大规模无人机集群算法flocking（蜂群）

利用稀疏性实现分数域估计，包括三部分： 1. 无噪声下的算法 2. 噪声下基于矫正的估计算法 3. 噪声下基于投票的估计算法

零基础征服数据结构算法Python版视频教程2023

EnlightenGAN, RUAS, SCI, URetinex-Net, Zero-DCE, Zero-Dce++六大算法综合的可执行程序。具体请参考本程序的同名文章：《弱光图像增强算法(6大算法附程序)，一站式解决论文实验比较部分》。这篇文章里有如何使用。我的预训练模型已经放在了程序里面。欢迎关注我的博客。后面会持续更新。

基于k-means算法实现商品的聚类研究.pdf

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。