加法难题 有如下的加法算式： donald + gerald = robert 每个字母代表一个不同的数字(0...

为遗传算法提供基类，该基类将评价函数值直接作为适合度，采用新个体直接替换老个体的整体再生法 -genetic algorithm to provide the base class, the base class will be evaluated as a direct function of fitness, Individual direct new replacing the old individual"s overall regeneration

用mathlab编写的经典的模拟退火应用程序，包括图着色问题，最大截问题等-Mathlab prepared to use the classic simulated annealing applications, including graph coloring problem, the largest cut-off problems

粒子群算法程序集,应用于粒子优化处理!最新的算法.-PSO algorithm set, optimized for particle! The latest algorithm.

此是国外机器人实验室的中国留学生翻译的kalman滤波的教程，较为介绍了扩展kalman滤波理论，同时给出具有代表意义的例子，帮助理解-err

apriori算法是数据挖掘的经典算法,它基于关联规则的思想.此为我的第3个收藏-algorithm data mining algorithm is the classic algorithm, which is based on the idea of association rules. This was my first three collections

遗传算法工具箱matlab-GA Matlab Toolbox

一个很好的bp神经网络预测程序实例，有较好的预测精确性-Bp a good example of neural network forecasting process, a better prediction accuracy

Autolife模型是一个能够进行“开放式进化”的人工生命系统。每个Agent模型采用可以变化规则表长度的有限自动机模型建模。一方面Agent可以进行自我繁殖，同时模型中的选择机制没有采用显式的适应度函数而是采用能量消耗的简单模型而自发涌现出来，所以可以认为Agent模型是一个类Tierra系统。然而与Tierra、Avida等数字生命模型不同的是，Autolife模型进行了大大的简化，它界面友好，操作直接。虽然没有给每个Agent装配一个虚拟计算机，但是Agent与环境的耦合则可以看成一个图灵机模型，因此Agent可以通过变异而“任意”的编程序。通过Autolife模型，首先人们可以看到一般的生态系统中共存的现象：生物的大爆炸、大灭绝，Agent进化得越来越聪明；其次，用户可以通过变化不同的食物添加规则探索Agent与环境的关系；最后，如果允许Agent通过播种改变环境自动产生食物，那么组织的涌现就是一种不可避免的结果。Agent构成的组织具有自主运动的特性，还可以进行自我修复，可以说Autolife中的组织是一些真正的“活体”。-Autolife model is to conduct an "open-evolution" artificial life system. Each Agent can be used model changes the rules limited the length of the table automatic machine modeling. One Agent can be self-propagation, model selection mechanism not used Explicit the fitness function instead of using the energy consumption of a simple model to emerge spontaneously, so that the agent can be a model category Tierra system. But with Tierra, Avida digital life model is different Autolife model for greatly simplified its

vb环境下 匈牙利算法的解决 自己编的 仅供参考-Hungary Algorathm in vb,made by myself ,just for reference

一个利用遗传算法解决TSP问题的程序,有利于对遗传算法进一步的理解.-A use of genetic algorithms to solve TSP problems procedure is beneficial to further understanding of genetic algorithm.