基于python3.6的爬取大众点评美食商家评分、地址、推荐菜相关代码，前提需要装相应包

android使用OpenGLES2.0将YUV数据转为RGB显示. 总共两个资源，实现yuv格式视频显示播放。

外部Jar包加载到可执行Jar或War包相关代码

图的数组表示法、图的邻接表表示法、图的遍历、有向图的邻接矩阵表示法 运行完全没有问题，有详细注释

遗传算法是一类借鉴生物界的进化规律 ( 适者生存，优胜劣汰遗传机制 )演化而来 的随机搜索算法。利用基因变异、杂交，繁殖等手段 ，根据达尔文的适者生存，优胜劣汰的理论选择最优点进行变异和杂交 ， 从而繁殖产生新的后代 ，这些都是建立在概率的基础之上． 它尤其适用于处理传统搜索方法难以解决的复杂的和非线性的问题． 如著名的T S(巡回旅行商问题) 背包问题 、排课问题等．虽然遗传算法在许多领域中都有成功的应用， 但其自身也存在不足， 如局部搜索能力差 、 存在未成熟收敛和随机游走等现象， 导致算法的收敛性能差， 需要很长时间才能找到最优解等问题。这些不足阻碍了遗传算法的推广应用。如何改善遗传算法的搜索能力和提高算法的收敛速度， 使其更好地应用于实际问题的解决中， 是现在遗传算法研究者首要考虑的问题。

深度学习常见显著性Map代码示例

matlab自相关代码通过符号回归进行生态发现 通过符号回归揭示复杂生态动力学的代码回购 陈以泽，Marco Tulio Angulo和Liu Yang-Yu 被BioEssays接受，2019（作为封面故事），第41卷，第12期 动机 了解复杂生态系统的动态是维持和控制它们的必要步骤。 然而，逆向工程生态系统动力学仍然具有挑战性，这主要是因为生态系统可能会采用非常广泛的动力学类别，这使得选择合适的模型结构来应用参数推论方法具有挑战性。 在这里，我们建议通过符号回归来缩小这种差距，这是一种机器学习方法，可以从时间数据中自动对模型结构和参数进行逆向工程。 关于发现的生态动力学的一些结果 在这里，我们显示了一些生成的样本以及样本的自相关 语言和依存关系 我们使用Matlab来实现该算法。 具体来说，我们使用开源Matlab包在符号回归算法中启用了多基因搜索。

自学

绿化喷洒车作业任务优化问题解决的相关代码

实现了 GJB 4.1.1.6, GJB 4.1.2.7, GJB 4.2.1.10, GJB 4.6.1.15, GJB 4.6.2.1, GJB 4.7.2.1, GJB 4.9.1.1, GJB 4.14.1.1, GJB 4.14.1.2