路由器最短路径测试源代码！

function [R_best,L_best,L_ave,Shortest_Route,Shortest_Length]=ACATSP(C,NC_max,m,Alpha,Beta,Rho,Q)%%-------------------------------------------------------------------------%% 主要符号说明%% C n个城市的坐标，n×2的矩阵%% NC_max 最大迭代次数%% m 蚂蚁个数%% Alpha 表征信息素重要程度的参数%% Beta 表征启发式因子重要程度的参数%% Rho 信息素蒸发系数%% Q 信息素增加强度系数%% R_best 各代最佳路线%% L_best 各代最佳路线的长度%%========================================================================= %%第一步：变量初始化n=size(C,1);%n表示问题的规模（城市个数）D=zeros(n,n);%D表示完全图的赋权邻接矩阵for i=1:nfor j=1:nif i~=jD(i,j)=((C(i,1)-C(j,1))^2+(C(i,2)-C(j,2))^2)^0.5;elseD(i,j)=eps;      %i=j时不计算，应该为0，但后面的启发因子要取倒数，用eps（浮点相对精度）表示endD(j,i)=D(i,j);   %对称矩阵endend%{1.C就是城市坐标             x         y城市1    0

资源描述摘 要：RFID是目前应用于物联网的一项新兴通信技术，可通过无线电信号识别产品电子标签内的EPC码来识别特定 目标，而无需识别系统与特定目标之间建立机械或光学接触，它的应用给物联网行业带来了革命性的变化，极大地节省了管理 成本，提高了管理效率。文章重点对RFID的工作原理、安全性、现状及发展趋势进行了阐述。 关键字：RFID；物联网；电子标签；射频识别

xfoi是一个为设计和分析亚音速飞机独立翼型编写的互动式的程序。它由下列执行各种函数的一系列菜单操作程序组成：-对一种已经存在的的翼型的粘流（或无粘流）分析，允许：*强制或自由转换*转捩的气泡分离*除了最大升力系数还可以对升力和阻力预测*卡门- 钱学森压缩性修正-通过屏幕指针或鼠标操作指定特定的表面速度分布，对翼型进行设计和优化设计。两种这样的工具可以实现：*完全反设计：基于一个复杂的绘图公式；*混合反设计: 一种xfoil的基本嵌版方法（面涡法）的扩展完全反设计允许多点设计，而混合反设计则需要对翼型个部分相对严格的几何约束

特征值和特征向量的计算,每种算法都用c++以函数形式实现- The characteristic value and the characteristic vector computation, each algorithm all uses c to realize by the function form

一个用vc编写的调度算法程序-vc prepared with a scheduling algorithm procedures

此包包含了众多矩阵处理程序，能够满足矩阵处理的一般要求，由于将各功能分开到不同的“.cpp”文件中，故使用时需要用户自行选取更换合适自己使用的“.cpp”文件。其中，矩阵功能有：输出矩阵、矩阵转置、矩阵归一化、判断矩阵对称、判断矩阵对称正定、全选主元法求矩阵行列式、全选主元高斯(Gauss)消去法求一般矩阵的秩、用全选主元高斯-约当(Gauss-Jordan)消去法计算实(复)矩阵的逆矩阵、用“变量循环重新编号法”法求对称正定矩阵逆、特兰持(Trench)法求托伯利兹(Toeplitz)矩阵逆、实矩阵LU分解、用豪斯荷尔德(Householder)变换对一般m*n阶的实矩阵进行QR分解、对称正定阵的乔里斯基(Cholesky)分解及求其行列式值、一般实矩阵的奇异值分解、广义逆的奇异值分解。-look it yourself.

大M单纯形线性规划问题求解。 很不错的基于basic的源代码啊-Large M simplex linear programming problem solving. Very good basic source code based on ah

选取200正样本车辆  200负样本 通过提出样本的hog特征，并进行训练。实验结果能很好的对监控视频中的车辆进行识别跟踪，且效果良好。

应用背景对于智能计算、优化理论方面，遗传算法和粒子群算法都属于现代仿生类优化算法，但是两者还是存在差异，遗传算法的核心在于变异和交叉，粒子群算法的核心在于个体寻优和群体寻优之间取平衡。通常研究者机械地将将两种算法结合起来，使得程序复杂，运行时间偏长，本程序以粒子群算法为主，巧妙地将遗传算法的变异思想引入粒子群算法，这一简单改进却可以大大提高粒子群算法的性能。但是，注意 引入随机数时的阈值 需要反复试验确定，目前这个程序没有做到阈值自适应。关键技术将遗传算法的变异思想 巧妙引入 粒子群算法 中改进粒子群算法寻优性能，使得寻优速度更快，当测试复杂高维的benchmark时，也更加接近最优值

资源描述数值积分法算大地线，正反算程序，还有角度弧度转换的算法。算法亲身实验计算跟大地测量书上结果吻合，算法效率高。