Algorithm Design算法设计习题答案（2） 7-13章 内有密码

非均匀快速傅里叶变换算法的matlab程序，包括常见的最大最小法 低秩逼近法 高斯格点法等算法的matlab实现，以及原创并发表在tsp期刊的NUSFT算法

为了克服使用单一智能优化算法在求解复杂问题中表现出的精度不高、易陷入局部最值、不能在全局搜索等一系列不足，算法融合的思想开始被研究和应用。将GA与PSO、GWO这三种经典算法进行融合，并辅以改进，从而利用它们的互补性，取长补短，提高求解复杂问题的能力。 无免费午餐定理，对任何优化问题，任两种优化算法的平均性能是相等的，没有任何一种优化算法在计算效率、通用性、全局搜索能力等性能方面都能表现得很好。 算法的混合也就成了算法优化领域的一个研究热点和趋势，混合有着固有的内在需求，不是简单地将算法组合叠加，要按照一定的策略和模式进行。 GA算法过程简单，全局收敛性好，多用于进行函数优化、数据挖掘、生产调度、组合优化、图像处理、机器学习等问题。但个体没有记忆，遗传操作盲目无方向，所需要的收敛时间长； PSO算法原理简单，用速度、位移公式迭代易于实现，具有记忆功能，需要调节的参数少，在寻优稳定性和全局性收敛性方面具有很大优势，但容易陷入局部最优值出现早熟，种群多样性差，搜索范围小，在高维复杂问题寻优时更为明显，多用于求解组合优化、模式分解、传感器网络、生物分子研究等领域。 联合GWO算法

计算机图形学相关算法，包括画直线，画多边形，画圆，插入字符，填充图形，可以选择不同的画笔宽度和画笔颜色等等

此程序主要拥有三大主要功能 1.第一生成迷宫 （1）.使用随机Prim算法生成迷宫，Prim随机算法不是优先选择最近选中的单元格，而是随机的从所有的列表中的单元格进行选择，新加入的单元格和旧加入的单元格同样概率会被选择，新加入的单元格没有优先权。因此其分支更多，生成的迷宫更复杂，难度更大，也更自然。 （2）.使用深度优先算法生成迷宫，深度优先法生成的迷宫极度扭曲，有着一条明显的主路， （3）.使用递归分割算法生成迷宫，递归分割法生成的迷宫较为简单，有点像四叉树，直路多且不扭曲。通俗的说，就是把空间用十字分成四个子空间，然后在三面墙上挖洞（为了确保连通），之后对每个子空间继续做这件事直到空间不足以继续分割为止。此算法十分高效。 这三种算法分别适合不同的迷宫情况，深度优先适合于那种主线支线明显的游戏（如RPG），而递归分割则适合转角较少的游戏（也许是FPS和ACT），至于prim，似乎适合最标准的迷宫游戏（因为很难走）。 2.寻找路径 因为我的迷宫默认是（0,0）,因此本人采用了右下原则和DFS算法来寻找路径。 3.图形可视化 利用Javafx进行图形可视化。

delphi7 国密算法实现文件加密解密 用到了sm2,sm3,sm4算法（源码+测试可用）

针对轨迹规划时采用首尾速度为零的加减速控制方法中存在的频繁启停，以及末端执行器在插补过程中加速度过渡不平滑等问题，提出了一种基于非对称S形加减速控制的多轨迹段平滑过渡的前瞻插补算法.该算法在相邻轨迹段间采用圆弧模型对衔接拐角处平滑过渡，在给定轨迹衔接点坐标和过渡圆弧半径等参数的情况下，规划出衔接圆弧处的最优速度.对插补算法中归一化因子的求解，采用一种新型柔性加减速控制算法，该算法由余弦加减速曲线在直线形加减速曲线上拟合而成，减少了余弦加减速算法的运算量，保证了加速度控制的平稳性.试验结果表明，该算法可以实现多轨迹段衔接处的圆滑过渡，保证运动速度的平滑度与连续性，有效提升了末端执行器的运行效率.

MATLAB代码：基于粒子群算法的储能优化配置 关键词：储能优化配置 粒子群 储能充放电优化 参考文档：无明显参考文档，仅有几篇文献可以适当参考 仿真平台：MATLAB 平台采用粒子群实现求解 优势：代码注释详实，适合参考学习，非目前烂大街的版本，程序非常精品，请仔细辨识 主要内容：建立了储能的成本模型，包含运行维护成本以及容量配置成本，然后以该成本函数最小为目标函数，经过粒子群算法求解出其最优运行计划，并通过其运行计划最终确定储能容量配置的大小，求解采用的是PSO算法（粒子群算法），求解效果极佳，具体可以看图 这段程序主要是一个粒子群优化算法，用于解决电力系统潮流计算问题。下面我将对程序进行详细的分析和解释。 首先，程序开始时进行了一些初始化操作，包括清除变量、设置最大迭代次数、搜索空间维数、粒子个数等。然后，加载了一个名为"load.txt"的文件，将文件中的数据除以100000并赋值给变量Pload。 接下来，使用两个嵌套的for循环初始化粒子的速度和位置。速度v和位置x都是一个N行D列的矩阵，其中N为粒子个数，D为搜索空间维数。每个粒子的速度和位置都是随机生成的，位

之前做过的一些项目和学习积累，基于matlab程序的各种回归、分类算法实现 MLR - 多元线性回归 PCA - 主成分分析 PLS - 偏最小二乘 LogisticR - 逻辑斯蒂回归 Ganzhiji - 感知机(perception) PSO - 粒子群优化 KNN - K_近邻 Bayes - 贝叶斯 OSC - 正交信号校正 GDescent - 梯度下降 ANN - 人工神经网络 BOOSTING - 提升算法

算命算法，绝对经典！