旅行商问题的启发式算法 遗传算法 生成染色体的随机种群 计算每个染色体的适应度 重复步骤 使用选择方法选择父母对 以概率 Pc 通过对父母的交叉生成一个孩子 通过以概率 Pm 交换基因来突变孩子 使用精英主义用新的人口替换当前的人口 代表 - TSP 每条染色体都是问题的一个解，由一组基因组成 每个基因代表一个城市 每条染色体只包含一个基因一次 交叉 从旧人口中选择给父母锦标赛选择（替代轮盘，基于奖励） 随机选择要从第一个父级继承的部分并完成第二个父级的缺失部分 突变 根据突变率，有可能在遗传的每个染色体中交换两个基因 替代使用 k-opt 交换 蚁群优化 在起点生成蚂蚁种群 移动每只蚂蚁直到全部到达目标点并返回起点 蚂蚁配置信息素在那里移动到点之间 信息素在每个点蒸发。 在较长的路径上，信息素蒸发得更快 产生新的种群并重复 代表 - TSP 以随机城市为起点生成蚂蚁种群 移动图表上

FS-ILS FS-ILS 选择超启发式的代码。 内容： FSILS-eclipse（在 Eclipse IDE 中作为项目导入） lib/chesc.jar（CHESC 框架） src/FairShareILS（FS-ILS 代码） src/ExampleRun（使用示例） no_restart/...（NR-FS-ILS，FS-ILS 的一个没有重启的版本）

共生生物搜索 (SOS) 是一种新的基于种群的元启发式算法。 SOS 是一种简单而强大的优化算法。 然而，与大多数元启发式算法不同，它不需要用户调整任何特定于算法的控制参数。 实现了SOS的MATLAB函数代码，可在此下载。 代码中还包含了总共 26 个基准函数，因此，用户可以研究 SOS 在解决这些函数时的性能，或者可以将其与其他元启发式算法进行比较。 SOS 首次出现在 Min-Yuan Cheng, Doddy Prayogo 的文章中。 (2014)。 “共生生物搜索：一种新的元启发式优化算法”。 计算机和结构。 http://dx.doi.org/10.1016/j.compstruc.2014.03.007

用人工智能领域中经典的启发式算法实现了人工智能中的十五数码问题。包括详细的实验报告和源代码，源码由C#可视化编写，debug中有编译好的程序，界面友好。另注：船院6系学生不要下载，避免雷同。

a*启发式搜索算法的matlab仿真程序

TTGSnackbar针对iOS Gif的Android Snackbar的基于Swift的实现对于通过一个或两个操作按钮在屏幕底部或顶部显示简短消息非常有用。用于通过一个或两个操作按钮在屏幕底部或顶部显示简短消息。 它出现在屏幕上所有其他元素的上方。 超时或用户单击操作按钮后，该按钮消失。 安装Swift 5版本1.9.0+ Xcode 9+ iOS 8+ Swift 4版本1.6.0 Xcode 9 iOS 8+ Swift 3版本1.5.3 Xcode 8 iOS 8+ CocoaPods您可以使用CocoaPods

椭球拟合 使用Eigen在C ++中进行椭球拟合。受到广泛启发 免责声明 该库与原始Matlab代码存在相同的问题：半径可能不正确。 这是由于算法依赖特征值来计算它们。这些值不能由计算它们的算法保证按任何特定顺序排列。 需要找到一种新算法或对此算法的修复。 包装概述 椭球拟合软件包包含以下内容： 库： 椭球拟合（共享） 例子： 合适的例子 测试： 测试椭球拟合 安装及使用 椭球拟合项目使用打包， 是基于CMake的构建和部署系统。 如果您希望采用PID作为您的设计，请首先按照的安装步骤进行操作。 如果您已经是PID用户，或希望在当前的构建系统中集成椭球拟合，请阅读下面的相应部分。 使用现有的PID工作区 此方法适用于想要从其PID工作空间安装和访问椭球拟合的开发人员。 您可以使用deploy命令在工作空间中手动安装椭球拟合： cd pid

小型机械狗（四足动物）-可打印的零件 档案文件 身体/-小狗的身体部位 工具/-一些辅助工具，校准伺服和支腿

该代码包括遗传算法 (GA) 的主要功能：精英主义、锦标赛选择、交叉（两点和启发式）和变异。 有一些使用 GA 的 benchmank 测试函数。 * 它是在遗传工具箱的帮助下开发的。

biaoding_标定_拟合_温度优化_启发式算法_插值_源码.rar