本文主要介绍了近些年来新提出的用于函数优化的算法,粒子群算法。粒子群算法(Particle Swarm Optimization,PSO)是由Dr,Eberhart和Dr.Kenney与1995年提出的。 其基本思想源于对鸟群捕食行为的研究并受到启发而形成的一种基于群智能的随机优化技术。该算法有着个体数目少﹑计算简单﹑鲁棒性好等优点。算法的核心公式中所需要调整的参数不多。这种方法有比较好的收敛速度,是一种不错的优化工具。 本文提出了一种改进的PSO算法,具体信息在音乐论文www.xyclww.com/post/30.html在算法中重新定义最优粒子并且采用适应度定标缩放粒子适应度值来控制粒子选作最优粒子的概率。从仿真结果看出改进方法的优化精度比较好。 另外此改进发法还可以和其他改进方法混合使用,可以得到不错的效果。本文还提出了用粒子群算法求解迷宫问题,实现了问题到算法的建模,并对一些迷宫特点提出了改进方法。

MIT Cheetah 3四足机器人开源控制算法论文。文中提出了一种用于确定力矩控制四足机器人地面反作用力的模型预测控制（MPC）的实现方法。将机器人动力学简化为凸优化问题，同时仍能捕获系统的全三维特性。利用简化模型，地面反作用力规划问题的预测范围为0.5秒，并以20-30Hz的频率在1ms内求解至最优。尽管使用了简化模型，但该机器人能够在各种速度下进行稳健的运动。实验结果展示了对步态的控制，包括站立、小跑、飞跑、快步、跳跃、步速、三足步态和全3D疾驰。机器人的前进速度高达3米/秒，横向速度高达1米/秒，角速度高达180度/秒。我们的方法足够通用，可以使用相同的增益和权重集执行所有这些行为。

针对室内环境中视觉同时定位与建图（simultaneous localization and mapping, SLAM）精度不高和实用性较差等问题,采用深度相机作为传感器,提出一种基于改进词袋模型的视觉SLAM算法。该算法通过增加节点距离的方式,对传统的词袋模型进行改进,采用octree方法转化点云,生成可用于导航的八叉树图,并进行改进前后词袋模型对比实验、数据集精度实验和实验室实测。结果表明,改进后的词袋模型相似度计算能力和区分度更强,SLAM算法在环境有回环和相机运动较慢的情况下,效果较好,可满足室内同时定位与建图及后续导航需求。

集装箱摆放算法论文,三维集装箱装载问题，启发式算法，遗传算法解决装载问题

模拟退火算法论文

模拟退火算法论文

Savitzky-Golay算法实现论文，介绍算法（General Least-Squares Smoothing and Differentiation by the Convolution (Savitzky-Golay) Method）

介绍应用TLD算法进行视频目标跟踪，最基本的论文之一

神经网络和遗传算法的经典论文，对初学者有很大帮助

基于回溯法的最小重量问题论文，有着严格的论文格式，内容清晰，包括代码，算法，结果展示，等等