LZW的算法实现

用蚁群算法处理TSP商旅问题（蒙娜丽莎点阵） 数据文件格式为城市坐标 主程序包含绘图部分和求解部分 可分开使用 不同的阿尔法 贝塔 rho参数选择会对结果和运算时间有很大影响

旅行商问题 某售货员要到若干城市去推销商品，已知各城市之间的路程（或旅费）。他要选定一条从驻地出发，经过每个城市一遍，最后回到驻地的路线，使总的路程（或旅费）最小。 例如：给定4个城市{1，2，3，4}及其各城市之间的路程 最优路线是1,3,2,4,1， 其最短路程是25-a salesman, traveling salesman problem, a number of cities to sell commodities, the known distance between the city (or travel). He selected from a resident, after each city again, the last resident to return to the line, making the total distance (or travel) is the smallest. For example : given four cities (1,2,3,4) and the distance between the city optimal route is 1,3,2,4, 1, the shortest distance is 25

数值比较 判断两个数是否相等 大于 或 小于-numerical comparison to judge whether two equal number greater than or less than

大数算法,为了平常数据的输入,运算处理- The big number algorithm, for the ordinary data input, the operation processes

用于程序员基本

黄金分割法 C语言 很不错的哦 大家-Golden section method C language

自己编写的八皇后问题的各种随机算法：包括了随机算法，回溯法，随机+回溯求解八皇后-I have written eight issues of a variety of Queen" s random algorithm: including a random algorithm, backtracking random+ back to solve the eight Queen" s

TF-IDF（term frequency–inverse document frequency）是一种用于资讯检索与资讯探勘的常用加权技术, TFIDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。TFIDF实际上是：TF * IDF，TF词频(Term Frequency)，IDF反文档频率(Inverse Document Frequency)。TF表示词条在文档d中出现的频率。IDF的主要思想是：如果包含词条t的文档越少，也就是n越小，IDF越大，则说明词条t具有很好的类别区分能力。如果某一类文档C中包含词条t的文档数为m，而其它类包含t的文档总数为k，显然所有包含t的文档数n=m + k，当m大的时候，n也大，按照IDF公式得到的IDF的值会小，就说明该词条t类别区分能力不强。但是实际上，如果一个词条在一个类的文档中频繁出现，则说明该词条能够很好代表这个类的文本的特征，这样的词条应该给它们赋予较高的权重，并选来作为该类文本的特征词以区别与其它类文档。这就是IDF的不足之处。

参数说明： //******************************************* //    pSR 空域实部指针 //    pSI 空域虚部指针 //    pFR 频域实部指针 //    pFI 频域虚部指针 //****************************************** 输入返回数据应为2的整数次方

这是PSO算法功能，给每一位想要轻松地学习。此功能有许多选项，给你更好的和最佳的输出。