Map_project：应用搜索算法查找从一个地方到另一个地方的最佳路线，并在GUI上显示路径（带有Java的DFS，BFS）

VRP的py禁忌搜索+tsplib数据集与恰好下载的matlab实现。使用方法见博客https://blog.csdn.net/lagoon_lala/article/details/99295092

人工智能一般搜索算法原理

实验目的：熟悉掌握启发式搜索算法A*及其可采纳性  实验要求： 编写程序实现8数码和15数码问题，采用至少两种估价函数； 分析估价函数求解问题时候的效率差别，分析估价函数对搜索算法的影响。

禁忌搜索算法的python实现，以旅行商问题作为算法实例。摘要50个字我实在打不完，剩下的就是凑字数的，可以忽略。

会议论文的MATLAB代码： MK Naik 和 R. Panda，“一种用于基于人脸识别的内在判别分析的新型自适应布谷鸟搜索算法”，Applied Soft Computing，Vol。 38，第 661-675 页，2016 年。 与 CS 算法相比，ACS 算法需要更少的时间。 除了布谷鸟/主机的数量、搜索范围和放弃概率之外，它不需要预定义的参数。 该算法对于决定参数可能会影响性能的应用是有效的。

本函数使用matlab编写的，运行速度相比我个人编写的传统逐点搜索法要快一个数量级，用到的相关函数是ZNCC，写的较乱。

函数优化

支持向量机 (SVM) 是许多分类问题的有效模型。 然而，SVM 需要二次规划的解决方案，需要专门的代码。 此外，SVM 有很多参数，影响了 SVM 分类器的性能。 最近，提出了广义特征值近端 SVM（GEPSVM）来解决 SVM 的复杂性。 在现实世界的应用程序中，数据可能会受到错误或噪声的影响，处理这些数据是一个具有挑战性的问题。 在本文中，已经提出了一种方法来克服这个问题。 这种方法称为 DSA-GEPSVM。 主要改进基于以下几点：1）线性情况下的新模糊值。 2) 非线性情况下的新核函数。 3) 差分搜索算法 (DSA) 被重新制定以找到 GEPSVM 参数及其内核参数的接近最优值。 实验结果表明，所提出的方法能够找到合适的参数值，并且与其他一些算法相比具有更高的分类精度。

利用快速二维嫡的图像分割方法因其运算量大而影响了它的实际使用, 本文经过参数变换用减法代替原来方法中的对数运算同时将算法代替原来的穷尽搜索获得阂值向量来提高求解速度和分割效率