编写另一版本结构手册，有待学习并进一步提高

问题 （或游戏） n 谜题是可能非常熟悉我们作为初学者有访问在人工智能领域的课程。它是闻名其许多的版本和不同的名称，如 8 拼图，15 拼图，宝石拼图，老板的谜题，十五岁，神秘主义者广场的游戏......在最简单的水平，我想说关于 8 拼图。②。A * 搜索算法A * 搜索算法是相关图，并找出方法中常用的问题。这是也选择不只是因为其效力，因为它容易理解和安装。您需要在继续之前了解该算法。那麼，我奖励已经知道关于这一理论，但为方便参考，您可以阅读下面的两个链接：-A * 搜索算法-A * 搜索算法三。问题分析— — 正如在上一篇文章中讨论，有表的状态不会转给目标状态，我们称之为配置有效和无效。他们之间的比率是 ½，这可以很容易认出从查看会计方法可以提供国家目的或不。-它的容易看到每个表的状态是 mxm 置换 （其中 m 是边缘） 的元素，因此其状态空间 （mxm） ！与 8-谜题是 9 ！= 362 880 （m = 3) 和第 15-拼图是 16 岁 ！= 20922789888000 （m = 4）。你不如 m 增加 1 个单位，状态空间增加的非常迅速，这使得 m > 3 很少适用的决议版本。-适用 A * 算法解决这个问题，你需要一个启发式函数 h 来估计每个状态 "s 车牌的价值。有几种方法你可以知道距离作为计算基于方差的细胞数与正确的位置，或简单地数出多少个单元格在错误的位置，......在这里，我选择第一种方法，即平方偏差相比其正确位置的单元格数目。这种计算常用，它被称为曼哈顿。

计算方法的牛顿前插值算法vc实现-calculation of Newton interpolation algorithm to achieve vc

应用背景       ICP算法即：迭代最近点法（Iterative Closest Points Algorithm）。ICP算法由Besl和Mckey提出，是一种基于轮廓特征的点配准方法主要用于解决基于自由形态曲面的配准问题。 关键技术 ICP算法的基本思想是：根据某种几何特性对数据进行匹配，并设这些匹配点为假想的对应点，然后根据这种对应关系求解运动参数。再利用这些运动参数对数据进行变换。并利用同一几何特征，确定新的对应关系，重复上述过程。

路径规划 删格法

用希尔算法实现的排序-Hill with the ranking algorithm

将C语言转换成汇编语言-C language into assembler language

基于图像处理的算法             parallele并行编程算法 基于图像处理的梯度算法 gradiant算法，能够圈出图像轮廓Opencv读取图像灰度图像

用K均值算法实现聚类分析的Vc源码，界面和算法都有-K-means cluster analysis algorithm source of Vc

基于AVI的 图像处理系统 里面有目标检测和背景差分法还有提供目标跟踪分析。

matlat程序数据拟合例子 要自己再输入数据文件的-matlat examples of data fitting procedure to re-enter their own data files