动态帧时隙ALOHA算法在标签数增加过多的情况下,所需时隙数增长过快;而由于硬件限制,时隙数不能无限增长。为改进此不足,可从以下三个步骤优化算法。首先根据hash函数进行时隙分配,将标签分配到不同的时隙;其次根据三维估计方法估计标签数,为下一周期调整帧长做准备;最后根据估计到的标签数调整帧长,当帧长为标签数的1.7倍时,识别效果最好。实验结果表明,标签数相同的情况下,本算法所用的时隙数最少。

信息素更新 对信息素矩阵进行更新，更新方法为 新值为原信息素值乘以(1 - rho)，rho为信息素蒸发率，在加上最小偏差值的倒数。 for i = 1 : N tau(i,best_solution(1,i)) = (1 - rho) * tau(i,best_solution(1,i)) + 1/ tau_F; 信息数更新之后，再根据新的信息数矩阵，判断路径。进行迭代运算。直到达到最大迭代次数，或偏离误差达到要求值。

PSO粒子群优化算法的改进仿真matlab2021a测试，带有收缩因子的微粒群算法

为了减少AGV（Automate Guide Vehicle，自动导引车）的运输路径长度和转折次数，提出了改进的A星算法，采用几何方法对传统A星算法规划出的路径进行进一步优化。首先遍历路径上的所有节点，剔除路径中冗余节点和不必要拐点，获取仅包含起点、必要拐点、终点的路径。最后计算AGV在拐点处的旋转角度及旋转方向，使AGV在拐点处能够调整自身姿态。并分别对传统A星算法、蚁群算法和改进A星算法进行了对比实验。实验结果表明该方法不仅保留了A星算法运算速度快的优点，还能够有效地规划出距离短且平滑的路径。提高了AGV的运行效率，降低了AGV的耗能。

粒子群算法及其改进，在原有粒子群算法基础上进行改进，增加免疫算法，使其尽快跳出早熟，收敛更快，结果更优！(Particle swarm optimization (PSO) and its improvement are improved on the basis of the existing particle swarm algorithm, and the immune algorithm is added to make it jump out of premature, faster convergence and better results)

人工免疫遗传算法的matlab代码实现，实测可以出结果。(artificial immune genetic algorithm)

针对基本蚁群算法收敛速度慢和易陷入局部最优的缺点，在对信息素和启发信息进行标准化以消除量纲和取值范围影响 的基础上，提出带方向的信息素更新和混沌选择策略来改进蚁群算法。将路网节点阄的相对位置信息引入信息素更新，以加快搜 索速度；使用混沌扰动改进选择策略，以避免出现早熟停滞现象。并将其用于城市交通动态路径诱导的研究中，以重庆市渝中半岛 的路网为实例计算以最短行程时间为目标的最优路径，结果表明该算法是有效、可行的，比基本蚁群算法具有更好的全局搜索能力。 关键词：智能交通系统；动态路径诱导；蚁群算法；最优路径；混沌扰动

针对朴素贝叶斯分类算法中缺失数据填补问题，提出一种基于改进EM（Expectation Maximization）算法的朴素贝叶斯分 类算法。实验结果表明，改进算法具有较高的分类准确度。并将改进的算法应 用于高校教师岗位等级的评定

Montgomery算法是目前最适合于通用处理器软件实现的大整数模乘算法。1996年，Koc总结了该算法的五种实现方法：SOS、CIOS、FIOS、FIPS和CIHS，并指出CIOS方法综合性能较优。首先深入分析了FIOS实现方法，并通过消除进位传递和减少循环控制等手段，提出了一种改进方法IFIOS。然后将该方法应用于模幂计算，给出了基于滑动窗口技术的Montgomery模幂算法。最后理论分析和实验结果表明，该改进将FIOS的执行速度提高了约54%，与目前常用的CIOS方法相比，亦有较大的优势。

论文研究-基于遗传算法的改进的GM(1,1)模型IGM(1,1)直接建模.pdf,  CM（1,1）模型一般以模型还原值与实际值平均相对误差检验模型的模拟精度。本文以模型还原值与实际值平均相对误差最小化为目标函数将CM（1,1）模型转化成一个不用进行灰微分方程参数辨识的优化模型，称之为改进的GM（1,1）模型，简称IGM（1,1）。IGM（1,1）避开了灰微分方程参数辨识时传统的优化无法求解，本文针对IGM（1,1）模型的直接建模。由于IGM（1,1）目标函数非连续，不可导，用传统的优化无法求解，本文针对IGM（1,1）模型的模拟特性设计了求解该优化模型的遗传算法并进行了算例验证，秋解结果表明了IGM（1,1）模型IGM（1,1）模型。