内容互通，快速登录
还没有帐号？ 赶紧
文章用户版块帖子
求助！善领dsa2011和善领RD-X7C雷达内报不正常！
UID：139767
在线时间37小时
各位高人！我的导航出现内报不正常外报正常，导航是华创E路航X20电子狗是善领RD-X7C。dsa界面显示雷达正常的字样一直都有，遇到移动测速时有时候可以内报，有时候不报。不报的时候重启善领dsa2011马上就可以内报了请问是什么原因？模式我已经设置成郊区模式。我换过P52 P54 P57版都是这样。怎么解决。
在线时间6508小时
外置雷达 一般需要专版的DSA
论坛的资源是给个人会员测试和讨论技术用的，如果你是商家，请洁身自好，不要非法传播和非法牟利，否则，一切后果自负，另外，大家一定要注意，不要在技术群里讨论破解、激活等技术，否则马上踢出群，论坛里严禁相关的激活及破解帖子，否则直接删帖封ID，请大家一起共同维护良好的环境！           为便于大家交流GPS技术问题，特开了我爱GPS论坛官方QQ群，大家有问题可以去交流，目前前面的40多个群已满，大家请加最新的我爱GPS论坛2016超级群7：         验证信息：我爱GPS   群名片请改成： 我爱GPS-昵称  否则将会被移除QQ群，群里仅可讨论GPS相关技术问题，严禁广告及色情、政治、赌博等等违反国家法律法规的言论，否则严惩！
UID：139767
在线时间37小时
回 xhf5656 的帖子
:外置雷达 一般需要专版的DSA&( 22:03)&好像不是这样吧？为什么没人回复？？？？高人帮帮忙！！！！！！！！！！！
UID：144851
在线时间203小时
善领dsa2011版本都不是特稳定，换个善领dsa2010(P46)吧，可能会好一些。
UID：139767
在线时间37小时
回 floower 的帖子
:善领dsa2011版本都不是特稳定，换个善领dsa2010(P46)吧，可能会好一些。&( 19:42)&我换过了善领dsa2010(P46)可是经常死机！善领dsa2011不会死机。
UID：96664
在线时间840小时
善领狗只能搭配善领机器用
[url=http://user./][img]http://r./cgi-bin/cgi_get_user_pic?openid=&pic=1.jpg&key=[/img][/url]
访问内容超出本站范围，不能确定是否安全
限100 字节
如果您在写长篇帖子又不马上发表，建议存为草稿
您目前还是游客，请
&回复后跳转到最后一页
Powered by Copyright 海创华联信息技术有限公司 旗下网站 Time now is:06-12 19:36
版权所有 Gzip enabled
Total 0.269872(s) query 4,DSA(direct simulated annealing，DSA)一种强大的随机搜索方法
DSA(direct simulated annealing，DSA)一种强大的随机搜索方法
发布时间： 19:35:26
编辑：www.fx114.net
本篇文章主要介绍了"DSA(direct simulated annealing，DSA)一种强大的随机搜索方法 "，主要涉及到DSA(direct simulated annealing，DSA)一种强大的随机搜索方法 方面的内容，对于DSA(direct simulated annealing，DSA)一种强大的随机搜索方法 感兴趣的同学可以参考一下。
DSA(direct simulated annealing，DSA)一种强大的随机搜索方法
author:& san
address: nuaa,cepe,202，2012.12
　　摘要：本文将探讨DSA优化算法在数值优化方面的应用，首先简单对比DSA和模拟退火算法，然后就DSA优化算法开发通用软件包，最后进行数值算例分析。
　　关键词：DSA,数值优化，模拟退火
1.DSA算法和模拟退火
2.DSA算法流程
3.DSA优化算法软件包
4.数值算例
1.DSA算法和模拟退火
　　模拟退火算法是模拟金属高温退火过程的一种随机搜索算法。&退火&的定义如下：将金属构件加热到高于或低于临界点，保持一定时间，随后缓慢冷却，从而获得接近平衡状态的组织与性能的金属热处理工艺。
&&&&&& 模拟退火算法的概念：&模拟退火&算法是源于对热力学中退火过程的模拟，在某一给定初温下，通过缓慢下降温度参数，使算法能够在多项式时间内给出一个近似最优解。退火与冶金学上的&退火&相似，而与冶金学的淬火有很大区别，前者是温度缓慢下降，后者是温度迅速下降。
&&&&&& 算法流程图如下：
图1.SA算法流程图
　　其中T0为初始温度，一般取较高的数值；S0为随机选取的初始点；C(S)为目标函数值；K为在某一温度下的迭代次数，L为最大迭代次数，当K和L相等时，温度做一次下降处理，然后重新开始迭代；S&为随机产生的计算点；C(S&)为S&的目标函数值；t&为新产生的点的目标函数值和当前最佳点的目标函数值的差值，当t&小于0时，表示新的点比原来的点要好，算法接受新的点，若t&小于0，则S&有一点概念被接受，接受概念服从波尔兹曼概率分布，并且和温度有关，随着温度降低，S&被接受的概率降低，这表现为实际退火过程中温度较低后原子能量降低，跳动的概率降低；pa为接受概率，pr为产生的0和1之间的随机数；apha为温度降低指数，可取0.9到0.99之间的数。
2.DSA算法流程图
　　DSA为直接搜索模拟退火算法，是模拟退火算法的改进版本，该算法由Ali于2002年提出。该算法在两个方面区别于SA。首先在SA中，算法只维持一个当前最优点，而在DSA过程中，算法维持一个工作点集合，所以在SA中，算法只在一个点附近搜索，这使得SA可能会陷入局部收敛，而在DSA中，算法在一组工作点集合附近搜索，从而能有效地跳出局部最优点；其次在DSA优化过程中，一直更新和保持当前最佳工作点，这使得在优化过程中DSA拥有记忆功能，当一个新的工作点被接受时，它会取代工作组中的最差工作点。和SA相同的是，在DSA优化过程中，需要随机产生新工作点。
DSA算法流程图如图2所示：
图2.DSA算法流程图
3.DSA算法软件包开发
用面向对象语言C++开发DSA优化算法，主要类对象有
DSA：管理整个DSA算法流程
DSAConfigure：DSA优化过程中当前最优点集合管理类
DSAParmSet：DSA算法参数配置，包括初始温度T0以及一些迭代参数
DSAItem：对象类，DSA优化的中的一个工作点对象，类DSAItem为抽象类，定义了一些接口函数，具体类需要派生并实现接口。
DSAItemFactory：对象生产工厂，用于新的工作点的创建和解空间搜索。同样DSAItemFactory也是抽象类，具体类需要派生
DSAObserver：迭代观察器，用于输出每次迭代的计算结果，同样需要从该类派生出具体类
DSA类结构如下：
/*直接搜索模拟退火算法（direct simulated annealing,DSA)。测试例子里详细阐述了使用步骤，测试函数包括多变量函数优化、模式匹配、经典的GA测试函数、TSP问题和一个九宫格匹配游戏。出了DSA外，程序还包含了通用的模拟退火算法（SA)和DSA的并行版本。关于并行版本不建议使用，除非求解的问题的评估函数是耗时计算而且你所在的计算机是多核计算机，因为对于普通的问题线程的创建和通信的时间可能会比你评估的时间还多，关于DSA的算法原理可以自己查阅文献。
这是一个免费的程序，使用时不要删除作者的这段信息就可以了。求值结果请使用者自己斟酌，作者概不负责！author:
南京航空航天大学、能源与动力学院、202实验室、SANemail:
-------------------*/#include "define.h"#include "DSAParmSet.h"#include "DSAConfigure.h"namespace DSA_OPT{class DSA_API DSA
friend class DSAI
friend class DSAItemF
friend class DSAR
friend class DSAOpublic:
//create rand number
static double
GetRandVal(double min_=0,double max_=1);//获得随机数
DSA(DSAItemFactory*,DSAResult*r=0,DSAObserver*po=0);
virtual ~DSA();
//get item creater factory
DSAItemFactory* GetItemCreater();
//get observer
DSAObserver* GetObserver(){return m_pO}
//get the length of marklow
GetLK(){return m_LK;}
//get the actual times of marklow iteration
GetLKActual(){return m_LK_ACTUAL;}
virtual void Reset();
//SetRandSeed: set seed for rand function,when d=0 ,we use current time as seed
//初始化随机数种子(可选），d=0表示以当前时间为随机数种子，每次计算均不同
//对于需要重现结果的计算，建议自定义一个随机数种子。
SetRandSeed(unsigned long d=0);
//get current temperature
GetCurrentTemp();//获得当前温度
//get item configure
DSAConfigure& GetConfigure(){return m_C}
//1.SET BASE PARM FOR DSA
1.设置基本信息
DSAParmSet m_InitI
//2.INIT WORKSPACE
virtual void
InitWorkspace();
//3.MAIN LOOP OF DSA
virtual void
MainLoop();
//4.GET RESULT OF DSA
4.获得结果
DSAResult* GetResult(){return m_pIR}
//5.coerce stop
5.强制停止
StopIter(){m_Stop=1;}
protected:
DSAConfigure
DSAItemFactory*m_pIItemC
DSAObserver*m_pO
DSAResult*m_pIR
m_//当前温度衰减系数
//当前温度
m_//当前迭代次数
m_S//强制停止迭代
//marklow链长度和实际计算的长度
m_LK;//第k次计算的marklow链长度
m_LK_ACTUAL;//第k次计算的marklow链实际使用长度
m_LK_ACTUAL_////第k-1次计算的marklow链实际使用长度
CalMarklow();//计算marklow长度
//获得apha,初始状态apha=(m_apha_min+m_apha_max)/2
//以后apha由公式计算获得
CalApha();
GetApha(){return m_}
//温度递减
CoolTemp();
//终止条件
IsOver();};}
主要迭代步骤分如下：
1.设置基本信息& DSAParmSet m_InitI2.初始化&& &virtual void&& InitWorkspace();3.主循环&& &virtual void& MainLoop();4.获得结果&& &DSAResult* GetResult(){return m_pIR}
其中主循环MainLoop执行DSA优化步骤如图2所示，主循环中主要调用了CalMarklow用于计算marklow链长度、CalApha用于计算冷却系数、CoolTemp用于冷却温度。主循环代码如下：
//主循环：void
DSA::MainLoop(){
if(m_Stop)
dbg("MainLoop\n");
stop_flag=0;
mk_stop=0;
m_pIItemCreater-&UserOnStartRun(this);
m_pIItemCreater-&UserTempControl(m_T,this);
mk_stop=0;
if(m_iter!=1)
m_LK_ACTUAL_pre=m_LK_ACTUAL;
dbg("SA iter=%d\n",m_iter);
CalMarklow();
//marklow loop
dbg("marklow loop start\n");
dbg("marklow loop =%d\n",j);
DSAItem*p=m_pIItemCreater-&CreateItem_CG_RG();
assert(p);
//计算目标函数
p-&CalObj();
//统计函数求值次数
if(m_pIResult)
m_pIResult-&m_TOTAL_COUNT++;
pa=p-&Acceptabiility();
//产生一个随机数
double rd=GetRandVal();
dbg("random=%f\n",rd);
if(pa&rd)//accept
dbg("pa&rd,accept\n");
//replace worst
m_Configure.ReplaceHigh(p);
//check if new obj is current best
if( p-&ObjFunc()&m_Configure.GetLowItem()-&ObjFunc() )
m_Configure.UpdateDataHighLow();
dbg("new obj is current best\n");
m_LK_ACTUAL=j
m_LK_ACTUAL=j;
//check if is over
stop_flag=m_pIItemCreater-&UserStopCriterion()||m_S
//stop marklow loop
mk_stop=1;
m_Configure.UpdateDataHighLow();
dbg("new obj is not current best\n");
if(j==m_LK)
m_LK_ACTUAL=j;
stop_flag=m_pIItemCreater-&UserStopCriterion()||m_S
//stop marklow loop
mk_stop=1;
else//reject
dbg("pa&rd,reject\n");
//delete object
if(j==m_LK)
stop_flag=m_pIItemCreater-&UserStopCriterion()||m_S
//stop marklow loop
mk_stop=1;
m_LK_ACTUAL=j;
//如果有观察器，那么输出marklow循环信息
if(m_pObserver)
m_pObserver-&RunOnMarkowLoop(j,
//Markow内部第几次迭代
//当前温度
m_Configure.GetLowItem(),
//当前最佳个体
m_Configure.GetHighItem());
//获取最差个体
} while (mk_stop==0);
//如果有观察器，则输出SA循环信息
if(m_pObserver)
m_pObserver-&RunOnDSALoop(
//退火过程第几次迭代
//当前温度
&m_Configure,//当前集合
m_Configure.GetLowItem(),
//当前最佳个体
m_Configure.GetHighItem());
//获取最差个体
//保存结果
if(m_pIResult)
DSAResult::ITEM
it.bst=m_Configure.GetLowItem()-&Copy();
it.wrst=m_Configure.GetHighItem()-&Copy();
it.func_val_best=it.bst-&ObjFunc();
it.func_val_worst=it.wrst-&ObjFunc();
it.m_LK=m_LK;
it.m_LK_ACTUAL=m_LK_ACTUAL;
it.m_T=m_T;
m_pIResult-&InsertItemBefore(it);
m_pIResult-&m_ResultSet.push_back(it);
m_pIResult-&InsertItemAfter(it);
if(stop_flag==0)
if(m_iter==1)
m_LK_ACTUAL_pre=m_LK_ACTUAL;
}　　　　　　　//计算冷却系数
CalApha();
CoolTemp();
} while (stop_flag==0);
//退火迭代次数
if(m_pIResult)
m_pIResult-&m_DSA_COUNT=m_
if(m_pIResult)
m_pIResult-&m_end_time=time( &ltime );
m_pIResult-&m_cpu_time=
(double)(clock()-m_pIResult-&m_cpu_time)/CLOCKS_PER_SEC;
DSAResult::ITEM
it.bst=m_Configure.GetLowItem()-&Copy();
it.wrst=m_Configure.GetHighItem()-&Copy();
it.func_val_best=it.bst-&ObjFunc();
it.func_val_worst=it.wrst-&ObjFunc();
it.m_LK=m_LK;
it.m_LK_ACTUAL=m_LK_ACTUAL;
it.m_T=m_T;
m_pIResult-&InsertItemBefore(it);
m_pIResult-&m_ResultSet.push_back(it);
m_pIResult-&InsertItemAfter(it);
m_pIResult-&m_final=
m_pIItemCreater-&UserOnEndRun(this);}
类DSAConfigure主要用于保存迭代过程中的最优点集合，其结构如下
/*直接搜索模拟退火算法（direct simulated annealing,DSA)。测试例子里详细阐述了使用步骤，测试函数包括多变量函数优化、模式匹配、经典的GA测试函数、TSP问题和一个九宫格匹配游戏。出了DSA外，程序还包含了通用的模拟退火算法（SA)和DSA的并行版本。关于并行版本不建议使用，除非求解的问题的评估函数是耗时计算而且你所在的计算机是多核计算机，因为对于普通的问题线程的创建和通信的时间可能会比你评估的时间还多，关于DSA的算法原理可以自己查阅文献。
这是一个免费的程序，使用时不要删除作者的这段信息就可以了。求值结果请使用者自己斟酌，作者概不负责！author:
南京航空航天大学、能源与动力学院、202实验室、SANemail:
-------------------*/#include "define.h"namespace DSA_OPT{class DSA;class DSAIclass DSA_API DSAConfigure
friend class DSAI
friend class DSA;public:
DSAConfigure(DSA*);
virtual ~DSAConfigure();
//get current worst item pointer
当前目标函数值最大的个体
DSAItem* GetHighItem();
//get current best item pointer
当前目标函数值最大的个体
DSAItem* GetLowItem();
//replace the current worst item with new item
替换当前最佳个体
ReplaceHigh(DSAItem*);
//get n random items from item set
随机获得n个集合中的个体
ItemVector GetRandItem(int n);
//get best n items from item set
获得最好的n个
ItemVector GetBestItem(int n);
//get random one depending on the scores,the lower has higher probability 根据目标函数值的大小选取一个，目标函数值小的选中概率大
DSAItem* GetItemWithFuncValue();
//get pointer to DSA algorithm
DSA* GetDSA(){return m_pDSA;}private:
//init dsa algorithm
void Init();
void Reset();
//update the best item and worst item
void UpdateDataHighLow();
//pointer to DSA algorithm class
DSA*m_pDSA;
//m_ItemMap is a vector that keep a vector of the current best items,
//the size of m_ItemMap is determined by the size of problem.
//size of determine=7*(n+1),where n is the size of problem
ItemVector
//a pointer to
item that has highest scores,always a
//higer scores item is worse than a lower one
DSAItem*m_pH
//a pointer to item that has the lowest scores.
DSAItem*m_pL
//m_N is size of m_ItemMap,m_N=7*(n+1),where n is the size of problem
//compute acceptable probability of a item
Factor(DSAItem*);};}
类DSAItem用于一个工作点的描述，工作点可以是一组数值，也可以是一组用于匹配的字符串，或者是一个对象。类DSAItem是一个抽象类，该类定义了一些接口，任何从该类派生的具体类都可以用于DSA算法的一个工作点。类DSAItem的接口如下：
//interface that must defined for a item
必须重写的函数
//how to cal object function
计算目标函数
virtual void
CalObj()=0;
//how to cpoy an item
virtual DSAItem*
//a string that used to print item result
以字符串的形式获得变量值，用于结果显示
_String GetVariableInString()=0;
接口CalObj用于计算目标函数；Copy定义拷贝自身；GetVariableInString接口用于获得一串字符串以描述当前的工作点的值。以函数优化为例，一个二元函数f(x1,x2)有两个优化变量x1和x2，所以工作点定义如下：
/*直接搜索模拟退火算法（direct simulated annealing,DSA)。测试例子里详细阐述了使用步骤，测试函数包括多变量函数优化、模式匹配、经典的GA测试函数、TSP问题和一个九宫格匹配游戏。出了DSA外，程序还包含了通用的模拟退火算法（SA)和DSA的并行版本。关于并行版本不建议使用，除非求解的问题的评估函数是耗时计算而且你所在的计算机是多核计算机，因为对于普通的问题线程的创建和通信的时间可能会比你评估的时间还多，关于DSA的算法原理可以自己查阅文献。
这是一个免费的程序，使用时不要删除作者的这段信息就可以了。求值结果请使用者自己斟酌，作者概不负责！author:
南京航空航天大学、能源与动力学院、202实验室、SANemail:
-------------------*/
fx:public DSAItem
fx(DSAConfigure*p):DSAItem(p){}
//DEFINE COPY FUNCTION
virtual DSAItem*
Copy()//拷贝函数
fx*f=new fx(m_pConfigure);
f-&m_objfuncval=m_
//CAL OBJ FUNC
virtual void
{//计算目标函数
m_objfuncval =x1*x2.......
//GET STRING OF VARIABLES 以字符串的形式获得变量值，用于结果显示
_String GetVariableInString()
static char tmp[200];
sprintf(tmp,"x1=%f,x2=%f",x1,x2);
　　DSA算法需要产生新的工作点，分两种情况：（1）初始化是随机产生工作点。（2）迭代过程中需要从最优点集合中进行搜索并产生新的工作点。迭代选取一般模式是：以概率p从最优的集合中随机选取一个点，概率1-p选取当前最好的点。选取后的点需要进行随机搜索，随机搜索的模式根据变量的类型的不同而不同。对于离散变量，则一般是轮盘随机选取；对于连续变量的话，则为加上一个随机数，数值大小根据搜索区间大小由用户自己设定。
　　连续变量搜索的原则是继承最好的同时进行新的尝试。继承最好表示从最优点集合中随机选取一个点进行搜索，而且有一定概率选择最好的点；新的尝试表示在选取点附近进行搜索。如何搜索是DSA算法的关键，而且不同的搜索方法得到的结果和计算效率是不一样的。搜索方法有很多，用户可以自行设置，管理对象创建的类是DSAItemFactory。该类有两个接口需要用户实现：初始化创建接口CreateItem_RAND()和随机搜索接口CreateItem_CG_RG。DSAItemFactory类如下所示
class DSA_API DSAItemFactory
friend class DSA;public:
DSAItemFactory(){m_pIRandOperator=0;}
virtual ~DSAItemFactory(){if(m_pIRandOperator)delete m_pIRandO}
有两种方法实现随机操作：
1.重载函数CreateItem_CG_RG
2.重载类IRandOperator定义随机操作，实现IItem*
RandOperator(Configure&c)
然后用函数void SetRandOper(IRandOperator*p)设置重载操作。
第二种方法能实现重载操作的动态载入，通过派生不同的重载操作可以在运行时
切换不同的操作。
virtual DSAItem* CreateItem_CG_RG();
virtual DSAItem* CreateItem_RAND()=0;
//用户定义的停止准则，当系统满足用户定义停止准则
//时，算法终止，默认该停止准则为DSA算法定义的停止准则
virtual bool
UserStopCriterion();
//用户对温度进行操作,默认不做任何操作
virtual void
UserTempControl(double&T,DSA*){}
//通知用户开始优化
virtual void
UserInit(DSA*){};
virtual void
UserOnStartRun(DSA*){};
virtual void
UserOnEndRun(DSA*){};
//设置随机操作方法，默认为NULL。
void SetRandOper(IRandOperator*p);
IRandOperator*GetRandOperator();protected:
DSA*m_pDSA;
IRandOperator*m_pIRandO};
以优化函数f(x1,x2)为例，其创建类如下：
//DEFINE ITEM CREATER FACTORY
class cx:public DSAItemFactory
virtual DSAItem* CreateItem_CG_RG()
DSAConfigure &c=m_pDSA-&GetConfigure();
fx*f=(fx*)c.GetRandItem(1)[0];
f=(fx*)f-&Copy();
fx*f2=(fx*)c.GetLowItem();
//RAND CHANGE NEW ITEM
搜索方法很多，在这里新的x为最好的点和随机点的　　　　　　　　　　　　//平均再加上一个很小的随机数
f-&x1=(f-&x1+DSA::GetRandVal(-0.2,0.2)+f2-&x1)/2.0;
f-&x2=(f-&x2+DSA::GetRandVal(-0.2,0.2)+f2-&x2)/2.0;
virtual DSAItem* CreateItem_RAND()
fx*f=new fx(&m_pDSA-&GetConfigure());
f-&x1=DSA::GetRandVal(-1,1);
f-&x2=DSA::GetRandVal(-1,1);
DSAObserver：输出迭代过程，需要迭代观察时请派生DSAObserver，重载接口函数实现迭代过程信息输出。DSAObserver结构如下：
#include "define.h"namespace DSA_OPT{class DSAIclass DSACclass DSA_API DSAObserver
friend class DSA;
//run RunOnMarkowLoop in every Markow iteration
void RunOnMarkowLoop
(int index,
//index of Markow iteration
Markow内部第几次迭代
//current temperature
const DSAItem*bst,
//current best
当前最佳个体
const DSAItem*wst){};
//current worst
当前最差个体
//run RunOnDSALoop in every dsa iteration
void RunOnDSALoop
(int index,
//index of DSA iteration
退火过程第几次迭代
//current temperature
const DSAConfigure*p,
//current best items configure 当前集合
const DSAItem*bst,
//current best item
当前最佳个体
const DSAItem*wst){};
//current worst item
当前最差个体
virtual~DSAObserver(){}};}
类DSAParmSet用于配置参数，DSA优化过程主要参数如下：
#include "define.h"/*class DSAParmSet is used to keep the base parameters of the dsa algorithm。*/namespace DSA_OPT{class DSAParmSet
DSAParmSet();
/*m_description:
a description string of the problem
initial temperature of the dsa algorithm，default value is 500
number of the variables of the dsa probem,default 2
the probability that create a new item with RG method,deafult 0.85
/*m_apha_min,m_apha_max:
the range of cold factor,default [0.97,0.997]
m_apha_min,m_apha_
termination criterion，deafult m_eps_1=0.008，m_eps_=0.008
m_eps_1,m_eps_2;};}
4.数值算例
　　优化函数 min f(x,y)=(x-2.0)*(x-2.0)+(y-2.0)*(y-2.0)
函数f(x,y)的最小值为f=0,(x,y)=(2,2)。使用DSA求解，首先是工作点类。该函数有两个参数，所以工作点类有两个成员变量x,y；搜索方式为：保留最优点，同时进行随机搜索。工作点类为：
fx(Configure*c):IItem(c){}
//define copy
virtual IItem*
Copy()//拷贝函数
fx*f=new fx(m_pConfigure);
f-&m_objfuncval=m_
//define the objective value
virtual void
m_objfuncval = (x-2.0)*(x-2.0)+(y-2.0)*(y-2.0);
//以字符串的形式获得变量值，用于结果显示
//return string which can be displayed during running
std::string GetVariableInString()
static char tmp[200];
sprintf(tmp,"x=%f,y=%f",x,y);
//x,y data
一、不得利用本站危害国家安全、泄露国家秘密，不得侵犯国家社会集体的和公民的合法权益，不得利用本站制作、复制和传播不法有害信息！
二、互相尊重，对自己的言论和行为负责。
本文标题：
本页链接：内容互通，快速登录
还没有帐号？ 赶紧
文章用户版块帖子
求助！！！升级DSA后与电子狗无法连接
UID：206705
在线时间6小时
升级到5.2后，如果电子狗检测到了雷达信号，无法跟以前一样通过导航报告，比如说发现K频，而是电子狗直接喊，搜星没问题，导航也能开。本人新手，请各位不吝赐教！
UID：206705
在线时间6小时
各位帮帮忙啊
UID：186704
在线时间309小时
选择路径时应选择DSA\DSAsoftware.exe,必须先运行此程序,否则不能支持雷达内报
UID：206705
在线时间6小时
回 快速通盗99 的帖子
:选择路径时应选择DSA\DSAsoftware.exe,必须先运行此程序,否则不能支持雷达内报&( 21:56)&DSAsoftware.exe是什么啊，我的文件夹里没有啊
UID：206705
在线时间6小时
还有人没。。。
UID：206705
在线时间6小时
回 wangqp111 的帖子
:DSAsoftware.exe是什么啊，我的文件夹里没有啊&( 22:14)&我是从善领进的导航，而且在善领界面下也不能报，只有电子狗喊
UID：74698
在线时间138小时
在RFConfig中修改RFPort端口
UID：206705
在线时间6小时
回 浓缩人生 的帖子
:在RFConfig中修改RFPort端口&( 09:10)&RFPort=4&&我的是这样，我以前用dsa2010可以内报，换成了2011不能内报了，是不是我的外置电子狗不支持2011的内报，我是前年买的
UID：206705
在线时间6小时
回 快速通盗99 的帖子
:选择路径时应选择DSA\DSAsoftware.exe,必须先运行此程序,否则不能支持雷达内报&( 21:56)&请问2011可以内报吗
UID：206705
在线时间6小时
已经可以内报了，没有修改任何参数，只是换成了2010,46版
访问内容超出本站范围，不能确定是否安全
限100 字节
批量上传需要先选择文件，再选择上传
您目前还是游客，请
&回复后跳转到最后一页
Powered by Copyright 海创华联信息技术有限公司 旗下网站 Time now is:06-12 19:36
版权所有 Gzip enabled
Total 0.250690(s) query 4,