《计算机算法基础》（华工版）关于单源点最短路径生成最短路径贪心算法；...

应用背景粒子群算法的一个基本变量是有一个群体（称为群）的候选解（称为粒子）。这些粒子在周围移动搜索空间根据几个简单的公式。的运动粒子是由自己的最著名的位置在搜索空间，以及整个群的最佳已知位置。什么时候改进的位置被发现，这些都将引导群的运动。这个过程是重复的，并且通过这样做希望，但不能保证，一个令人满意的解决方案最终被发现。关键技术对于每一个粒子，我和1，和…：初始化一个均匀分布的随机矢量粒子的位置：西 ；~  ；U（BLO， ；B），在血和丁丙诺啡是上下搜索空间的界限。初始化粒子的最好的已知位置的初始位置：←PI  ； ；西如果（F（PI）& lt；F（G））更新群最著名的位置：G← ； ；PI初始化粒子的速度：~ VI  ； ；U（- | BUP BLO |， ；| BUP BLO |）直到一个终止准则（如迭代次数执行，或有足够的目标函数值的解决方案重复发现）：对于每一个粒子，我和1，和…：对于每一个维度，= 1，和…：取随机数：RP、RG ~ U（0,1）更新粒子的速度：VI，←D  ； ；ωVI，D +φP RP（PI，密苏里D-XI，D）+φG RG（GD西，D）更新粒子的位置：西 ；← ；西+ VI如果（西）和（西）：更新粒子的位置：最著名的←PI  ； ；西如果（F（PI）& lt；F（G））更新群最著名的位置：G← ； ；PI现在克拥有最佳找到解决方案。

类型 1 粒子群优化算法是一种修改的版的粒子群优化 （PSO）是一种通过 iteravely 试图提高某项措施的质量是候选人解决优化问题的计算方法。粒子群优化算法的候选解，这里被称为粒子，人口和移动这些粒子在搜索空间进行简单的数学公式对粒子的位置和速度，以优化的问题。每个粒子的运动受其当地最有名的立场，但也引导最好已知的立场在搜索空间，更新作为其他粒子被发现更好的职位。预计这将移往最好的解决方案群。粒子群优化算法是超启发式因为它让很少或没有假设正在优化的问题，可以搜索候选解的很大空间。然而，如粒子群优化算法的元启发式方法不能保证过找到最佳的解决办法。因此提出了修改后的版本的粒子群优化算法，称为 T1PSO。T1PSO 有一个更好的能力，找到最优的解决方案。

数值分析中的循环赛程表问题，程序中含有运动员人数输入界面，在界面中可进行运动员人数的输入。-Numerical analysis of the issue cycle calendar, the program contains a number of athletes input interface, the interface can input the number of athletes.

mfcc，最全面的，非网上流传的,首先对输入数据采取加窗分帧，对于每帧的语音，进行SFFT，求得功率谱，送mel滤波器组，经对数变换，DCT变换求得压缩的最终MFCC特征参数

该程序用来计算两台摄像机之间的基础矩阵，首先获取两台摄像机图像中的N组匹配点，采用8点法和ransac法，随机的选取8组匹配点对，计算基础矩阵，并且不断调整各个参数。最终结果与matlab的结果进行了比较，精度高。

数值计算中SOR迭代法的Matlab程序-numerical calculation SOR iteration of the Matlab program

这就是广度优先搜索和 8 拼图算法在求解 8 益智游戏的执行。 使用的语言是 java，代码中的注释将帮助与其余部分 ！

计算方法中的方法-method of calculation methods

VB写的增量式PID算法源码，实现了模拟量连续数字输出，和开关量输出自己原创，根据西门子200PLC的公式写出来的

latent dirichlet allocation C语言实现算法 LINUX 下运行-latent dirichlet allocation the c implementation