gplearn：Python中的遗传编程，具有受scikit-learn启发的API

•一种混合元启发式优化算法，结合了萤火虫和粒子群算法的优点。 •通过控制先前的全局最佳适应值提出局部搜索策略。 请引用： İbrahim Berkan Aydilek，一种用于计算昂贵的数值问题的混合萤火虫和粒子群优化算法，应用软计算，第 66 卷，2018 年 5 月，第 232-249 页

How to Solve It_Modern Heuristics，启发式解决方法，欢迎下载

JPacman框架 关于 类似Pacman的游戏，用于教学软件测试。 它使学生​​可以使用git，maven，JUnit和Mockito。 部分代码经过了良好的测试，而其他部分则未经测试。 作为软件测试的学生，您可以扩展测试套件，也可以使用框架以测试驱动的方式构建扩展。 作为老师，您可以使用该框架来创建自己的测试练习。 作为使用自己的解决方案的起点，可以使用。 我们已经在荷兰代尔夫特理工大学的软件测试课程中开发并使用了此代码。 有兴趣看我在那里使用的练习的老师请与我联系。 使用该材料的其他大学包括安特卫普，蒙斯，埃因霍温和UBC（温哥华）。 在TU Delft，我们将其与gitlab结

用python实现深度，广度，三种启发式搜索解决八数码问题。附有图形化界面和可执行文件。 并且有详细的实现思路。

TSP (旅行商) 问题是运筹学和最优化理论等领域的经典问题,它已证明是NP(Nondeterministic Polynomial)完全问题,到目前为止, 所有的NP完全问题都还没有多项式时间算法。TSP问题的求解算法通常分为两类:一类是精确求解;另一类是近似求解。 本实验要求采用启发式搜索算法求解TSP问题的近似解，采用C系列语言编程实现。

遗传算法解决TSP旅行商问题 python，带图像输出，可自行修改经纬度。

rdrp一种跨平台的命令行工具，受AirDrop的启发，用于通过本地网络发送和接收文件。 内容演示设计安装用法发送广播监视器rdrp一个跨平台的命令行工具，用于通过AirDrop启发通过本地网络发送和接收文件。 内容演示设计安装用法发送广播监视器Docker贡献相关许可证演示设计rdrp使用多播DNS启用客户端之间的对等发现。 这意味着rdrp可能无法在大多数云/虚拟环境中工作。 客户端首次连接时，它们将在_rdrp._tcp服务上注册为新实例。 每森

弗雷迪夫 受弗雷德·弗林特斯通（Fred Flintstone）启发的小型图书馆。 安装 将此行添加到您的应用程序的Gemfile中： gem 'fredify' 然后执行： $ bundle 或将其自己安装为： $ gem install fredify 用法 # Plain old ruby code: [ 1 , 2 , 3 ] . each { | n | puts n } # Fredified: require "fredify" Fred . yabba_dabba do [ 1 , 2 , 3 ] . each { | n | puts n } end # Lose the namespace: require "fredify" include Fred yabba_dabba do [ 1 , 2 , 3 ] . each { | n | put

这个程序是用C++编写的基于控制台的程序，主要是算法的实现，没有转门设计界面。