关键路径算法

eye location in hue image

应用背景 混沌蚁群优化算法可以求解连续域最优化问题，本算法的编写是本人硕士期间的主要工作。算法的 编写主要以原作者发表的相关文献为参考，如李丽香等。 关键技术 使用混沌系统描述蚁群随机搜寻行为，通过迭代结束条件提高算法的计算精度。算法以C语言编写， 算法流程清晰，计算过程明了，对理解混沌蚁群优化算法和应用此算法求解其他问题，有很大的帮 助。

子控件自适应窗口大小的改变 对所有需要改变窗口大小的Dialog提供调用接口    * @方法功能:  子控件自适应窗口大小的改变        * @参数介绍：        -hWnd：要缩放的Dialog的窗口句柄，可在Dialog中通过GetSafeHwnd()方法获得;        -typeFlag: 缩放标志,其可能取值如下：0表示原始大小(缺省)，1最大化，2按照times的值放大或缩小一定倍数后居中。        -times : Dialog的放大倍数，缺省值为1.0，只有当typeFlag值为2时才有效    * @返回值：FALSE表示传入的第一个参数hWnd=NULL,否则返回TRUE；    * @注意事项：        -1、所有子控件的大小是按照原来的Dialog同比例进行放大，以免放大后失真        -2、放大后如果窗口大小超过显示器可用区域（除去任务栏），会自动调整使得窗口最大化但是长和宽的比例扔保持不变，以免失真        -3、放大后所有的子控件的字体采用的是系统默认字体，所有字体大小是放大后的统一大小        -4、当typeFlag=2&×

资源描述本程序是关于模糊粒子群优化算法的程序，具有用于优化函数等功能，通过改变代价函数优化不同函数等。

（1）Msls分三步对系统和噪声模型进行辨识，采用脉冲序列作为辅助系统模型，用 计算输出数据 ；用原输出数据 计算 ，用递推最小二乘方法分别对系统参数和模型参数进行估计。 （2）M.dat,wnoise1.dat分别为M和白噪声序列。Wnoise1.dat的长度为700，wnoise2.dat的长度为1000。Msls6.c为N=600的程序，Msls8.c为N=800的程序。 （3）程序运行后，生成的两个h文件为产生的脉冲响应函数。Msls6.dat为msls6.c的参数估计结果，msls8.dat为msls8.c的参数辨识结果。分别如下所示： a1=0.906331 a2=0.160170 a3=0.025525 b1=0.704475 b2=-1.497551 c1=1.009114 c2=0.446890 a1=0.906347 a2=0.159066 a3=0.024650 b1=0.700720 b2=-1.493327 c1=1.008787 c2=0.425714 （4）由数据结果可以看出，采用msls辨识方法估计精度要比els法的估计精度差一些。尤其是噪声参数c2的估计误差不在1％以内。这是由于msls法计算上较为简便，计算上的简化就带来了估计精度上的误差。由N=600和N=800相比较，可以看出当N增大时，误差有所减小。理论上当N趋于无穷时， 。 -err

用递归法解决商人渡河问题-recursive method used to solve business problems across the river

conver the data to absolute value

CFO(carrier frequency offset) and channel estimation in 802.11 system. The algorithm use the subspace based approach to estimate the CFO.

A program to demonstrate the optimization process of ant colony optimization for the traveling saleman problem (TSP). The cities are shown as red circles, the pheromone on the connections between them (fully connected graph) by gray lines. The darker the grey, the more pheromone is currently on the edge. During the optimization, the currently best found tour is drawn in red. To run the optimization, first create a random TSP, then create an ant colony, and finally run the optimization.

矩阵奇异分解(svd)最新c++版本，性能更稳定-matrix decomposition (SVD) c latest version of a more stable performance