迭代囚徒困境（IPD）博弈在博弈论、经济学、程序设计、决策论等领域长期被研究。 这是一个 2 人游戏场景，每个玩家必须在一系列游戏中决定是“合作”还是“失败”，他们各自的选择决定了每个玩家的相对成功或失败。 你会与对手合作还是想为自己窃取所有积分？ 此代码在两个或更多玩家之间运行锦标赛。 每个玩家可以提交任意数量的“个性”。 每个玩家提交的每个个性与所有其他玩家提交的所有个性进行IPD游戏。 然后绘制并输出结果。 在此提交中，已经在 3 个示例玩家和每个玩家的一些简单样本人物中设置了一个示例。 要创建您自己的播放器和个人，只需更换播放器目录和示例功能。 要运行示例， >> IPD外壳 有关创建自己个性的更多详细信息、具体规则和说明， >> 帮助IPDshell 有关囚徒困境的更多信息，请参阅： http://plato.stanford.edu/entries/prisoner-d

将用于求解欧氏空间上数量均衡问题的一种投影迭代法进行了推广,并将这种推广的投影迭代法用于求解欧氏空间上的向量均衡问题。利用非线性标量化函数,将向量优化问题化为相应的数量优化问题,研究了投影迭代法对向量均衡问题的收敛性。结果表明推广的投影迭代法对满足一定条件的向量均衡问题是收敛的。

在matlab平台上，通过牛顿法求解方程的根，牛顿法具有二次收敛性，求解速度快

用高斯赛德尔方法求解线性系统的函数。 考虑线性系统模型： A*x=b ，函数 sintax 是： [x,execution_time]=itergauss(A,b,n) [x] 是解向量A 是问题的线性矩阵b 是已知项向量n 是迭代逼近的次数execution_time是解决系统所需的时间

基于牛顿_拉夫逊迭代法的6自由度机器人逆解算法，采用了雅克比迭代的算法，有详细的理论推导，还有代码参考

高斯平均正反算，通过迭代的方法，可获得较高的精度，满足编程实习的需要，还犹豫什么，赶紧下载吧！

软件迭代开发的项目管理手册，适合有一定管理经验（3-5年）的项目经理

低密度奇偶校验码（LDPC码）译码主要包括基于硬判决和基于软判决的译码。文章对这两种译码方法中的典型算法（BF算法和BP算法）和一种改进的对数域算法（APP-LLR算法）进行了仿真研究；比较并分析了信噪比、码长和迭代次数等参数对译码性能影响。仿真结果表明误码率会随着码长和迭代次数的增加而减小，同时在同等条件下软判决译码算法的误码性能比硬判决优越。

Jacobi迭代 * MPI并行程序设计 */217

数值分析Jacobi迭代法 实验报告