matlab开辟-小波空间插值的AntcolonyOptimization。
基于蚁群算法的小波图像插值
基于蚁群算法的小波图像插值
2021/6/5 12:13:18
245KB
1
智能算法-遗传算法、蚁群算法、粒子群算法实现。
实现版本Java,Python,MatLab多版本实现。
具体详细阐明上傳附件檔案內資料夾有每个算法有着详细的阐明README蚁群算法：Ant_Colony_Optimization遗传算法：Genetic_Algorithm免疫算法：Immunity_Algorithm粒子群：ParticleSwarmOptimization
实现版本Java,Python,MatLab多版本实现。
具体详细阐明上傳附件檔案內資料夾有每个算法有着详细的阐明README蚁群算法：Ant_Colony_Optimization遗传算法：Genetic_Algorithm免疫算法：Immunity_Algorithm粒子群：ParticleSwarmOptimization
2017/9/2 22:36:16
1.58MB
1
智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码
2018/3/7 15:11:16
847KB
1
面对当前网络中流量的增长、业务种类的增多，SDN中多数的路由算法只支持一种QoS参数，没有兼顾对系统调度服务公平性的考虑，然而多参数限制的QoS明显是NP难问题，该问题用普通的路由算法难以处理，引进蚁群算法，在蚁群算法的基础上，将链路的时延、分组丢失率引入蚁群算法中，作为算法选择路径的依据，提出一种新的路由算法。
该算法在对不同业务属性的数据流分类的基础上，根据网络的实时状况，为不同业务属性的数据流选择合适的路径，对网络中的数据流进行多路径传输。
仿真实验表明，该算法能有效地降低数据流的时延、分组丢失率。
该算法在对不同业务属性的数据流分类的基础上，根据网络的实时状况，为不同业务属性的数据流选择合适的路径，对网络中的数据流进行多路径传输。
仿真实验表明，该算法能有效地降低数据流的时延、分组丢失率。
2015/8/2 15:06:26
888KB
1
带时间窗的团队定向成绩是一类重要的物流配送路径优化成绩，其优化目标是制定最优可行车辆路线，在规定的时间窗内服务一组顾客，以获得最大的总收益。
提出了一类改进蚁群算法，用以求解该成绩。
为了提高解构造质量与效率，使用一种快速的方法来确定动态候选链表，并且利用串行法和贪婪法构造解。
与迭代局部搜索相比，所提算法能够在12s内得到更好的解。
提出了一类改进蚁群算法，用以求解该成绩。
为了提高解构造质量与效率，使用一种快速的方法来确定动态候选链表，并且利用串行法和贪婪法构造解。
与迭代局部搜索相比，所提算法能够在12s内得到更好的解。
2021/4/23 8:33:26
245KB
1
本文主要研究在这种配送方式下的应急配送问题，建立了基于混合蚁群算法的VRPD问题模型，利用蚁群算法，迭代局部搜索算法，聚类分析等方法进行求解。
对于问题一只有配送车辆配送这一模式，建立VRP问题，首先通过floyd算法验证各地点间的最短距离即为直线距离，将问题转换为最佳H圈问题；
之后采用蚁群算法对这问题进行迭代求解，得到配送车辆一次整体配送的最短路径和为582（公里），一次整体配送的最短时间为11.64（小时），并且发现收敛时迭代次数基本小于10次。
对于问题二，在问题一的基础上新增无人机配送的模式，首先对14个地点进行聚类，发现它们属于同一个类；
其次在类中进行分区，考虑到无人机的飞行约束，利用椭圆的几何性质最终分为5个飞行区；
之后采用迭代局部搜索的方式对各飞行区中的点进行重分配，找到最优的配送路线；
最初，采用蚁群算法对路线进行迭代求解，得到一次整体配送的最短时间为6.32（小时），相较问题一时间缩短了近50%。
对于问题三，在问题二的基础上
对于问题一只有配送车辆配送这一模式，建立VRP问题，首先通过floyd算法验证各地点间的最短距离即为直线距离，将问题转换为最佳H圈问题；
之后采用蚁群算法对这问题进行迭代求解，得到配送车辆一次整体配送的最短路径和为582（公里），一次整体配送的最短时间为11.64（小时），并且发现收敛时迭代次数基本小于10次。
对于问题二，在问题一的基础上新增无人机配送的模式，首先对14个地点进行聚类，发现它们属于同一个类；
其次在类中进行分区，考虑到无人机的飞行约束，利用椭圆的几何性质最终分为5个飞行区；
之后采用迭代局部搜索的方式对各飞行区中的点进行重分配，找到最优的配送路线；
最初，采用蚁群算法对路线进行迭代求解，得到一次整体配送的最短时间为6.32（小时），相较问题一时间缩短了近50%。
对于问题三，在问题二的基础上
2019/8/5 8:34:08
2.11MB
1
java基于蚁群算法路由选择可视化动态模仿(论文+开题报告+翻译+任务书+外文翻译).zip
2015/1/5 21:02:10
1.18MB
1
算法复杂度分析算法分析如果程序终止于NC次循环后,算法复杂度为：O(NC·n2·m)第一步的复杂度为O(n2+m)第二步的复杂度为O(m)第三步和第四步的复杂度为O(n2·m)第五步的复杂度为O(n2),第六步的复杂度为O(n·m)实验证明m一般取值与n为同一数量级因而，整个算法的复杂度为O(NC·n3)
2015/6/11 22:58:36
1.28MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB