针对生产与运输两个过程的联合决策,通过分析一类生产-运输批量优化问题,建立的混合0-1整数规划模型整合了多产品多阶段能力约束批量生产和产品运输。其中运输成本由运输工具使用数量决定,当企业内部运输能力不能满足运输需求时可将运输外包,但需支付更高的运输成本。根据此问题的特点,构造改进蚁群算法求解,令其信息素和启发信息都存在0和1两种状态下的不同取值,通过转移概率确定0-1生产准备矩阵,进一步得到生产矩阵和运输计划。仿真实验结果表明在生产批量决策的同时考虑运输,可以减少运输成本,令总费用最小,通过将实验结果与其

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真模型及运行结果

人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip人工智能实现的遗传算法求解问题.zip

从“公共子串”的角度来分析求解“最长公共子序列”（LCS）

实验一、Fibonacci数非递归解 Fibonacci数列 的定义如下： 请用递归方法和非递归方法求解该问题，各编写一个函数，要求函数接受 的值，返回 的值。两个程序实现后，分别求 的情况，对比两个程序的执行时间，然后分别对两种算法进行复杂性分析。

omp算法matlab代码LASSO-Solver-OMP 设计师：赵俊波，武汉大学，在清华大学智能图像和文档处理国家实验室工作。 联络电话： + 86-18672365683 介绍该软件包以著名的LASSO求解器实现了正交匹配追踪算法（OMP），并且该程序是在LAPACK的帮助下以C ++编写的。 LASSO是一个关键问题，可以将其视为统计问题，但在许多应用程序中已得到广泛利用。 稀疏编码，例如，作为计算机视觉，自然语言处理和机器学习的重要工具，是基于LASSO求解器的良好发展。 OMP因其相对于基本追求或先前提出的匹配追踪（MP）的优势而广为人知。 OMP实现了更快的收敛，并克服了其他方法的一些缺点。 为了方便起见，许多实现OMP算法的代码大多是在MATLAB中实现的。 但是，由于MATLAB在遇到大迭代时并不是那么有利，因此对于某些大规模或高维问题，首选C ++。 该OMP算法的具体介绍可以在论文《正交匹配追踪-递归函数逼近及其在小波分解中的应用》 （2003）中看到。 配置要运行该项目，您应该在Visual C ++环境中预先配置LAPACK接口。 如果您访问网站，这将非常容易

《数据结构》-李春葆 实验报告-栈与队列的应用-求解迷宫路径问题

该资源里面包含：joseph环，学生成绩管理系统，迷宫，猴子选大王，纸牌游戏，建立二叉树,层序,先序遍历等等

人工智能实验，以寻路问题为例实现A昇法的水解程序(编程语言不限),要求设计两种不同的估价函数。 实验要求： 1.画出用A”算法求解迷宫最短路径的流程图。 2.设置不同的地图,以及不同的初始状态和目标状态,记录A`算法的求解结果,包括最短路径、扩展节点数、生成节点数和算法运行时间。 3.对于相同的初始状态和目标状态,设计不同的启发式函数,比较不同启发式函数对迷宫寻路速度的提升效果,包括扩展节点数、生成节点数和算法运行时间。

实验四 人工智能 matlab A*算法求解迷宫寻路问题实验 寻路问题常见于各类游戏中角色寻路、三维虚拟场景中运动目标的路径规划、机器人寻路等多个应用领域。迷宫寻路问题是在以方格表示的地图场景中,对于给定的起点、终点和障碍物(墙),如何找到一条从起点开始避开障碍物到达终点的最短路径。 以寻路问题为例实现A昇法的水解程序(编程语言不限),要求设计两种不同的估价函数。 实验要求： 1.画出用A”算法求解迷宫最短路径的流程图。 2.设置不同的地图,以及不同的初始状态和目标状态,记录A`算法的求解结果,包括最短路径、扩展节点数、生成节点数和算法运行时间。 3.对于相同的初始状态和目标状态,设计不同的启发式函数,比较不同启发式函数对迷宫寻路速度的提升效果,包括扩展节点数、生成节点数和算法运行时间。