CEC2022求解（以蜣螂优化算法为例）

算法设计与分析：回溯法求解地图涂色问题（含代码，4种改进方法）完整代码！

应用于大规模多输入多输出系统的空间调制系统是一种新颖的5G传输方案。针对空间调制提出了一种复杂度较低的检测算法，提出的算法通过将接收天线重排序来减少总复杂度。算法结合已有的A-Star算法对接收天线分层并排序，改变树搜索结构并排除错的节点，使所选分支尽可能包括最优路径，极大缩小了所需访问节点数。该算法具有近似最优的误比特性能和更低的计算复杂度，与最大似然检测算法相比复杂度减少了80%左右。

随机森林 介绍和 python代码算法实现

1. 这是作者花费一周的时间，使用python写出的策略迭代和值迭代强化学习算法，以一个完整的项目发布，为解决“已知马尔科夫决策过程五元组，求最优策略”这类问题提供了算法与通用框架 2. 项目采用面向对象架构和面向抽象编程，用户可以在抽象类基础上，利用继承机制，定义新的具体环境类，测试该算法的有效性。项目还给出了unittest.Testcase的测试代码。 3. 在该项目中算法名称分别对应类：ValueIterationAgent和PolicyIterationAgent(都继承自MdpAgent)，马尔科夫决策模型已知的环境抽象类MdpEnv 4. 为展示该算法的有效性，定义了一个GridWorldEnv的具体类，实现了作者博文中“在格子世界中寻宝”的最优策略的学习，并定义了一个GridWorldUI类可视化最优策略及基于最优策略的，用户可以运行住文件main.py 5. 该项目源码的最大特点是：架构合理，可维护性好，可读性强。你不断能学到这两个强化学习算法的精髓，也能够学到什么是好的python程序架构。 6.注意先阅读里面的readme.txt文件。

参加魔镜杯风控算法大赛编写的程序。比赛要求根据国内网络借贷行业的贷款风险数据，包括信用违约标签、借款人特征、借款人网络行为原始数据，评判用户预期违约率，建立用户信用评分模型，模型性能用AUC值评判。算法由GBDT模型、logistic模型构成。

matlab点云配准，包括ICP/NDT/CPD算法，同时获取原点云相对目标点云的x,y,z变化、欧拉角、四元数

主要介绍了详解Java实现的k-means聚类算法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧

matlab对点云进行ICP配准算法 %读取靶标矩阵 %做空间变换 %对于确定的关系，求解RT %利用求解得到的RT计算变换之后的点

之前下过很多delphi的CRC算法，结果都不正确，遂上传一份亲测正确的代码，根据数据帧求的循环冗余码，希望能帮到有需要的朋友