matrix of the code library, very useful, please try downloading!

用动态规划解矩阵连乘问题-use dynamic programming solution matrix continually multiply problems

获得最大并行度的哲学家问题解法-maximum degree of parallelism philosopher Solutions

这是一段生成粗糙面的源代码，非常实用，二维的，能够帮助那些做粗糙面研究的朋友，很简单明了，我在这里分享给大家，大家可以借鉴一下。

应用背景的人工& nbsp；势场 ；方法是广泛使用的移动机器人路径规划，由于它的简单性和数学分析，然而，大多数研究都集中在解决路径规划的目标和障碍是固定在一个固定的环境。关键技术一种方法是将机器人的配置作为一个点在一个潜在的领域，结合了吸引力的目标，和排斥的障碍。由此产生的轨迹是输出的路径。这种方法具有的优点，在该轨迹是产生小的计算。然而，他们可以成为被困在和，局部极小和潜在的领域，并没有找到一个路径。

MEPG4协议编解码算法和源代码、DEMO等

use GA to deal with 随机机会约束规划-use GA to deal with random chance Constraint Programming

CRF的工具包，实现原理，及样例。CRF(Conditional Random Field) 条件随机场是近几年自然语言处理领域常用的算法之一，常用于句法分析、命名实体识别、词性标注等。在我看来，CRF就像一个反向的隐马尔可夫模型(HMM)，两者都是用了马尔科夫链作为隐含变量的概率转移模型，只不过HMM使用隐含变量生成可观测状态，其生成概率有标注集统计得到，是一个生成模型；而CRF反过来通过可观测状态判别隐含变量，其概率亦通过标注集统计得来，是一个判别模型。由于两者模型主干相同，其能够应用的领域往往是重叠的，但在命名实体、句法分析等领域CRF更胜一筹。当然你并不必须学习HMM才能读懂CRF，但通常来说如果做自然语言处理，这两个模型应该都有了解。

朴素贝叶斯算法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条 件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率 最大的输出y。朴素贝叶斯法实现简单，学习与预测的效率都很高，是一种常用的方法。 算法假定训练数据各属性列的值均是离散类型的。若是非离散类型的数据，需要首先进行数据的预处理，将非 离散型的数据离散化。 首先，将原训练元组按类别划分为,其中利用 MapdatasOfClass(ArrayList datas)，d

!此代码包括微分进化算法的最优控制问题!Fortran 90 节目翻译从原始的 MATLAB ！差分进化 （DE） 的版本。此 FORTRAN 90 代码!已经过测试的康柏视觉 Fortran v6.1。!任何用户新德鼓励阅读这篇文章的暴风雨和价格。!!长篇：!暴风雨，钢筋和价格，希，（1996 年）。最小化的真正功能!ICEC 96 竞赛由微分进化。在进化上的 IEEE conf.!卧铺，842 844。

有关于LEACH的讲解～帮助新人更好的理解LEACH算法的原理～LEACH协议，全程是“低功耗自适应集簇分层型协议”是一种无线传感器网络路由协议。算法基本思想：以循环的方式随机选择簇头节点，将整个网络的能量负载平均分配到每个传感器节点，从而达到降低网络能源消耗/提高网络整体生存时间的目的。仿真表明，与一般的平面多条路由协议和静态分层算法相比，LEACH分簇协议可以将网络生命周期延长15%。