: Mobile robot path planning is an important study robot research field. Charact...

微分进化算法DE是1995年由Rainer Storn和Kenneth Price首先提出。DE已被证明在求解过程中具有高效性、收敛性、鲁棒性等优点[5,6] 。它在许多优化问题中都表现出优于自适应模拟退火算法、POS 算法、GA算法的性能。DE利用实数值参数向量作为每一代的种群，它的自参考种群繁殖方案与其他优化算法不同。-DE was first proposed in 1995 by Rainer Storn and Kenneth Price and had been proven that it is efficient, convergent, and robust in the solution process. [5,6] In many optimize questions, its performance surpasses the adaptive simulated annealing algorithm, the POS algorithm, and the GA algorithm. DE gets each generation of population using the real value parameter vector, and the crucial idea of DE is a scheme for generating trial parameter vectors.

这是一种利用神经网络来进行人脸识别的算法。-This is a neural network to the face recognition algorithm.

可拓学的专家系统,基于B/S结构,动态,网络专家系统.-Extenics expert system, based on B/S structure, dynamics, network expert system.

这是一本粗糙集数据挖掘的书，其中同时介绍了其他几种数据挖掘方法，并进行了相关对比-This is a rough set data mining of the book, which also introduced several other data mining methods, and conduct the relevant comparison

遗传算法和模拟退火算法相结合的并行实现-genetic algorithms and simulated annealing algorithm combining the parallel implementation

本文讨论的问题主要涉及货运的配载，而货运配载的目标是实现车与货的高效匹配, 降低空载率以减少货物运输过程中因此而造成的经济损失。货运配载问题涉及两方面的 内容:车辆利用和货物装载。本文主要从这两个角度角度来分析解决问题。 对于问题1，我们首先通过分析复杂的变量及他们之间的关系，建立规划模型。为 了求解这个模型，我们进行了一系列的简化，使得模型求解切实可行。求得较优的方案， 而且各辆车均匀负担。该方案的总费用为4877.2。 对于问题2，我们在模型1 的基础上进行了改进采用类似的方法求解。也得到了较 优的方案，其总费用为4484。该方案中只用了4 辆车，节省很大的成本。同时指出了模 型求解的关键困难所在，给出了新的思路。 问题3 的思考中，提出了利用图论的有关思想。 在文章的最后，我们针对所建的模型进行了分析，并提出了新的解题思想。对模型 进行了进一步扩展。 关键词：货物配载 运输 组合优化-err

模拟退火算法 模拟退火算法(Simulated Annealing,简称SA算法)是模拟加热熔化的金属的退火过程，来寻找全局最优解的有效方法之一。 模拟退火的基本思想和步骤如下： 设S＝{s1,s2,…,sn}为所有可能的状态所构成的集合， f：S―R为非负代价函数，即优化问题抽象如下： 寻找s*∈S，使得f(s*)＝min f(si) 任意si∈S （1）给定一较高初始温度T，随机产生初始状态S （2）按一定方式，对当前状态作随机扰动，产生一个新的状态S’ S’＝S＋sign(η).δ 其中δ为给定的步长， η为[－1,1]的随机数-simulated annealing algorithm (Simulated Annealing, or SA algorithm) is a simulation of heating molten metal in the annealing process, to find the global optimum one of the effective ways. Simulated Annealing basic ideas and the steps are as follows : S = (s1, s2, ..., sn) for all possible state posed by the pool, f : S-R non-negative cost function, that is abstract optimization problems are as follows : Find S* s, making f (s*) = min f (si) arbitrary si S (1) to set a higher initial temperature T, randomly generated initial state S (2) of a certain form, the current state of random disturbance, have a new state S "S" = S+ sign (). delta where given for the step, [-1,1] Random Number

矩阵计算库，经改编过的，可以扩充，可读性很好。-matrix calculation library, adapted too, can be expanded, good readability.

基于遗传算法的多移动机器人协调路径规划，这是国内的专家篆写的文章。我觉得写得不错，推荐给大家看看。-based on genetic algorithms more mobile robot path planning coordination, which is the domestic experts Fragrance write articles. I think well-written and recommend it to see.

SVM程序,以方便大家来使用，仅供参考fgawgagssag gwgragha ghewrag ghwaweg-svm programe ,for everyone can get this and gag gwe gwega gwega gwerga