本程序实现了列主元高斯消去法，程序层次清晰，界面详细

双截面算法的C++实现。该算法是一种无约束优化方法。它仅适用于一个变量；

这是 c + + 中的快速模表达式求值。它有没有其他库的依赖，将使用 g + + 在 Linux 上构建 / Mac / Android 或在 Windows 上使用 MSVC。它有一个非常简单的界面： CFloatExpression 前 ；或 CExpression < 浮法 > ex。解析 ("1 + 1") ； std:: cout

这是使用 delphi 的 OCR 人脸识别的源代码。欢迎下载，试用。谢谢您的支持。

椭圆拟合的误差算法，拟合点到椭圆心的距离减去拟合点对应在椭圆上的点到椭圆心的距离，有效分析椭圆拟合的误差问题，并让其在对话框中显示出来-The error ellipse fitting algorithm, fitting point to the ellipse center distance minus the corresponding fitting point on the ellipse to the ellipse center point of the distance, the effective analysis of the error ellipse fitting problem, and let it be shown in the dialog box

创建此库是为了给一个真正编码优化使用差分进化的框架。具体而言，本库在德实现共六种方法与最新方法。* 德： 基本差分进化。该算法允许使用 6 不同的变异策略和 3 交叉算子。*： 美国 Rahnamayan，H.Tizhoosh，M.萨拉马，反对基于微分进化，进化计算 12 (1) 上的 IEEE 交易记录 （2008 年） 64-79。* 萨德： A.K.秦、 五、 黄琳、 P.N.Suganthan、 与战略相适应的全局数值优化，进化计算 13 (2) 汇刊的差分进化算法 （2009 年） 398 – 417。* 玉： J.张、 A.C.桑德森，玉： 自适应差分进化与可选的外部归档，进化计算 13 （5） 汇刊 （2009 年） 945 — — 958。* DEGL： S.Das，亚伯拉罕，美国 K.查克拉博蒂、 A.纳尔，使用基于邻域的变异算子，进化计算 13 (3) 汇刊的差分进化 （2009 年） 526 – 553。* SFSLDE： F.内里，V.Tirronen 规模因子局部搜索在微分进化中，模计算 1 (2) (2009) 153-171。此库的目的是让研究人员把重点放在其德，避免多次作出相同的代码为每个德。此库已能够在不同的平台上运行。

数值算法库for Windows，含有很多数值算法- Value algorithm storehouse for Windows, includes the very many values algorithm

本例子演示了如何利用f90接口来读取已经创建的3维变量，并检查读写正确与否 -This example shows how to use the f90 interface to read the already created three-dimensional variable, and check whether or not to read and write properly

MATLAB编的最优化算法，利用armijo算法进行线搜索。armijo算法是最优化问题中确定步长最常用的算法之一，可以比较快速高效的确定收敛步长。

用一观测器从t=1秒开始对一个运动目标的距离进行连续地跟踪测量，假设观测的间隔为一秒钟，雷达到运动目标之间的距离为S(t)（1） 统计特性的初值为 （2）观测误差是与和均不相关的白噪声序列，并且有 （3）观测数据存放在附加的文件中（单位：m）。 要求：分析上述对象，建立系统模型，构造卡尔曼滤波器，编程计算，求： （1） 距离S(t)的最佳估计及估计误差， （2） 距离S(t-5)的最佳平滑及估计误差， （3） 距离S(t+5)的最佳预测及估计误差， （4） 对结果进行分析讨论。 -By one observer from the t = 1 PST on a moving target tracking for distance measurement, assuming that the observation interval is one second, the radar that the distance between the moving target for the S (t) (1) the statistical characteristics of the initial condition (2) observational error is not associated with white noise sequence, and (3) observational data stored in the attached document (unit: m). Requirements: Analysis of the above-mentioned object, the establishment of the system model, constructed Kalman filter, programming terms, seeking: (1) distance from S (t) the best estimate and the estimation error, (2) distance from S (t-5) the most good smoothing and estimation error, (3) distance from S (t+ 5) t

资源描述一个简单而快速的APM（渐近预测法）实时LTI SISO控制算法（线性时不变的单输入单输出）系统已被提出。在每个采样周期最优控制信号是用平凡的计数器控制序列而不是要求QP计算（Quadratic Programming）的数值方法。用MATLAB仿真，APM控制已经比较苛刻的标准MPC（模型预测控制）对一些典型的高阶动力系统或无输出约束算法。仿真结果表明，与未成年人的软件和硬件要求APM算法的竞争力。 ； ； ； ；