介绍了基于混沌函数的达尔文 PSO 算法的改进变体。 它用混沌序列代替随机序列，减轻了早熟收敛的问题。研究了10个定义的混沌映射的效率，并选择了最好的一个。

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

TSPOFS_GA 固定开始 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） 从固定起点到其他城市恰好一次而无需返回起始城市） 概括： 1. 单个推销员从第一个点开始，然后前往每个剩下的城市，但不通过返回到关闭循环他开始的城市2. 每个城市只被推销员访问一次 注：Fixed Start 取第一个 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 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- 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

MTSPOFS_GA 固定启动开放多旅行商问题 (M-TSP) 遗传算法 (GA) 通过以下方式找到“开放”M-TSP 变体的（接近）最优解设置 GA 以搜索最短路线（所需的最短距离） 让每个推销员从起点到独特的个体城市而不返回起始位置） 概括： 1. 每个推销员从第一个点开始，然后前往一个独特的点之后的一组城市（并且它们都没有关闭循环回到起点） 2. 除了第一个，每个城市只有一个推销员 注：Fixed Start 取第一个 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推销员，不包括起点- POPS

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

Shader变体收集 Shader Control 6.4

在飞行中有目的地改变机翼后掠和翼展，可以有效地增加机翼的效率，从而适应巡航和高速飞行时的需要。笔者采用连杆滑块的设计思想，提出了一种可变后掠伸缩的变体机翼型结构概念，其变体形式有3种：仅伸缩变体，仅变后掠变体，变后掠并伸缩变体。推导出了在根部输入驱动下变后掠伸缩机翼几种变体的运动学规律，通过仿真验证了变后掠伸缩机翼结构受控运动规律的正确性。通过计算分析，确定了该自适应变体机翼结构的强度薄弱环节。

目标检测算法SSD(Single Shot MultiBox Detector)及其变体，采用pytorch, python3实现