线性方程组的解法

对人工智能中8数码问题的扩展，使用C#语言实现了15数码问题，使用的算法是人工智能领域中经典的A*算法解决了人工智能中常见的十五数码问题。

图形结构和最大的派系 在广泛的应用，包括社交网络通信分析、 计算机网络分析、 计算机视觉和许多其他中遇到的最大团问题。 对于甚至中等大小的图，原来在计算机科学中的最具挑战性和有趣的问题之一是最大的派系问题。 用于解决的最大团问题的技术 — — 其中包括禁忌搜索、 贪婪搜索、 高原搜索、 实时参数适应和动态解决方案历史 — — 在许多其他问题方案中可以使用。 在短期，解决了最大团问题的代码可以直接对您非常有用，并在算法中采用的先进的技术可以帮助解决其他困难的编程问题。

该程序从 APPROKSK 文件中读取数据。DAT 和发现多项式的系数数据进行拟合。在最后一步的计算结果表明在图表上。

一个求解三维时变场的有限元算法,C语言实现,根据MAILE提出的算法实现.-Solving a time-varying three-dimensional FEM algorithm, C language, according to Maile realize the proposed algorithm.

本源代码实现了经典谱估计，可以进行周期图估计，BT谱估计，平均周期图估计

利用数学算法的公式求逆矩阵并用三个函数表示。-use mathematical algorithms for solving the inverse matrix function using three said.

您可以使用这些S-盒快速实现DES算法中。幸得代码原作者此致

邮政运输 2007年D题 邮政运输网络中的邮路规划和邮车调度 数学建模题目-Post transport D title in 2007 the postal routes in the transport network planning and scheduling Postal mathematical modeling topics

今天在一个QQ群上看到一位朋友发了一个编译未通过的Java计算器源代码，遂收藏下来并将其更正。Mark之，以供日后参考。程序比较简单，可以说并不是很好的设计，但对于Java中swing及awt的使用，可以作为一个简单有效的例子。 

著名的迭代就近点算法（icp）的源代码，在20世纪80年代中期，很多学者开始对点集数据的配准进行了大量研究。1987年，Horn[1]、Arun[2]等人用四元数法提出点集对点集配准方法。这种点集与点集坐标系匹配算法通过实践证明是一个解决复杂配准问题的关键方法。1992年，计算机视觉研究者Besl和Mckay[3]介绍了一种高层次的基于自由形态曲面的配准方法，也称为迭代就近点法ICP（Iterative Closest Point）。以点集对点集（PSTPS）配准方法为基础，他们阐述了一种曲面拟合算法，该算法是基于四元数的点集到点集配准方法。从测量点集中确定其对应的就近点点集后，运用Faugera和Hebert提出的方法计算新的就近点点集。用该方法进行迭代计算，直到残差平方和所构成的目标函数值不变，结束迭代过程。ICP配准法主要用于解决基于自由形态曲面的配准问题。