具有网格索引方法的多目标 Bonobo 优化器 Multi-objective Bonobo optimizer with grid-index approach 这是具有网格索引方法的多目标倭黑猩猩优化器 (MOBO) 的 Matlab 代码。它被命名为MOBO1。 这是具有网格索引方法的多目标倭黑猩猩优化器 (MOBO) 的 matlab 代码。开发了三个版本的 MOBO， 如采用网格索引方法的 MOBO (MOBO1)、采用非支配排序和拥挤距离方法的 MOBO (MOBO2) 和采用分解技术的 MOBO (MOBO3)。 在这三个版本中，总体而言，MOBO2 方法与其他两种方法相比具有更好的性能。 这是为解决无约束优化问题而编写的。 然而，它也可以通过约束处理方法解决约束优化问题。 用户应编写自己的目标函数并进行相应修改。 根据问题需要修改常用参数和算法特定参数。 MOBO算法的详细信息，请参考和引用如下： 达斯，AK，尼库姆，AK，克里希南，SV 等。多目标倭黑猩猩优化器（MOBO）：用于多标准优化的智能启发式。 知识信息系统（2020）。

面对Li DAR技术的广泛应用以及Li DAR数据处理在多语言环境下的需求,提出了一种基于Java语言的Li DAR点云数据处理方法。该方法在网格划分的基础上引入了树结构,将网格索引与树结构索引相结合,对基本的规则网格空间索引进行了改进,并建立了相应的Li DAR点云数据处理的基本框架,实现了Java语言环境下的点云数据处理。通过对某测区的Li DAR点云数据进行处理,并比较了不同语言环境下的处理结果,验证了在Java语言环境下该方法进行Li DAR点云数据处理的可行性,以及利用该方法引入树结构的网格空间索引在Java语言环境下的实现性。

基于java的二维网格索引，资源包括可独立运行的app，源码，界面用javafx写的

#资源达人分享计划#

针对目前城市浮动车数据量日益庞大，地图匹配算法实时性差、匹配率不高的缺点，提出了一种基于时空分析的地图匹配算法。算法在对城市路网建立网格索引的基础上，综合考虑了空间几何、路网拓扑信息及上下文因素对选取GPS投影点的影响，大大提高了匹配效率和匹配精度。实验结果表明，算法能够满足工程应用中浮动车地图匹配的实时性和准确性。