人工智能 A算法 九宫格 启发式搜索

银行家算法c++源代码

【实例简介】针对最小化最大完成时间、总机床负荷及最大机床负荷的多目标柔性作业车间调度问题, 提出了一种 带有Pareto 档案集的混合禁忌搜索算法。该算法为每次迭代产生的邻域解集进行Pareto 非支配排序, 选择第一前 沿的解用于Par et o 档案集更新, 并给出了一种Par eto 档案集快速更新算法。为减小邻域搜索空间, 结合问题特征, 设计了基于公共关键块结构的插入邻域和交换邻域。通过3 个经典算例的实验仿真, 以及与其他算法的比较, 验 证了该算法的可行性和有效性。

移动机器人的路径跟踪控制移动机器人的路径跟踪控制

RTX二次开发相关的最全面的例子！！RTX二次开发相关的最全面的例子！！

可以读取文本文档，将散乱的大量三维点云数据显示出来，并进行，平移旋转等。

【实例简介】风光储联合发电系统 光伏风电储能能量管理matlab/sim ulink仿真 包含永磁风力发电机模型、光伏发电模型、超级电容充放电模型和三相逆变模型 能量管理控制方式为最大功率点跟踪MPPT 运行模式： t=1s, 永磁风力发电机的风速6m/s 突变为 7 m/s; t=2s, 光伏发电的光照强度从1200W/m2突变为1000W/m2; t=3s,负载功率由5kW突变为11kW； 母线电压600V

1、利用MATLAB的GUI完成系统的编程及系统界面2、基于PCA算法实现人脸识别；读取人脸数据库；主成分分析法降维并去除数据之间的相关性；数据规格化；SVM训练（选取径向基和函数）；读取测试数据、降维、规格化；用步骤4产生的分类函数进行分类（多分类问题，采用一对一投票策略，归位得票最多的一类）；输出匹配度最高的一个

本文首先分析了国际上先进医疗及养老保险标准，并结合深圳市的现状及当代国情，对深圳市未来需要在这方面实现的目标进行了量化描述，接着分析了深圳市经济与居民健康水平发展的趋势及原因，运用多元线性回归方法，综合考虑疾病类型、医疗保障和环境质量因素，分析了如何合理配置医疗和养老资源以实现所制定的目标，最后给出了与目标相匹配的医疗与养老保险方案。  针对问题一，本文将建立时间序列模型对未来医疗和养老保障目标进行预测。首先，在对深圳市未来养老保障进行预测时，本文选取老龄化程度、市人口数量、年龄结构作为影响因素，对医疗保障进行预测时，本文选取医院床位、医疗费用、城市人口作为影响因素。其次，通过搜集国际上医疗及养老保障先进的国家的数据，将深圳近几年数据与之相比较，分析出差距及发展前景；最后，本文分别建立医疗和养老保险数据集，并对数据预处理，将影响因素作为自变量，将医疗和养老保障作为因变量，使用 SPSS 建立时间序列模型，整理养老与医疗床位数，实现目标的量化描述。  针对问题二，在预测未来十年深圳常住人口时，本文运用了 Matlab 多元线性回归，对近十年的数据进行了多次拟合,并对这些拟合进行了比较，得出深圳常住人口模型公式。矩阵预测出了未来十年人口结构的分布。通过分析深圳近人口数量和人口结构的变化，预测未来十年深圳市人口数量和结构的发展趋势，以此为基础预测未来全市和各区医疗床位需求呈线性递增趋势。  针对问题三，首先对医疗保险方案进行分析，本文根据深圳市近几年对医疗卫生事业的投资力度及当代发展特点，得出未来医疗保险方案应结合计算机技术，完善信息系统，改善医疗保险监控手段，合理控制医疗费用的增长，进而保障医疗保险基金高效运行，以实现目标；其次对养老保险进行分析，养老保险会对患者和老人造成影响，且深圳未来老龄化正在加速，因此在未来养老保险方案制定上，需要考虑两点：第一、养老保险能够调节供求匹配度，第二、从深圳市政府利益的角度，要尽可能使得保险金额少，所以本文从这两方面进行综合考虑设计养老保险方案。  关键词：时间序列模型 多元线性回归 老龄化 医疗与养老保险

【实例简介】因为cocos只能用TTF，所以自己作的思源黑体简中全套TTF格式。一共7个字体，已在COCOS中测试通过。亲测可用。懂的来。

关于普通卡尔曼、自适应卡尔曼、抗差卡尔曼的实现的文献，只有文献和一个txt