矩阵算法库newmat10.tar.gz的帮助文件

微分进化策略的C++源代码。该算法是寻找一个集合中最优个体的一种遗传算法。-Differential Evolution Strategy C++ source code. The algorithm is to find an optimal set of individuals of a genetic algorithm.

CRC-16校验源程序及算法分析-CRC-16 checksum algorithm analysis and source

implementación del filtro de Kalman

最小二乘法线性拟合,数值计算方法中的一种经典算法-Least_squares algorithm linear fitting curves,A kind of classic algorithm of the number calculation

该程序用来处理微分方程系统的,用来化简一个微分系统的,特别是高维的系统,用来计算中心流行-The procedures used to deal with differential equations system for the simplification of a differential system, especially high-dimensional system, used to pop Center

该模型包含三个模块。"根"模块生成的工作，并将它们发送到"先进先出"的模块，这是一个单服务器队列。作业将存储在队列中 （cQueue 对象） 直到他们服务 — — 此队列，能够发现并视察了"先进先出"模块 — — 类成员之间的图形环境中任一对象中树在主窗口中，或在检查器中的"先进先出"模块 （fifo） 用鼠标右键单击""图标--> 检查作为对象--> 单击"内容"选项卡上）。处理的作业的处置"下沉"模块中。"汇"模块收集统计信息，还可以检查。运行仿真后, fifo*.vec 文件将包含排队时间在模拟过程中通过 cOutVector 对象收集的数据。可以使用 Plove 程序绘制数据。AbstractFifo 可以用作模块涉及排队的基类。一个人可以子类 AbstractFifo 和重新定义以下的成员函数：空 arrival(cMessage *msg)simtime_t startService(cMessage *msg)空 endService(cMessage *msg)通过 AbstractFifo::handleMessage() 调用这些函数时一条消息到达，开始服务和结束服务，分别。startService() 应返回该消息的服务时间。ACBFifo 和 ACPFifo 演示如何执行此操作。

最小二乘法一般是用来拟合直线和一些线性数据的，就是用一条直线来尽可能的表达若干的点的趋势，当然直线穿过所有的点是最好的，但往往有误差存在，所以拟合出的直线要求误差最小.设这些点为(x1,y1),(x2,y2)....(xn,yn).拟合直线为y=kx+b.-Ordinary least squares method is used to fit a straight line and a number of linear data, that is, as far as possible with a straight line to the point of the expression of a number of trends, of course, a straight line through all the points is the best, but often there is a margin of error, Therefore, a straight line fitting the requirements of the smallest error. established for these points (x1, y1), (x2, y2 )....( xn, yn). fitting straight line y = kx+ b.

《optimization using nondominated sorting genetic algorithms》的论文中提出的。该算法在快速找到Pareto前 沿和保持种群多样性方面都有很好的效果，不过在这么多年的应用中也出现了如下的一些问题： 1。非支配排序的时NSGA2主要是对NSGA算法的改进。NSGA是N. Srinivas 和 K. Deb在1995年发表的一篇名为 《Multiobjective function间复杂的很大，为O（MN3）。其中M为目标函数的数量，N为种群规模。 2。不支持精英策略。精英策略在保持好的个体及加速向Pareto前沿收敛方面都有很好的表现。 3。需要自己指定共享参数。该参数将对种群的多样性产生很大的影响。 NSGA2算法将在以下方面进行改进： 1。快速的非支配排序     在NSGA进行非支配排序时，规模为N的种群中的每个个体都要针对M个目标函数

recognition of handwriting that implement with matlab and neutral network.

使用C＋＋语言编写的算法程序，用于解任意阶数的贝塞尔函数，使用的编程方法比较简单，适合初学者学习参考。