《MATLAB 遗传算法工具箱及应用》 作 者：雷英杰 张善文 李续武 周创明 出版社：西安电子科技大学出版社 本书系统介绍MATLAB遗传算法和直接搜索工具箱的功能特点、编程原理及使用方法。全书共分为9章。第一章至第四章介绍遗传算法的基础知识，包括遗传算法的基本原理，编码、选择、交叉、变异，适应度函数，控制参数选择，约束条件处理，模式定理，改进的遗传算法，早熟收敛问题及其防止等。第五章至第七章介绍英国设菲尔德（Sheffield）大学的MATLAB遗传算法工具箱及其使用方法，举例说明如何利用遗传算法工具箱函数编写求解实际优化问题的MATLAB程序。第八章和第九章介绍MathWorks公司最新发布的MATLAB遗传算法与直接搜索工具箱及其使用方法。
上传时间： 2013-12-19
上传用户：fnhhs
K-MEANS算法 输入：聚类个数k，以及包含 n个数据对象的数据库。 输出：满足方差最小标准的k个聚类。 处理流程： （1） 从 n个数据对象任意选择 k 个对象作为初始聚类中心； （2） 循环（3）到（4）直到每个聚类不再发生变化为止 （3） 根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分； （4） 重新计算每个（有变化）聚类的均值（中心对象）
上传时间： 2013-12-20
上传用户：chenjjer
若不希望用与估计输入信号矢量有关的相关矩阵来加快LMS算法的收敛速度，那么可用变步长方法来缩短其自适应收敛过程，其中一个主要的方法是归一化LMS算法（NLMS算法），变步长 的更新公式可写成 W（n+1）=w（n）+ e（n）x（n） =w（n）+ （3.1） 式中， = e（n）x（n）表示滤波权矢量迭代更新的调整量。为了达到快速收敛的目的，必须合适的选择变步长 的值，一个可能策略是尽可能多地减少瞬时平方误差，即用瞬时平方误差作为均方误差的MSE简单估计，这也是LMS算法的基本思想。
上传时间： 2016-07-07
上传用户：changeboy
在理想情况下采用非可靠度导向的顺序扫描法或菱形算法等相位展开的基本方法可以正确展开相位，这些算法具有最简单的和确定的扫描路径，如果测量过程中噪音较大或本身有些地方不满足采样定理，采用非可靠度导向方法展开会出现错误。可靠度导向的相位展开方法可以绕开二维相位场中的无效点，在某 种程度上将误差降到最小。
上传时间： 2016-07-11
上传用户：heart520beat
迷宫算法，给定一七点，给定一终点，找出迷宫路径
标签： 迷宫算法
上传时间： 2014-01-23
上传用户：it男一枚
自己编写的关键路径，是数据结构的算法实现。与大家多多交流。
上传时间： 2013-12-16
上传用户：拔丝土豆
路径跟踪是机器人视觉导航控制基本技术之一，为使机器人沿地面彩色引导线自主运动，并能在适时离线执行任务 后自动返航，提出了一种用可编程逻辑器件(CPLD)实现的视觉伺服PID 控制方法。该方法利用图像特征反馈对其所跟踪的 路经进行实时识别跟踪。仿真结果表明，该方法改善了控制算法的实时性，提高了移动机器人的路径跟踪精度与速度。
上传时间： 2013-12-26
上传用户：zhengzg
各种排序算法设计。 包括简单的：冒泡，比较，选择，shell 和复杂的：快速，堆，二路归并排序
上传时间： 2013-12-20
上传用户：kbnswdifs
K-MEANS算法: k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数. k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开
上传时间： 2016-07-31
上传用户：youlongjian0
K-MEANS算法: k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数. k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开
上传时间： 2013-12-19
上传用户：chenlong
