Lagrangian algorithm implementation

计算方法《高斯定理》-calculation method, "Gauss theorem"

多目标优化 （也称为多目标规划，向量优化问题、 多准则优化、 多属性的优化或帕累托优化） 是的多准则决策，那就是有关进行数理优化问题涉及多个目标函数，同时优化领域。多目标优化设计已应用于许多科学领域，包括工程学、 经济学、 物流 （见一节关于详细的示例应用程序） 需要在两个或多个相互冲突的目标之间权衡采取最优的决定。同时最大化的某一特定，强度和性能最大化最小化重量而尽量减少燃油消耗和排放污染物的车辆是组件的分别涉及两个和三个目标的多目标优化问题的例子。在实际问题中，可以有三个以上的目标。

“熵权”理论是一种客观赋权方法，它借用信息论中熵的概念。熵权是在给定评价对象集后各种评价指标值确定的情况下，各指标在竞争意义上的相对激烈程度，从信息角度考虑，它代表该评价指标在该问题中提供有效信息量的多寡程度，作为一种客观综合评价方法，它主要是根据各指标传递给决策者的信息量大小来确定其权数。程序可以运行出正确的结果，希望对各位有所帮助。

此文件用于仿真MIMO-STBC 系统性能程序，包括了发送，mimo quasi-static channel 和接收部分。用的是8psk调制 -this document for the simulation of MIMO- STBC system performance procedures, including sending, mimo quasi--static channel and receive part. The modulation of eight psk

模式识别，距离计算，聚类分析，判别函数，判断准则等的算法实现-Pattern recognition, distance calculation, cluster analysis, discriminant function, the algorithm to determine criteria

计算文本文件行数-Calculate rows number of text files

应用背景粒子群算法的一个基本变量是有一个群体（称为群）的候选解（称为粒子）。这些粒子在周围移动搜索空间根据几个简单的公式。的运动粒子是由自己的最著名的位置在搜索空间，以及整个群的最佳已知位置。什么时候改进的位置被发现，这些都将引导群的运动。这个过程是重复的，并且通过这样做希望，但不能保证，一个令人满意的解决方案最终被发现。关键技术对于每一个粒子，我和1，和…：初始化一个均匀分布的随机矢量粒子的位置：西 ；~  ；U（BLO， ；B），在血和丁丙诺啡是上下搜索空间的界限。初始化粒子的最好的已知位置的初始位置：←PI  ； ；西如果（F（PI）& lt；F（G））更新群最著名的位置：G← ； ；PI初始化粒子的速度：~ VI  ； ；U（- | BUP BLO |， ；| BUP BLO |）直到一个终止准则（如迭代次数执行，或有足够的目标函数值的解决方案重复发现）：对于每一个粒子，我和1，和…：对于每一个维度，= 1，和…：取随机数：RP、RG ~ U（0,1）更新粒子的速度：VI，←D  ； ；ωVI，D +φP RP（PI，密苏里D-XI，D）+φG RG（GD西，D）更新粒子的位置：西 ；← ；西+ VI如果（西）和（西）：更新粒子的位置：最著名的←PI  ； ；西如果（F（PI）& lt；F（G））更新群最著名的位置：G← ； ；PI现在克拥有最佳找到解决方案。

bit operation for 64.

DELPHI写的FFT程序，有曲线的演示，方便大家参考。-DELPHI FFT written procedures, the demonstration curve, convenient reference.

频繁项挖掘算法FP―Growth算法的实现，该算法使用java语言实现的