<center id="ksse8"></center>
這是編譯原理的一個(gè)實(shí)驗(yàn), 是把一個(gè)正則表達(dá)式轉(zhuǎn)化為不確定有窮自動(dòng)機(jī)NFA的算法程序,朋興趣的朋友可以下載來看看哦。 一個(gè)正則表達(dá)式就是由普通字符（例如字符 a 到 z）以及特殊字符（稱為元字符）組成的文字模式。該模式描述在查找文字主體時(shí)匹配的一個(gè)或多個(gè)字符串。正則表達(dá)式作為一個(gè)模板，將某個(gè)字符模式與所搜索的字符串進(jìn)行匹配。 本實(shí)例的符號(hào)包括： 1. 基本正則表達(dá)式, 如ab 2. 重復(fù), 如a* 3. 在各項(xiàng)中選擇, 如a|b 使用時(shí)在Convert的Reg Exp中點(diǎn)擊輸入正則表達(dá)式, 然后單擊Convert->to NFA就可以了。
上傳時(shí)間： 2016-06-22
上傳用戶：wangchong
pso算法工具箱，大家可以用來優(yōu)化多目標(biāo)問題！
上傳時(shí)間： 2016-06-23
上傳用戶：cainaifa
自適應(yīng)遺傳算法,希望大家喜歡，東西不多呀
上傳時(shí)間： 2014-01-16
上傳用戶：q123321
算法加密模塊： 本模塊有分兩個(gè)版本：一個(gè)免費(fèi)版本，二是收費(fèi)版本；在免費(fèi)版本 版本里面沒有任何的功能限制；在收費(fèi)版本中也沒有功能限制，未注冊的模塊在返回的結(jié)果中多了一個(gè)字符串"ksaiy"，如果你注冊了模塊就沒有任何限制了，關(guān)于注冊費(fèi)用可以查看這里：http://www.ksaiy.com/ynen/Service.asp 免費(fèi)模塊可以到我們的主頁下載：http://www.ksaiy.com/ynen/index.asp
上傳時(shí)間： 2013-12-09
上傳用戶：gundamwzc
CURE（Clustering Using Representatives）是一種針對大型數(shù)據(jù)庫的高效的聚類算法。基于劃分的傳統(tǒng)的聚類算法得到的是球狀的，相等大小的聚類，對異常數(shù)據(jù)比較脆弱。CURE采用了用多個(gè)點(diǎn)代表一個(gè)簇的方法，可以較好的處理以上問題。并且在處理大數(shù)據(jù)量的時(shí)候采用了隨機(jī)取樣，分區(qū)的方法，來提高其效率，使得其可以高效的處理大量數(shù)據(jù)。
標(biāo)簽： Representatives Clustering Using CURE
上傳時(shí)間： 2016-06-30
上傳用戶：dongqiangqiang
c語言的pso算法，用測試函數(shù)shpere驗(yàn)證的 還行，大家多支持哈
上傳時(shí)間： 2013-12-03
上傳用戶：zq70996813
* 這里是遺傳算法的核心框架遺傳算法的步驟： * 遺傳算法核心部分的算法描述 * 算法步驟： * 1、初始化 * 1.1、生成初始種群編碼 * 1.2、計(jì)算每個(gè)個(gè)體的適配值。 * 1.3、記錄當(dāng)前最優(yōu)適配值和最優(yōu)個(gè)體 * 2、選擇和遺傳， * 2.0、若當(dāng)前最優(yōu)適配值多次小于已有的最優(yōu)適配值（或相差不大）很多次，或者進(jìn)化的次數(shù)超過設(shè)定的限制，轉(zhuǎn)4。 * 2.1、按照與每個(gè)個(gè)體的適配值成正比的概率選擇個(gè)體并復(fù)制，復(fù)制之后個(gè)體的數(shù)目和原始種群數(shù)目一樣。 * 2.2、（最好先打亂復(fù)制后種群的個(gè)體次序）對復(fù)制后個(gè)體進(jìn)行兩兩配對交叉，生成相同數(shù)目的的下一代種群。 * 2.3、對下一代種群按照一定的概率進(jìn)行變異 * 2.4、計(jì)算每個(gè)個(gè)體的適配值。 * 2.5、記錄當(dāng)前最優(yōu)適配值和最優(yōu)個(gè)體 * 2.6、轉(zhuǎn)2 * 3、返回當(dāng)前最優(yōu)適配值以及其對應(yīng)的編碼，結(jié)束。
上傳時(shí)間： 2013-12-25
上傳用戶：plsee
此程序?yàn)榛贏ria移動(dòng)機(jī)器人開發(fā)平臺(tái)的算法，功能為實(shí)現(xiàn)機(jī)器人的自主運(yùn)動(dòng)，自動(dòng)壁障并移動(dòng)到目標(biāo)點(diǎn)
標(biāo)簽： Aria 程序 移動(dòng)機(jī)器人 開發(fā)平臺(tái)
上傳時(shí)間： 2014-01-11
上傳用戶：saharawalker
遺傳算法(Genetic Algorithm,GA)是一種抽象于生物進(jìn)化過程的基于自然選擇和生物遺傳機(jī)制的優(yōu)化技術(shù). 遺傳算法的基本原理 在遺傳算法的執(zhí)行過程中,每一代有許多不同的種群個(gè)體(染色體 )同時(shí)存在。這些染色體中哪個(gè)保留(生存)、哪個(gè)淘汰(死亡),是根據(jù) 它們對環(huán)境的適應(yīng)能力來決定的,適應(yīng)性強(qiáng)的有更多的機(jī)會(huì)保留下來 。適應(yīng)性強(qiáng)弱是通過計(jì)算適應(yīng)性函數(shù)f(x)的值來判別的,這個(gè)值稱為適應(yīng)值。適應(yīng)值函數(shù)f(x)的構(gòu)成與目標(biāo)函數(shù)有密切關(guān)系,往往是目標(biāo)函數(shù)的變種。
標(biāo)簽： Algorithm Genetic 算法 過程
上傳時(shí)間： 2016-07-05
上傳用戶：lizhizheng88
若不希望用與估計(jì)輸入信號(hào)矢量有關(guān)的相關(guān)矩陣來加快LMS算法的收斂速度，那么可用變步長方法來縮短其自適應(yīng)收斂過程，其中一個(gè)主要的方法是歸一化LMS算法（NLMS算法），變步長 的更新公式可寫成 W（n+1）=w（n）+ e（n）x（n） =w（n）+ （3.1） 式中， = e（n）x（n）表示濾波權(quán)矢量迭代更新的調(diào)整量。為了達(dá)到快速收斂的目的，必須合適的選擇變步長 的值，一個(gè)可能策略是盡可能多地減少瞬時(shí)平方誤差，即用瞬時(shí)平方誤差作為均方誤差的MSE簡單估計(jì)，這也是LMS算法的基本思想。
上傳時(shí)間： 2016-07-07
上傳用戶：changeboy
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
<input id="yqem6"></input>