在联合冲击滤波器和非线性各向异性扩散滤波器对含噪图像做预处理的基础上，利用边缘检测算子选取自适应参数，构建能同时兼顾图像平滑去噪与边缘保留的自适应全变分模型，并基于Bregman迭代正则化方法设计了其快速迭代求解算法。实验结果表明，自适应去噪模型及其求解算法在快速去除噪声的同时保留了图像的边缘轮廓和纹理等细节信息，得到的复原图像在客观评价标准和主观视觉效果方面均有所提高。

人工智能作业-A*算法解决迷宫问题

> 本文主要研究【单线路，固定容量，确定OD和下车比率】，以优化乘客等待数为目标，建立的单目标优化模型，通过优化列车时刻表，结合客流控制手段，城市轨道交通拥挤，减少站台拥堵。 > 算法选用的遗传算法 > 编码为实数+结构体编码 > 根据模型需求，设计了针对性的交叉和变异手段 > 本模型使用了常规的遗传算法（GA），当然您如果想要用其他算法也是可以的，我已经根据模型，写好了**初始化算子，交叉算子，变异算子，修复算子和计算目标函数的算子**。你把算法框架替换，这些算子可以继续沿用，基本上可以改成任意的算法。 > 同样的，本文代码的数据接口和参数设置也是支持修改的，**只要按照指定的格式将客流量数据和下车比例数据写到excel中**，即可实现算例的更改。 > 总而言之，本文代码适合①想要学习遗传算法的朋友，结合案例，深入理解遗传算法的思想精髓，同时学会如何结合实际问题修改算子。②交通专业的朋友，做相关项目的时候，可以直接借鉴源码，也可以按照我上面所说，对算法框架，算子和数据进行任意修改和拓展，从而达到实现自己模型需求的目的。

【优化调度】基于遗传算法实现车辆发车间隔优化问题matlab源码.zip

综合考虑公交车辆运营调度方案的实时性和有效性要求，引入了云模型理论与遗传算法（GA）相结合的云遗传算法。该混合遗传算法充分利用了云模型云滴的随机性和稳定倾向性特点，在遗传算法的优化操作中，由正态云模型的y条件云发生器实现交叉操作，由基本云发生器实现变异操作，不仅克服了传统遗传算法搜索速度慢、易陷入局部最优解的缺陷，而且提高了算法的收敛性、优化质量厦其鲁棒性。实验表明，将该混合遗传算法引人公交车辆运营调度管理中，可大大提高会交车辆调度的实时性与有效性，而且运行服务质量评测分析验证了该优化调度方法的有效性，具

设计了求解稀疏优化模型的加速线性Bregman算法，该稀疏优化模型可以理解成基追踪模型的一个近似。设计的加速算法主要基于Lagrange对偶和SVD预条件方法两个技术。由Lagrange对偶理论可知，线性Bregman 算法等价于梯度法极小化对偶问题的目标函数，由此可以推导出线性Bregman算法的收敛速度与矩阵A的条件数有关。据此，通过使用SVD预条件方法改善了A的条件数从而加快了线性Bregman 算法，还考虑了Ax=b不相容的情况，通过等价变换和SVD技术极大地降低了对偶问题的规模，从而设计出有效的加速算法。最后模拟了两个数值实验，验证了算法在速度上的优势。

.书中所有的算法均用C语言描述,书中除收集了传统的算法外，还根据作者的工作经验和近年来数值计算的发展，选取了一些新的、实用的算法

人工智能算法岗位历年真实面试题，包含了各大主流互联网历年真实面试题，最全人工智能、机器学习方向八股文，学完了过大概率会过面试。去别处找不到资源的话就来下载吧

•泰勒公式 •最优化方法 •梯度下降法（Gradient descend method） •牛顿法（Newton’s method) •从参数空间到函数空间 •从Gradient descend 到Gradient boosting •从Newton’s method 到Newton Boosting •Gradient Boosting Tree 算法原理 •Newton Boosting Tree 算法原理：详解XGBoost •更高效的工具包LightGBM

两个坐标系下对三个相同的点以及以上的点求出两个坐标系下的转换关系，同时含有python\matlab版本