粒子群优化算法（c++版）

一个很著名的数学建模（数学仿真）问题－小吃店服务问题的Matlab求解程序-a very famous mathematical modeling (Simulation) issue-service snack of Matlab procedures

遗传算法在运行早期个体差异较大，当采用经典的轮盘赌方式选择时，后代产生的个数与父个体适应度大小成正比，因此在早期容易使个别好的个体的后代充斥整个种群，造成早熟。在遗传算法后期，适应度趋向一致，优秀的个体在产生后代时，优势不明显，从而使整个种群进化停滞不前。因此对适应度适当地进行拉伸是必要的，这样在温度高时(遗传算法的前期)，适应度相近的个体产生的后代概率相近；而当温度不断下降后，拉伸作用加强，使适应度相近的个体适应度差异放大，从而使得优秀的个体优势更明显。由于模拟退火算法和遗传算法可以互相取长补短，因此有效地克服了传统遗传算法的早熟现象，同时根据聚类问题的具体情况设计遗传编码方式、适应度函数，使该算法更有效、更快速地收敛到全局最优解。本案例研究了基于遗传模拟退火算法的聚类算法。

ASDAASDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDAASDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDdddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddd

该系统采用18B20和51单片机进行Protues仿真，能够通过18B20实现温度检测和控制，并通过protues进行仿真。仿真结果真实可信，试验无误，特此分享。

用乔里斯基(cholesky)算法求解对称正定方程组。- (cholesky) the algorithm solves symmetrically with the tall Reese base is deciding the system of equations.

bubble,insertion, selection排序-bubble sort,insertion sort, selection sort

灰度共生矩阵算法实现,实现能量，熵，惯性矩，相关，局部平稳，共生矩阵

利用PML吸收边界条件计算对称阵子天线的辐射，并且画出动态图像-PML absorbing boundary conditions for the use of Symmetric stream of the antenna radiation, and to draw dynamic image

这是一个基于列主元高斯消去法求3*3方程组的程序。只需确定方程组未知数的系数和等号右边的数，就可以算出最终的结果。结果精度高达8位小数。

此算法是加载一个写好的迷宫，并运用此算法求解迷宫，将求解出来的迷宫道路在屏幕上显示出来。此算法简单易懂，很适合初学者想要加强数据结构的编程能力。