TSPO_GA 开放式旅行商问题 (TSP) 遗传算法 (GA) 通过设置找到 TSP 变体的（接近）最优解搜索最短路线的 GA（推销员的最短距离） 只前往每个城市一次而不返回起始城市） 概括： 1. 一名推销员前往每个城市但没有关闭回到他出发的城市的循环2. 每个城市只被推销员访问一次 输入： 具有零个或多个以下字段的 USERCONFIG（结构）： - XY (float) 是一个 Nx2 的城市位置矩阵，其中 N 是城市的数量- DMAT (float) 是一个 NxN 点到点距离/成本矩阵- POPSIZE（标量整数）是人口的大小（应该可以被 4 整除） - NUMITER（标量整数）是算法运行所需的迭代次数- SHOWPROG（标量逻辑）如果为真则显示 GA 进度- SHOWRESULT（标量逻辑）如果为真则显示 GA 结果- SHOWWAITBAR（标量逻辑）如果为真则显示等

MTSPO_GA 开放多旅行商问题 (M-TSP) 遗传算法 (GA) 通过设置找到 M-TSP 变体的（接近）最优解向上 GA 搜索最短路线（所需的最短距离） 推销员到每个城市只走一次，而不必返回他们的城市起始位置） 概括： 1. 每个推销员都前往一组独特的城市（尽管没有他们通过返回起点来结束循环） 2. 每个城市只有一名推销员到访 输入： 具有零个或多个以下字段的 USERCONFIG（结构）： - XY (float) 是一个 Nx2 的城市位置矩阵，其中 N 是城市的数量- DMAT (float) 是一个城市到城市距离或成本的 NxN 矩阵- NSALESMEN（标量整数）是访问城市的推销员数量- MINTOUR（标量整数）是任何推销员的最短游览时间- POPSIZE（标量整数）是人口的大小（应该可以被 8 整除） - NUMITER（标量整数）是算法运行所需的迭代次数- SH

MTSPV_GA 可变多重旅行商问题 (M-TSP) 遗传算法 (GA) 找到 M-TSP 变体的（接近）最优解（具有可变数量的推销员）通过设置 GA 来搜索最短路线（销售人员前往所需的最短距离每个城市恰好一次并返回它们的起始位置） 概括： 1. 每个销售员前往一组独特的城市并完成返回他出发的城市的路线2. 每个城市只有一名推销员到访 输入： 具有零个或多个以下字段的 USERCONFIG（结构）： - XY (float) 是一个 Nx2 的城市位置矩阵，其中 N 是城市的数量- DMAT (float) 是一个 NxN 点到点距离或成本矩阵- MINTOUR（标量整数）是任何推销员的最短游览时间- POPSIZE（标量整数）是人口的大小（应该可以被 4 整除） - NUMITER（标量整数）是算法运行所需的迭代次数- SHOWPROG（标量逻辑）如果为真则显示 GA 进度- SHOW

TSPOF_GA 固定开放式旅行商问题 (TSP) 遗传算法 (GA) 通过设置找到 TSP 变体的（接近）最优解搜索最短路线的 GA（推销员的最短距离） 在访问另一个时从固定起点旅行到固定终点城市恰好一次） 概括： 1.单个销售员从第一个点开始，到最后一个点结束点，然后前往中间的每个剩余城市，但是没有通过返回他开始的城市来关闭循环2. 每个城市只被推销员访问一次 注：Fixed Start 取第一个 XY 点，Fixed Start End 被认为是最后一个 XY 点 输入： 具有零个或多个以下字段的 USERCONFIG（结构）： - XY (float) 是一个 Nx2 的城市位置矩阵，其中 N 是城市的数量- DMAT (float) 是一个 NxN 点到点距离/成本矩阵- POPSIZE（标量整数）是人口的大小（应该可以被 4 整除） - NUMITER（标量整数）是算法运行所

MTSPF_GA 固定多重旅行商问题 (M-TSP) 遗传算法 (GA) 通过设置找到 M-TSP 变体的（接近）最优解向上 GA 搜索最短路线（所需的最短距离） 每个推销员从起点到各个城市然后回到原来的起点） 概括： 1. 每个推销员都是从第一个点开始，到第一个点结束点，但旅行到中间的一组独特的城市2. 除了第一个，每个城市只有一个推销员 注意：Fixed Start/End 位置被视为第一个 XY 点 输入： 具有零个或多个以下字段的 USERCONFIG（结构）： - XY (float) 是一个 Nx2 的城市位置矩阵，其中 N 是城市的数量- DMAT (float) 是一个城市到城市距离或成本的 NxN 矩阵- NSALESMEN（标量整数）是访问城市的推销员数量- MINTOUR（标量整数）是任何一个的最小游览长度销售员，不包括起点/终点- POPSIZE（标量整数）是人口

J-STD-001GA 中文 CN 电子组件接受性汽车补充.zip

非支配排序遗传算法 快速多目标遗传算法 NSGA II

Route-Planning use some algorithm to solve the Route Planning. Including Genetic Algorithm(GA),Particle Swarm Optimization(PSO),ant colony optimization(ACO). 利用遗传算法 粒子群算法 蚁群算法 求解路径规划问题 You can get more detail info from my blog. 我的博客中有代码的算法原理，链接如下。 url: end

Gigabyte技嘉GA-970A-D3P主板BIOS F5版（2013年9月5日发布） 技嘉科技更新了其采用AMD 970 SB950芯片组的主板GA-970A-D3P的BIOS，新的BIOS修正了北桥芯片与内存电压选项的兼容性。 (注) 请务必更新最新版本USB驱动程序。 警告：更新BIOS有其潜在的风险，如果您使用目前版本的BIOS没有问题，我们建议您不要任意更新BIOS。如需更新BIOS，

在写论文，上一些资源网站花重金购买的，害，这样分享不太好，里面含有很多代码数据材料。做这些够用了，对了是R+MATLAB+python的一些代码整合的。