本文通过在华为eNSP部署路由器、交换机以及防火墙等网络设备以及运用多种计算机网络协议和技术。在设计原则以及设计需求的前提下，对企业办公园区进行网络规划设计，其中分为两大部分，一部分是进行网络拓扑结构搭建，其中包括对设备及端口进行了相应的配置；另一部分是对整体、部分的网络功能进行相关的网络仿真测试和分析。在网络拓扑结构搭建中，将计算机网络技术的基本概念和特点、应用和网络结构的拓扑图相有机地结合起来，其中包括了由模块化到整体化的网络设计理念。网络测试即在完整性地使整个网络结构的运行的前提下，对整个拓扑结构中存在的潜在问题进行项目分析和进行详细的相关测试操作。该企业包括六个部门：行政、财务、产品开发、营销、生产和人事。通过建设一个高速、高安全性、高可靠性、可扩展的网络结构，使整个办公园区的网络系统通过一张网连接在一起，实现企业内部信息的共享，以及在工作协助中更高效、迅速地传递至相关部门，同时也便于管理层管理，能对当前企业的生产、销售额、财务、人事调动各方面情况及时地了解，并对潜在的问题及时发现处理。且企业采用防火墙技术来提高网络安全性，监控网络信息存取和传递以符合相关的安全策略。

是运筹学只是比较全面的一本书，包括运筹学常用模型，运筹学的线性规划，整数规划，动态规划，排队论，交通运输模型，图论，存储论，博弈论等知识都有详细讲解

基于人工势场法的跳点搜索算法

智能软开关(soft open point，SOP)作为一种新型的配电装置，其应用将极大地提高配电系统运行的经济性、灵活 性和可控性，从而解决由于大量间歇性分布式电源接入给配 电网带来的问题。但考虑到投资和运行成本，SOP 的选址 与定容成为一个亟待解决的问题。该文提出了一种考虑分布 式电源运行特性的有源配电网 SOP 规划方法。首先，考虑 风光等分布式电源的运行特性，根据历史数据得到其概率密 度分布函数，从而采用基于 Wasserstein 距离的最优场景生成技术进行典型场景构建

一篇关于路径规划的文章，在二维空间的路径规划，给定的数据去规划最优路径，采用迪杰特斯拉以及蚁群等算法；首先构建规划环境，接着考虑在多种的约束下以及外界的环境去寻优，并且延伸到三维中去规划路径（MATLAB可运行）

动态规划算法求解TSP 用动态规划算法求解TSP，数据为Solomon数据集的c101文件读取，可视化路径图，用图展示每次迭代的最优值、最差值和平均值，并与Gurobi求解结果比较各计算时间下的目标值。动态规划算法求解TSP 用动态规划算法求解TSP，数据为Solomon数据集的c101文件读取，可视化路径图，用图展示每次迭代的最优值、最差值和平均值，并与Gurobi求解结果比较各计算时间下的目标值。动态规划算法求解TSP 用动态规划算法求解TSP，数据为Solomon数据集的c101文件读取，可视化路径图，用图展示每次迭代的最优值、最差值和平均值，并与Gurobi求解结果比较各计算时间下的目标值。动态规划算法求解TSP 用动态规划算法求解TSP，数据为Solomon数据集的c101文件读取，可视化路径图，用图展示每次迭代的最优值、最差值和平均值，并与Gurobi求解结果比较各计算时间下的目标值。动态规划算法求解TSP 用动态规划算法求解TSP，数据为Solomon数据集的c101文件读取，可视化路径图，用图展示每次迭代的最优值、最差值和平均值，并与Gurobi求解结果比较各计算时间下

动态规划在预知未来一段时间的路况后，通过全局遍历计算得出一条能量损耗最小的增程器发电路径。DP算法得到的结果可以视为该HEV在该工况下的终极燃油经济性性能，任何其他实时控制策略理论上都不可能取得比这更好的经济性结果，因此，这该结果可以作为评价实时控制策略的准绳。

针对城市中停车位狭小、现有自动泊车方法缺乏连贯性的问题, 提出一种自动平行泊车算法。对现有的五阶多项式路径规划方法加以改进, 并有针对性地设计罚函数, 采用遗传算法计算最佳泊车路径和最小泊车空间, 实现自动平行泊车。仿真结果表明, 该算法能快速有效地完成泊车, 车辆损伤小, 对空间的要求最低。

遗传算法的概念最早是由Bagley J.D 于1967年提出的。后来Michigan大学的J.H.Holland教授于1975年开始对遗传算法（Genetic Algorithm, GA）的机理进行系统化的研究。遗传算法是对达尔文生物进化理论的简单模拟，其遵循“适者生存”、“优胜略汰”的原理。遗传算法模拟一个人工种群的进化过程，并且通过选择、杂交以及变异等机制，种群经过若干代以后，总是达到最优（或近最优）的状态。 自从遗传算法被提出以来，其得到了广泛的应用，特别是在函数优化、生产调度、模式识别、神经网络、自适应控制等领域，遗传算法更是发挥了重大的作用，大大提高了问题求解的效率。遗传算法也是当前“软计算”领域的重要研究课题。 本文首先结合MATLAB对遗传算法实现过程进行详细的分析，然后通过1个实际的函数优化案例对其应用进行探讨。 1. 遗传算法实现过程 现实生活中很多问题都可以转换为函数优化问题，所以本文将以函数优化问题作为背景，对GA的实现过程进行探讨。大部分函数优化问题都可以写成求最大值或者最小值的形式，为了不是一般性，我们可以将所有求最优值的情况都转换成求最大值的形式，

基于模拟退火遗传算法的全向AGV路径规划的学习与实现的matlab代码，包括地图生成，交叉重组、变异重组等功能代码的实现。