这里有人工智能的A*算法看能不能帮到你。。我是在里面得到了不少的经验的

用A星算法实现的旅行商问题，对于状态空间图中的某个节点，如果求出了它的后继节点，则此节点为已扩展节点，而尚未求出后继节点的节点称为未扩展节点。将未扩展的节点存于一个名为OPEN的表中，而将已扩展的节点存于一个名为CLOSED的表中。

有界面，效果不是很好，可以改改，本程序是对模拟数据进行滤波反投影重建。对初学者有一定的帮助

研究生算法作业著名的旅行者问题-graduate algorithm operating famous Traveler Problem

自己开发的海量数据本地搜索算法,没有使用数据库,完全自定义数据结构和索引完成.

此代码有着卓越的时间优越性，能大大增加代码的可读性。同时，代码中还有高效性！

最权威的STL源码实现，并附有文档。是学习 C++ stl的好帮手。                                            

固定分区模拟,按"回车"可以随机加入进程,对未获资源的进程自动排序,等待调度-Fixed partition simulation, press the Enter can be random to join the process has not been the resources of the process of automatic sorting, awaiting scheduling

variant code in this rar zipped package-variant code in this package zipped rar

应用背景最优形状设计是一种学习多层感知器的任务，应用神经网络对实际执行问题进行研究设计一个机翼，在这里的目标是电脑化的翼型设计过程和较少的时间设计机翼，在这个过程中，一个希望优化的解决方案的一些数学模型的标准它的领域，分享设计是非常重要的工业应用领域，一数学模型和物理约束的最佳形状设计所需的，为神经网络的变分公式为问题的解决提供了直接的方法。我们用传统的逆方法利用流域的保角映射方法，基于人工的逆设计方法进行了神经网络的计算，计算流体力学求解器（流利）首先是用来生成存储和服务的解决方案作为神经网络的输入。基于这些数据，使用一个合适的算法和神经网络的训练确定了优化的网络，并提出了一种翼型设计的技术方案。基于神经网络的逆设计。每个设计师都有自己的方式和他喜欢的工具进行。有些人喜欢使用反设计代码（比如Eppler代码）规定的流动参数，得到几何图形。气动设计大致可分为以下2类：1）直接数字优化方法2）逆方法。关键技术可以描述的翼型轮廓通过一系列的X和Y坐标。空气动力系数对应于一系列的翼型件存储在一个数据库中，随着翼型坐标，优化后的进给前馈神经网络是用来生成翼型坐标作为输出的通过气动系数作为输入，对目标和获得的翼型进行了比较，并从优化的神经网络中提取翼型外形匹配与存储在数据库中的翼型配置文件。

数值分析算法Guase_Seidel迭代-numerical analysis algorithm Iterative Guase_Seidel