрами, процедуру-подпрограмму с формальными параметрами и процедуру без параметров (передача данных в соответствующем проекте будет осуществляться через глобальные объекты).
Лабораторная работа №4
Тема и название лабораторной работы:
Программирование алгоритмов разветвляющихся структур.
Вычисление условных выражений.
Задание на разработку проекта:
Создайте проект с именем Проект-4 для вычисления значения функции с условием y=f(a, x):
<img src="data:image/png;base64,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
Описать класс, реализующий стек и работу с ним.
1.) Класс должен содержать следующие сведения телефонной книжки:
• фамилия, имя;
• номер телефона;
• день рождения (массив из трех чисел).
2.) В классе должны быть реализованы следующие операции над стеком:
• добавление новой записи;
• удаление из списка информации о человеке, фамилия которого введена с клавиатуры;
• вывод информации обо всех номерах телефонов;
• по запросу выводится информация о человеке, номер телефона которого введен с клавиатуры.
3.) Программа должна обеспечивать диалог с помощью меню.
4.) В программе должны быть созданы два экземпляра класса: информация о людях, у которых день рождения уже был в этом году и люди, у которых день рождения после текущей даты. При добавлении нового человека должен быть автоматически выбран экземпляр стека, в который добавляются данные. Должна быть предусмотрена возможность изменения текущей даты, после изменения информация о людях должна быть автоматически перенесена из одного списка в другой. При выводе информации о людях, пользователь должен выбрать какой список выводить (у которых день рождения уже был в этом году или еще предстоит), либо вывести все записи из обоих списков. Программа должна быть написана на языке c++Задание 1
Вариант 25
Определить класс « строка». В классе пре дуемо греть следующие поля:
- указатель на первый символ строки;
- длина строки
и следующие методы:
- конструктор без параметров;
- конструктор с параметрами;
- вычисление длины строки;
- вывод строки на экран;
- вывод на экран слова с заданным номером;
- подсчёт количества слов, начинающихся с заданного символа (слова в строке разделены символом «пробел»).
Написать программу, демонстрирующую работу с этим классом. Программа должна содержать меню, позволяющее осуществить проверку всех методов класса.
Реализовать заданный метод сортировки строк числовой матрицы в
соответствии с индивидуальным заданием(метод Шелла). Для всех вариантов добавить
реализацию быстрой сортировки (quicksort). Оценить время работы каждого
алгоритма сортировки и сравнить его со временем работы стандартной
функции сортировки, используемой в выбранном языке программирования.150 руб.Описать класс в соответствии с индивидуальным вариантом задания и
реализовать все его методы. Каждый класс помимо указанных в варианте
методов должен содержать конструктор с параметрами, конструктор
копирования, деструктор, методы ввода с клавиатуры, установки и получения
значений полей, вывода этих значений на экран. В каждом методе класса,
включая конструкторы и деструктор, предусмотреть отладочную печать
сообщения, содержащего имя метода. Написать программу для тестирования
всех методов класса, выбор метода должен осуществляться с помощью меню.
Задание:
Класс «Треугольник». Поля: координаты вершин. Методы: вычисление
длин всех сторон, медианы, проведенной к наименьшей стороне, перегрузка
операций «+» как вычисление суммы площадей и «^» как определение подобия
двух треугольников.Составить программу для вычисления определенного интеграла методом Симпсона с визуализацией решения. Вид подынтегральной функции F(x) задать в отдельной функции, остальная часть программы не должна зависеть от конкретной функциональной зависимости. Исходными данными служат начальное и конечное значения переменной x и число интервалов разбиения либо погрешность вычисления интеграла.
В программе предусмотреть выполнение следующих действий:
1. Вывод результата.
2. Вывод графика функции F(x) на заданном интервале.
3. Графическую иллюстрацию процесса интегрирования.