中文版的，内容有：最优化问题、单纯元型算法、对偶性、原始-对偶算法、最大流有效算法、最短路、最小费用流、算法与复杂性、婚配算法、赋权婚配、指派问题、拟阵、整数线性规划、NP完备问题、近似算法、分支界定、动态规划、局部寻优等
2015/1/13 21:22:28
16.38MB
1
李春葆算法设计与分析（第2版）课件、习题答案、书中全部源代码。
第1章概述第2章递归算法设计技术第3章分治法第4章蛮力法第5章回溯法第6章分枝限界法第7章贪婪法第8章动态规划第9章图算法设计第10章计算几何第11章计算复杂性理论第12章概率算法和近似算法
第1章概述第2章递归算法设计技术第3章分治法第4章蛮力法第5章回溯法第6章分枝限界法第7章贪婪法第8章动态规划第9章图算法设计第10章计算几何第11章计算复杂性理论第12章概率算法和近似算法
2015/3/26 22:40:25
9.25MB
1
深度强化学习是深度学习算法和强化学习算法的巧妙结合,它是一种新兴的通用人工智能算法技术,也是机器学习的前沿技术,DRL算法潜力无限,AlphaGo是目前该算法最成功的使用案例。
DRL算法以马尔科夫决策过程为基础,是在深度学习强大的非线性函数的拟合能力下构成的一种增强算法。
深度强化学习算法主要包括基于动态规划(DP)的算法以及基于策略优化的算法,这本书共10章,首先以AlphaGo在围棋大战的伟大事迹开始,引起对人工智能发展和现状的引见,进而引见深度强化学习的基本知识。
然后分别引见了强化学习(重点引见蒙特卡洛算法和时序差分算法)和深度学习的基础知识、功能神经网络层、卷积神经网络(CNN)、循环神经网络(RNN),以及深度强化学习的理论基础和当前主流的算法框架。
最后引见了深度强化学习在不同领域的几个应用实例。
DRL算法以马尔科夫决策过程为基础,是在深度学习强大的非线性函数的拟合能力下构成的一种增强算法。
深度强化学习算法主要包括基于动态规划(DP)的算法以及基于策略优化的算法,这本书共10章,首先以AlphaGo在围棋大战的伟大事迹开始,引起对人工智能发展和现状的引见,进而引见深度强化学习的基本知识。
然后分别引见了强化学习(重点引见蒙特卡洛算法和时序差分算法)和深度学习的基础知识、功能神经网络层、卷积神经网络(CNN)、循环神经网络(RNN),以及深度强化学习的理论基础和当前主流的算法框架。
最后引见了深度强化学习在不同领域的几个应用实例。
2019/3/8 21:17:23
145.91MB
1
有m排n列的柱桩，每一排的柱桩从左向右标号为1,2,…,n，且在每个柱桩上预先放好价值不一样的宝石。
现在有位杂技演员从第一排的第1号柱桩开始腾跃，每次都必须跳到下一排的柱桩上，且每次腾跃最多只能向左或向右移动一个桩子。
也就是说如果现在杂技演员站在第j号桩上，那么他可跳到下一排的第j号桩上，也可跳到下一排的第j-1(ifj＞1)或者j+1(ifj＜n)号桩上，并得到桩上的宝石。
计算出一条最佳的腾跃顺序，使杂技演员获得的宝石的总价值最大。
现在有位杂技演员从第一排的第1号柱桩开始腾跃，每次都必须跳到下一排的柱桩上，且每次腾跃最多只能向左或向右移动一个桩子。
也就是说如果现在杂技演员站在第j号桩上，那么他可跳到下一排的第j号桩上，也可跳到下一排的第j-1(ifj＞1)或者j+1(ifj＜n)号桩上，并得到桩上的宝石。
计算出一条最佳的腾跃顺序，使杂技演员获得的宝石的总价值最大。
2020/1/1 8:24:27
654KB
1
该文档使用Java语言编写了一个通用的TSP问题的求解方法，不仅进行了代码求解，还根据实际例子进行了手动求解和引见，适合旅行商入门，以及Java语言的学习，附带源码和伪代码，以及详细的解释。
2019/11/10 4:19:45
54KB
1
matlab动态规划的实现内含一个背包算法的代码模块，做动态规划的小伙伴们可以参考一下，背包算法可以单独使用，在matlab下运转第一个文件即可
2022/9/8 9:05:51
3KB
1
10大算法程序以及详细解释，包括模仿退火，禁忌搜索，遗传算法，神经网络、搜索算法、图论、遗传退火法、组合算法、免疫算法、蒙特卡洛、灰色预测、动态规划等常用经典算法。
是数学建模、信号处理等领域必备参考资料。
是数学建模、信号处理等领域必备参考资料。
2022/9/5 11:23:01
9.39MB
1
内容提要：本文主要介绍了无向图的应用示例。
主要讨论关于无向图的最小生成树、无向图的遍历问题、图与图匹配和迷宫问题。
首先介绍了关于最小生成树的基本定义和性质，以及两种构造最小生成树的算法（Prim算法和Kruskal算法）。
然后，和有向图类似的介绍了两种无向图的遍历方法（深度优先遍历和广度优先遍历）。
接着介绍了迷宫问题的求解方法。
最后，介绍了求解最短路径的六种方法，包括宽度优先搜索、动态规划、A﹡算法、等代价搜索法、Warshall算法和标号法。
关键字：无向图、最小生成树、Prim算法、Kruskal算法、迷宫问题、最短路径引言：无向图G=(V,E)由顶点的集合V与边的集合E组成。
无向图和有向图的区别在于，构成无向图任意一条边的两个顶点是无序的，就是说，如果(V,W)是一条无向边，(V,W)=(W,V)，以后把无向图简称图。
许多学科都用图描述对象之间的关系，建立数据模型，图的每个顶点表示一个对象，每条边表示两个对象之间的关系。
主要讨论关于无向图的最小生成树、无向图的遍历问题、图与图匹配和迷宫问题。
首先介绍了关于最小生成树的基本定义和性质，以及两种构造最小生成树的算法（Prim算法和Kruskal算法）。
然后，和有向图类似的介绍了两种无向图的遍历方法（深度优先遍历和广度优先遍历）。
接着介绍了迷宫问题的求解方法。
最后，介绍了求解最短路径的六种方法，包括宽度优先搜索、动态规划、A﹡算法、等代价搜索法、Warshall算法和标号法。
关键字：无向图、最小生成树、Prim算法、Kruskal算法、迷宫问题、最短路径引言：无向图G=(V,E)由顶点的集合V与边的集合E组成。
无向图和有向图的区别在于，构成无向图任意一条边的两个顶点是无序的，就是说，如果(V,W)是一条无向边，(V,W)=(W,V)，以后把无向图简称图。
许多学科都用图描述对象之间的关系，建立数据模型，图的每个顶点表示一个对象，每条边表示两个对象之间的关系。
2022/9/5 10:52:43
294KB
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