这里汇集了浙江大学一些同学的算法，列表如下： 几何\ 多边形 多边形切割 浮点函数 几何公式 面积 球面 三角形 三维几何 凸包(graham) 网格(pick) 圆 整数函数 注意 结构\ 并查集 并查集扩展(friend_enemy) 堆(binary) 堆(mapped) 矩形切割 线段树 线段树扩展 线段树应用 子段和 子阵和 其他\ 大数(整数类封装) 分数 矩阵 线性方程组(gauss) 日期 线性相关 数论\ 阶乘最后非零位 模线性方程(组) 质数表 质数随机判定(miller_rabin) 质因数分解 最大公约数欧拉函数 数值计算\ 定积分计算(Romberg) 多项式求根(牛顿法) 周期性方程(追赶法) 图论_NP搜索\ 最大团(n小于64) 最大团 图论_连通性\ 无向图关键边(dfs邻接阵形式) 无向图关键点(dfs邻接阵形式) 无向图块(bfs邻接阵形式) 无向图连通分支(bfs邻接阵形式) 无向图连通分支(dfs邻接阵形式) 有向图强连通分支(bfs邻接阵形式) 有向图强连通分支(dfs邻接阵形式) 有向图最小点基(邻接阵形式) 图论_匹配\ 二分图最大匹配(hungary邻接表形式) 二分图最大匹配(hungary邻接阵形式) 二分图最大匹配(hungary邻接表形式,邻接阵接口) 二分图最大匹配(hungary正向表形式) 二分图最佳匹配(kuhn_munkras邻接阵形式) 一般图最大匹配(邻接表形式) 一般图最大匹配(邻接阵形式) 一般图最大匹配(正向表形式) 一般图匹配(邻接表形式,邻接阵接口) 图论_网络流\ 上下界最大流(邻接阵形式) 上下界最小流(邻接阵形式) 上下界最大流(邻接表形式) 上下界最小流(邻接表形式) 最大流(邻接阵形式) 最大流(邻接表形式) 最大流(邻接表形式,邻接阵接口) 最大流无流量(邻接阵形式) 最小费用最大流(邻接阵形式) 图论_应用\ 欧拉回路(邻接阵形式) 前序表转化 树的优化算法 拓扑排序(邻接阵形式) 最佳边割集 最佳顶点割集 最小边割集 最小顶点割集 最小路径覆盖 图论_最短路径\ 最短路径(单源bellman_ford邻接阵形式) 最短路径(单源dijkstra邻接阵形式) 最短路径(单源dijkstra_bfs邻接表形式) 最短路径(单源dijkstra_bfs正向表形式) 最短路径(单源dijkstra+binary_heap邻接表形式) 最短路径(单源dijkstra+binary_heap正向表形式) 最短路径(单源dijkstra+mapped_heap邻接表形式) 最短路径(单源dijkstra+mapped_heap正向表形式) 最短路径(多源floyd_warshall邻接阵形式) 图论_支撑树\ 最小生成树(kruskal邻接表形式) 最小生成树(kruskal正向表形式) 最小生成树(prim邻接阵形式) 最小生成树(prim+binary_heap邻接表形式) 最小生成树(prim+binary_heap正向表形式) 最小生成树(prim+mapped_heap邻接表形式) 最小生成树(prim+mapped_heap正向表形式) 最小树形图(邻接阵形式) 应用\ joseph模拟 N皇后构造解 布尔母函数 第k元素 幻方构造 模式匹配(kmp) 逆序对数 字符串最小表示 最长公共单调子序列 最长子序列 最大子串匹配 最大子段和 最大子阵和 组合\ 排列组合生成 生成gray码 置换(polya) 字典序全排列 字典序组合 组合公式

神经过程家族 主要入口： 。 什么 ？ 该存储库包含： 的文本 Pytorch代码（训练/绘图）以及预训练模型，以研究图像和合成一维数据集上的以下模型： 来自CNP 来自LNP AttnCNP和AttnLNP ConvCNP ConvLNP （“官方”）代码复制所有图像实验和带。 对于一维实验，请参见和 。 有关如何使用npf库的教程，请参阅NPF网站的“可 再现性”部分。 安装 点子 # clone repo pip install -r requirements.txt 请注意，skorch的版本必须为0.8，以确保可以正确上传预训练的模型。 码头工人 安装nvidia-docker 使用Dockerfile构建映像或使用Dockerfile docker pull yanndubs/npf:gpu 创建并运行一个容器，例如： docker run --

在高校的教务管理中，排课问题是复杂又关键的环节，科目数量众多，教学资源有限等等因素都制约着排课的复杂程度和结果.排课本质就是将课程、班级在合适的时间段安排到合适的教学位置，是一个NP问题的求解.随着规模的不断扩大，问题求解难度呈指数形式增加，当规模达到一定程度的时候就很难在短的时间内求出最优解.鉴于此，本文提出了遗传-蚁群混合算法，将两种算法混合使用，依靠遗传算法生成信息素分布，利用蚁群算法求最优解.实验结果表明，混合算法提高了排课的效率和课表的合理度.

NP完全问题、霍奇猜想、庞加莱猜想、黎曼假设、杨－米尔斯理论、纳卫尔－斯托可方程、BSD猜想

计算机算法设计_第八章NP-完全问题.docx

本文档对NP完全问题详细解释，举了很多的例子 NP完全问题(NP-C问题)，是世界七大数学难题之一。 NP的英文全称是Non-deterministic Polynomial的问题，即多项式复杂程度的非确定性问题。简单的写法是 NP=P？，问题就在这个问号上，到底是NP等于P，还是NP不等于P。

python数据拟合主要可采用numpy库，库的安装可直接用pip install numpy等。 1. 原始数据：假如要拟合的数据yyy来自sin函数，np.sin import numpy as np import matplotlib.pyplot as plt xxx = np.arange(0, 1000) # x值，此时表示弧度 yyy = np.sin(xxx*np.pi/180) #函数值，转化成度 2. 测试不同阶的多项式，例如7阶多项式拟合，使用np.polyfit拟合，np.polyld得到多项式系数 z1 = np.polyfit(xxx, yyy, 7) # 用7

总结评述了K-means 聚类算法的研究现状，指出K-means 聚类算法是一个NP难优化问题，无法获得全局最优。介绍了K-means 聚类算法的目标函数、算法流程，并列举了一个实例，指出了数据子集的数目K、初始聚类中心选取、相似性度量和距离矩阵为K-means聚类算法的3个基本参数。总结了K-means聚类算法存在的问题及其改进算法，指出了K-means聚类的进一步研究方向。

水下图像增强matlab代码 MATLAB code for A Natural-based Fusion Strategy for Underwater Image Enhancement

【三维匹配问题】 给定三个不相交的集合X、Y、Z，三个集合的大小都为n。给定一个三元组集合T⊆X×Y×ZT \subseteq X \times Y \times ZT⊆X×Y×Z，集合T的大小为m。 问：T中是否存在一个大小为n的子集T’，这个子集恰好包含X,Y,Z每个元素一次。 三维匹配问题其实是集合覆盖和集合包装问题的特例。 三维匹配问题是NP完全的 首先，很容易证明三维匹配问题是NP问题。只需要判断集合T’的大小是否为n，且包含X,Y,Z中每个元素一次。证明三维匹配问题是NPC的，可以通过3-SAT≤p\leq_p≤p​三维匹配证明。 【3-SAT≤p\leq_p≤p​三维匹配证明】