stm32f103梯形加减速算法

粒子群优化算法 （PSO） c粒子群优化 （PSO） 算法 [1，2] 在 C 可执行"插入"代码作为一个小型图书馆。粒子群优化算法用于涉及全局随机优化的连续函数 （称为目标函数） 的问题。粒子群优化算法也可用于离散优化问题，但在此库的当前版本中未实施这种行为。使用只是在代码中包括 pso.h 和 pso.c。您需要有 GNU 科学图书馆和各自的发展 （即标题） 文件，以在您的应用程序中包含 pso.c。你的 Makefile 中将添加到您的 LDFLAGS 的-lgsland lgslcblas。为了使用 pso_solve()，您需要：最小化目标函数 （见在 pso.h 中定义类型 pso_obj_fun_t），一个具有正确初始化的 pso_results_t 对象 (malloc 会) gbest 缓冲区。这是将存储发现最好的位置，以及最小的误差 （存储在成员错误）。一个具有正确初始化的值 （使用 pso_set_default_settings() 进行快速和肮脏的初始化） 的 pso_settings_t 对象功能邻域拓扑粒子群优化算法用于确定每个 particle 附近吸引子提供了三种不同的策略：全球的拓扑结构 （PSO_NHOOD_GLOBAL），每个粒子由每一另一种粒子群通知环形的拓扑 （PSO_NHOOD_RING） 在那里存在着固定的环型拓扑结构和每个粒子由其邻近的微粒通知

多维数据分析,有nPLS,PARAFAC,TURKER等-multidimensional data analysis, nPLS, B6, and other TURKER

基于模板的圆检测算法,很好的程序,看了都说不错-based on the template circle detection algorithms, good procedures, said good read

对一个可排序数组A[]，从右到左扫描这个有序的字数组，直到遇到第一个小于等于A[]的元素，然后把A[]插在该元素的后边。基于递归思想，从底至上地实现这个算法，效率会更高，也就是使用迭代。给定n个可排序的元素构成的一个数组A[]，输出一个非降序排列的数组A[]。

应用背景以文档形式详细说明单元最短路径问题（用两种方法说明：贪心算法和分支限界法），并附有源码和运行结果关键技术源码用C++语言编写，可在VC和VS环境下运行

数值分析实验二分法的个人编写的实验报告号电脑促进吸收大跨度-Numerical experiments dichotomy of personal computers Number experimental report prepared for absorption of large-span

MD5 哈希算法实现，充分测试验证 API定义如下： void MD5Init PROTO_LIST ((MD5_CTX *)); void MD5Update PROTO_LIST   ((MD5_CTX *, unsigned char *, unsigned int)); void MD5Final PROTO_LIST ((unsigned char [16], MD5_CTX *)); void md5(char*,char*,int len);

贝叶斯算法：盲分离技术，信号处理技术，信息论与编码-Bayesian

用VB实现的傅立叶变换谱方法 包括复数据快速傅立叶变换算法、实数据快速傅立叶变换算法1、实数据快速傅立叶变换算法2、快速正弦变换和余弦变换等-VB Fourier transform spectra data including Minute Fast Fourier Transform algorithm, false information Fast Fourier Transform algorithm for one, real data Fast Fourier Transform algorithm 2, rapid transformation sine and cosine transform, etc.

无线传感器网络综合了传感器技术、嵌入式计算技术、分布式信息处理技术和无线通信技术，能够协作地实时监测、感知和采集各种环境或监测对象的信息，并对其进行处理，传送到所需用户。节点定位问题属于传感器网络支撑技术，是传感器网络进行目标识别、监控、跟踪等众多应用的前提，也是传感器网络研究中的热点问题之一。 本文在查阅大量相关文献的基础上，介绍了基于无线传感器网络定位技术的国内外研究现状，对无线传感器网络相关技术做了整体概述，并综述了无线传感器网络定位算法的性能评价标准和分类方法。基于应用的简单高效考虑，本文着重研究了几种典型的适用于大规模无线传感器网络的定位算法，包括Sum-dist，DV-Hop，Euclidean。这三种算法的共同特点是：自组织，鲁棒性强，能量高效性，分布式计算。仿真实验结果显示了各种算法在不同场景下的定位误差情况，同时也对不同的网络环境参数对网络定位性能的影响做出了分析。指出了三种算法各自的优势与不足，给出了它们分别适用场合的建议。 然后，本文重点对DV-Hop算法进行了研究与改进，针对DV-Hop算法在具体应用中存在的平均每跳距离误差大，定位精度不够等问题，提出了一种基于DV-Hop的改进算法RW-DV-Hop，给出了算法的基本原理和在OMNeT++仿真环境下的实现方法，并进行了仿真实验和性能评价，结果验证了算法的有效性。