机器学习领域的遗传规划（Genetic Programming, GP）是一种基于可变长度树形结构的仿生进化算法，能把调度规则（Dispatching Rule）通过树形结构表示并进行遗传进化操作，为计算机自动生成和优化启发式算法提供了可能性——超启发式算法（Hyper Heuristic）

0-1背包问题，部分背包问题。分别实现0-1背包的DP算法，部分背包的贪心算法和DP算法。附件中包含所有算法源代码.c文件,修改下文件名直接编译执行即可

利用动态规划算法解决图形图像处理问题，用Java编写，代码经过调试健壮性良好

百度apollo规划技术算法，还包含了自动驾驶学习资料 涵盖感知，规划和控制，ADAS，传感器； 1. apollo 相关的技术教程和文档； 2. adas（高级辅助驾驶）算法设计（例如 AEB,ACC,LKA 等） 3. 自动驾驶鼻祖 mobileye 的论文和专利介绍 4. 自动驾驶专项课程（可能是目前最好的自动教师教程），是 coursera 上多伦多大学发布的自动驾驶专项课程，应该是目前为 止非常火非常好的教程了，包含视频，ppt，论文以及代码 5. 国家权威机构发布的 adas 标准，这是 adas 相关算法系统的标 准，也是开发手册。 6. 规划控制相关的算法论文介绍 7. 等等

使用c++语言编写的LCS问题的求解过程

本文针对现有的自动泊车路径规划方法中对于车辆初始位姿及泊车环境等限制要 求较多的问题，研究了满足车辆运动学约束和避障约束的泊车路径规划方法。同时，基于规划所得的路径，搭建了跟踪系统并进行了仿真验证。 首先，对自动泊车的车位检测进行研究，选取超声波传感器来感知车位及障碍物信 息，并实际开展了检测试验来验证其效果与精度。同时，根据阿克曼转向原理建立了车辆运动学模型，分析计算得出泊车时的低速运动方程。 其次，针对泊车环境存在较多限制的各种复杂场景及不同的泊车方式展开路径规划 研究。明确规划模块的整个设计流程，并对其中一些基础原理和前提条件做预处理以便于之后的说明。详细阐述了规划算法中的两个重要的子算法：简单连接算法及路径与障碍物碰撞检测算法，对其采取了仔细的计算和验证，方便后续使用。分别对平行泊车与垂直泊车给出了不同的规划方案，包括单步式泊入和多步式泊入。在此基础上，设计了探索机制，强化规划算法的冗余性，当泊车环境变化时能够及时调整从而保证规划成功，考虑到某些场景需要车头入式的泊车方法，提出了前向垂直泊车的路线。此外，为提升泊车的安全性和面对不同泊车环境时的适应性，提出了若干优化策略。 最后，搭建了路径跟踪控制模块，完成了自动泊车仿真试验。对比几种控制策略， 根据泊车的特点选取模糊控制器作为主要的跟踪控制方式，并详细阐述了模糊控制的隶属度函数及规则库等。针对规划路径中存在的曲率非连续的问题，提出了相应的跟踪模型。根据规划模块给出的泊车路线，利用 MATLAB/Simulink 软件联合仿真，验证路径规划及跟踪控制效果。结果表明，本文提出的规划算法具有较好的泊车精度及鲁棒性，对复杂的泊车环境适应性较强，有较重要的实际应用价值。

基于基于快速扩展随机树（RRT）的三维路径规划算法，matlab版本

本文研究并借鉴了深度 Q 网络的结构，借鉴其使用一个神经网络处理图像输入并计算行动价值函数，将深度学习与增强学习结合。根据路径规划问题的特殊性设计了一个全卷积神经网络，并引入注意力机制优化网络结构。其次，针对神经网络在处理多步决策、规划问题上的短板，参考价值迭代网络，在神经网络模型的基础上引入价值迭代模块。对价值迭代模块进行解构分析，提出改进的价值迭代模块，解决了引入价值迭代模块造成的误差累积问题。最后，将神经网络表征的行动价值函数分解为状态价值函数与优势函数之和，形成竞争神经网络结构，至此完成神经网络的构建。本文使用 2D 栅格环境，使用专家样本取代传统增强学习中的代理经历，以模仿学习方式加速模型训练。通过算法在最短路径规划问题上的表现衡量算法效能。

动态规划 N皇后问题 人工智能作业，vc 6.0

算法设计与分析，使用动态规划法解决矩阵连乘问题。内有MatrixChain、TraceBack、RecurMatrixChain-递归解决矩阵连乘问题等程序，非常超值啊！