fortran版 神经网络遗传算法

一个简单遗传算法，用一个测试问题测试,到到得结果比较好-This is a simple genetic algorithm and the algorithm is tested by a test problem, and the result is not bad

人工智能中一个关于野人过河的小程序-AI Savage cross the river on a small procedure

D星算法，是A星算法的动态版本，都是基本的路径规划算法-D Star algorithm, stars are A dynamic version of the algorithm is the basic path planning algorithm

pso 的一个演示源码，欢迎初学者下载，共同进步-pso source of a presentation, please download beginners, and common progress! ! ! ! ! !

基于神经网络的文字识别系统,它通过遗传算法实现。-Neural Network Based Character Recognition system, which through genetic algorithm.

使用禁忌搜索法约求解瑟夫环改进算法，程序简单易懂。-use tabu search about solving Cerf Central improved algorithm, procedures simple and understandable.

libsvm中文声明对流行的SVM软件libsvm的详细说明会对大家有所帮助

关于人工智能传教士和萨维奇的详细情况，请参阅拟议修正案。

这是一个识别两句话之间的相似度的程序，输入是两句中文文字，输出是得分（满分100）-This is a recognition of the similarity between two sentences of the procedure, the input of two Chinese characters, the output is a score (out of 100)

Hopfield 网――擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。 比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式――决定权重 想要记忆的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 则任意两个神经元j、i间的权重： wij=∑ap(i)ap(j)，p=1…p； P：模式的总数 ap(s)：第p个模式的第s个要素（-1或1） wij：第j个神经元与第i个神经元间的权重 i = j时，wij=0，即各神经元的输出不直接返回自身。 2)想起模式： 神经元输出值的初始化 想起时，一般是未知的输入。设xi(0)为未知模式的第i个要素（-1或1） 将xi(0)作为相对应的神经元的初始值，其中，0意味t=0。 反复部分：对各神经元，计算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n―神经元总数 f（）--Sgn（） θi―神经元i发火阈值 反复进行，直到各个神经元的输出不再变化。-Hopfield network-- good at associative memory solution with the realization of lost H associative memory networks, are key to bringing the memory model samples corresponding network energy function of the minimum. With M-N-dimensional memory model, the network N neurons connect between right wij and N output threshold j design makes : M-mode memory corresponding to the network is a state network energy function is the M-000 minimum. Mor