数独 生成数独，用于求解算法和穷举搜索的启发式算法。 该应用程序允许您在数独集合上测试算法的运行时间。 演示 实现的算法 生成数独 this . generate = function ( cellEmptyInput ) { this . refreshSudoku ( ) ; for ( var i = 0 ; i < this . getRandomInt ( 1 , 9 ) ; i ++ ) { this . transposeRowBig ( this . getRandomInt ( 0 , 2 ) , this . getRandomInt ( 0 , 2 ) ) ; } for ( var i = 0 ; i < this . getRandomInt ( 1 , 9 ) ; i ++ ) { this

简单说明 使用多种基本启发式算法替代广义TSP问题。 所谓广义TSP，即一些城市可能卖的是同一类商品，在买这类商品时仅走这些城市其中一个即可。 目录： 图片-只是一些结果图片 代码** extendTSP.py 用于随机生成广义TSP实例，并提供一些通用函数（如生成广义TSP实例，生成距离等） SA.py模拟退火 tabu.py禁忌搜索 Genetic.py遗传算法 ACO.py蚁群算法 依赖：matplotlib + numpy，python3 可以通过extendTSP.py中的extendTSP_generate（）函数来生成实例 def extendTSP_generate ( city_num , goods_num , x_range = 20 , y_range = 20 ) ' '' city_num - 城市数量 goods_num - 商品种类数目 x_range

优化算法的经典教材,对启发式算法作了比较全面的介绍，涉及遗传算法、人工神经网络等经典内容。有数学基础的同学读起来还算比较容易。

ColorfulKCenter 这个纯Python存储库的想法是比较彩色k中心的不同算法。 它正在进行中。 指示： 确保您的python3的库满足requirements.txt中的要求克隆存储库并运行main.py

自私畜群优化器 (SHO) 是一种元启发式算法，它基于对受到某种形式的捕食风险的动物群中的个体所表现出的广泛观察到的自私畜群行为的模拟。 在 SHO 中，个体通过两种类型的搜索代理模拟猎物和捕食者之间的掠夺性互动：自私群体（猎物）的成员和一群饥饿的捕食者。 根据它们被分类为猎物还是捕食者的不同，每个人都是由受这种猎物—捕食者关系启发的一组独特的进化算子来进行的。 这些独特的特性使 SHO 能够在不改变种群规模的情况下改善探索和开发之间的平衡。 更多详情可见： http://www.sciencedirect.com/science/article/pii/S030326471730103X MATLAB 软件该软件包含一个主函数 SHO_Example.m，它实现了 Ackley 函数的优化。

为了寻求生物反恐体系中高效的应急物资配送方式, 首先对比分析了传统的点对点配送模式和枢纽辐射模 式, 指出它们各自具有的优势; 然后构建一种混合协同配送模式以兼顾这两种模式的长处, 进而建立了混合协同配送 模式函数模型并给出了具体求解的启发式搜索算法. 通过仿真表明, 采用该模式能形成更加高效的应急救援网络, 对 实际应急救援工作具有一定的指导意义.

任意维度欧几里得斯坦纳最小树的启发式 欧几里得斯坦纳最小树 (ESTP) 问题寻求一个总边长最小的网络，该网络跨越一组 n 个端点，同时允许插入额外的点（斯坦纳点）以减少网络的总长度。 该软件使用启发式方法为任何维度和几乎任何规模的问题实例找到 ESTP 的解决方案（轻松解决 n>10000）。 有关此方法的详细说明，或者如果用于已发表的研究，请参阅 。 AE Olsen、SS Lorenzen、R. Fonseca 和 P. Winter。 编译 $ cd src $ make 可执行文件取决于系统 PATH 中来自的 qdelaunay 可执行文件。 一个易于遵循的解释。 用法 esmt-heuristic esmt [options] esmt-heuristic test esmt [options] esmt-heuristic te

完整代码，可直接运行

应急物资管理制度，仓库消防应急物资保管与发放管理办法.doc

EM 是一种灵活有效的基于种群的元启发式算法，用于搜索全局优化问题的最优解，由 Birbil 和 Fang 在 2003 年提出。它基于电磁理论的吸引力-排斥原理，其中种群被认为是带电粒子分布在解空间内。