用于机器人的识别路程的优化,用与其中，去得很好的结果

粒子群算法的示例程序，不错。可用来进行函数优化、神经网络训练等。-PSO algorithm sample program, yes. Available for function optimization, neural network training.

k均值聚类的算法，这是通用程序！欢迎借鉴使用-k average value gathers a kind of algorithm, this is the general routine! Welcome to profit from uses

在自然界中生物从其亲代继承特性或性状，这种现象称为遗传（Heredity），研究这种现象的科学叫遗传学（Genetics）。 在构成生物的细胞（Cell）中含有染色体（Chromosome），生物的遗传信息都包含在染色体中。遗传信息由基因（Gene）组成，基因是DNA（Deoxyribonucleic Acid）或RNA（Ribonucleic Acid）中占有一定位置的基本遗传单位。在DNA中遗传信息在长链上按照一定模式排列，即进行了遗传编码。遗传基因在染色体中占据的位置称为基因座（Locus），同一个基因座可能具有的全部基因称为等位基因（Allele），一个细胞核中所有染色体携带的遗传信息的全体称为基因组（Genome）。-err

编程的 BP算法并行,很好,值得下载,详细的介绍了BP算法-Of the BP algorithm for parallel programming, well worth downloading and detailed description of the BP algorithm for

人工智能的相关程序-artificial intelligence procedures

隐马尔可夫模型算法(解压后为ppt文件，改名为a.ppt)-HMM algorithm (decompression after ppt documents, renamed a.ppt)

神经网络方面源码 神经网络方面源码 神经网络方面源码 -neural network source neur al network source neur al network source aspects source neural network neural network source neur al network source neural network area source

-连续动态环境的XCS问题的测试版本：真实的多路复用器实验：XCS是在动态环境中探索的，对基本概念有不同程度的改变。参考文献：H.H.Dam，H.A.Abbass，C.J.Lokan。进化在线数据挖掘是一种动态环境下的研究。2005被《斯普林格计算智能研究丛书》中的一章所接受H.H.D.am，H.a.Abbass，C.J.Lokan。要真实！具有连续值输入的XCS。IW LCS 2005。学习分类系统国际研讨会。华盛顿特区，2005年6月。

输入一个任意大小的迷宫， 用栈求出一条走出迷宫的路径， 并显示在屏幕上。-importation of a maze of arbitrary size, with a stack get out of the maze of trails and on the screen.

1、编制程序显示印章图像（24位真彩色位图）； 2、读出位图中每一像素点的（R，G，B）样本值； 3、以RGB其中某两个（或三个）为坐标，取一定数量的图像点为分析样本，分析其坐标系中的分布； 4、采用本章学习的方法找到分类判别函数，对这些样本进行分类；（要求首先将印章与底纹区分，如有可能将印章、底纹、签字区分） 5、将分类后的结果标记到原始图像上，检查其效果。 -1, the preparation procedures showed that the seal image (24-bit true color bitmap) 2, read out each bitmap pixel (R, G, B) sample value 3 to RGB which a two (or three ) for the coordinates, take a certain number of image points for the analysis of samples, analysis of its coordinate system of distribution 4, the method used in this chapter to learn to find discriminant function classification of these samples for classification (required first to distinguish between the seal and Shading, if possible, will seal, Shading, signatures to distinguish between) 5, will be the result of classification markings to the original image to check its effectiveness.