北京大学的一些acm代码。还有一些资料。

崭新矢量机SVM源码，IEEE上发表，技术有一定帮助-New vector machine SVM source, IEEE published, technology has certainly helped

在Delphi中安装RTC-SDK组件

资源描述 这个程序主要是完成的功能是二维码的生成和解析。 可选编码形式：Byte,Numeric,AlphaNumeric 修正层次：L、M、Q、H 版本：1-40 像素可调 提供 二维码创建、二维码保存、二维码打开及译码功能

通过Matlab实现有限元算法第二版-through Matlab finite element method 2nd Edition

采用NLJ随机搜索的方法辨识一个以状态方法表示的非线性系统。选其初值 a1(0) =50 , a2(0) =100 , a3(0) =100 , a4(0) =50 , a5(0) =10 , 选范围为 r(1)(i)=0.5 a(0)(i) , 取数据长度 L ＝40, t =0.005 , 性能指标 J＝ 。迭代计算结果得 a 的估计值 1=17.6043243, 1=17.5977, 2=72.9573, 3=51.3014, 4=22.9889, 5=5.99965, J = 0.000000916 。-Using NLJ random search method to identify a method that the state of the nonlinear system. Election of its initial value a1 (0) = 50, a2 (0) = 100, a3 (0) = 100, a4 (0) = 50, a5 (0) = 10, choose the range of r (1) (i) = 0.5 a (0) (i), check data length L = 40, t = 0.005, performance index J =. Iterative calculation results have a estimated value of 1 = 17.6043243, 1 = 17.5977, 2 = 72.9573, 3 = 51.3014, 4 = 22.9889, 5 = 5.99965, J = 0.000000916.

Runge-Kutta-Verner方法求积分，包括cpp源码-Runge-Kutta-Verner method of quadrature, including the cpp source code

《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

应用背景以文档形式上传，详细分析了最长公共子序列问题，并附有源码和运行结果关键技术源码用C++语言编写，在VC和VS环境下可运行

图像旋转程序，可以对图像进行任意角度的旋转（旋转后无图像部分用255赋值）。-image rotation procedures, the images can be arbitrary angle of rotation (after rotating images without using some 255 assignment).

多智能体工具包，可直接用来进行多智能体强化学习算法设计与仿真。强化学习(reinforcement learning，又称再励学习，评价学习)是一种重要的机器学习方法，在智能控制机器人及分析预测等领域有许多应用。