Metaheuristic algorithms such as particle swarm optimization and simulated annealing are now becoming powerful methods for solving many tough optimization problems . The vast majority of heuristic and metaheuristic algorithms have been derived

K-SVD算法是一种有效的训练稀疏信号表示过完备字典的方法。在本文中，我们讨论了该算法的一种有效实现，它既加快了算法的速度，又降低了算法的内存消耗，即批处理OMP算法。 批处理OMP（Batch-OMP）是正交匹配追踪（OMP）算法的一种实现，该算法专门针对在同一字典上对大量信号进行稀疏编码而优化。批处理OMP实现对于涉及对大量信号进行编码的各种基于稀疏性的技术非常有用。在报告中，我们讨论了批处理OMP和K-SVD实现，并分析了它们的复杂性。 本文中实现这些技术的Matlabr工具箱，可以去http://www.cs.technion.ac.il/~ronrubin/software.html中进行下载。

该代码文件是一个完整的航班人员调度分配模型及求解. 模型说明为英文材料, 用百度等翻译一下, 即可顺利阅读. 包含了问题说明、数据、详细的gurobi列生成算法求解代码，是一份完整的航班人员调度分配、列生成算法、gurobi求解器的绝佳学习资料。所有代码均有详细注释，已经经过反复调试，可以直接运行。

多目标跟踪算法，使用GNN全局最近邻算法，进行目标 关联处理，

算法杂货铺-python3实现 算法参考书籍列表，建议按照顺序阅读： 《算法》第4版 《算法导论》第3版 《 LeeCode算法题库》 作者的话 整个部分分为两个部分，第一个部分是基于《算法导论》第3版书中的所有示例写的。作为基础算法部分。第二部分是LeeCode算法题库，选取其中最具代表性的100个算法题来演示。 今年2020年决定继续把之前的捡起来，重新更新这个系列，做事情得有始有终，希望能把这个系列坚持写完。希望对算法研究者的能在杂货铺里挑到自己想要的。 有任何问题都可以联系我： 电子邮件： 博客： : GitHub： : 欢迎关注我的个人公众号“飞污熊”，我会定期分享一些自己的Python学习笔记和心得。 如何贡献 欢迎您为该项目做以下贡献 添加/编辑维基 报告/修复问题 代码审查 提交新功能 添加测试用例 同时，您最好遵循以下规则 不建议直接向master分支提交拉取

Robotics-Path-Planning：包含机器人路径规划实验室的所有代码。 这些代码写在MATLAB 2017a上

MMV-AMP算法 该代码适用于纸张： 和 抽象的 这份由两部分组成的论文考虑了上行链路大规模设备通信场景，其中大量设备连接到基站（BS），但是用户流量是零星的，因此在任何给定的一致性间隔中，只有一部分用户处于活动状态。 目的是量化主动用户检测和信道估计的成本，并表征无授权两阶段接入方案的总体可实现速率，在该方案中，在第一阶段使用导频序列共同执行设备活动检测和信道估计，并且数据是在第二阶段传输。 为了容纳大量同时发送的设备，本文研究了一种渐进体制，其中BS配备了大量天线。 本文第一部分的主要贡献如下。 首先，我们注意到，由于拥有大量潜在的有源设备，但相干时间有限，导频序列不能全部正交。 但是，尽管具有非正交性，但本文显示，在渐近大规模多输入多输出（MIMO）方案中，可以始终通过利用来使丢失的设备检测和用于活动检测的错误警报概率始终为零。利用用户活动模式稀疏性的压缩传感技术。 本文的第二

An improved ant colony algorithm for robot path planning.rar

提供了同步扰动随机近似优化算法（SPSA） 内部包含优化测试函数示例 可以直接点开运行，注释十分清晰

《Data Structures and Algorithm Analysis in C++, 4th e》原版第四版，英文版