通过C/C++编程，将传统的KMP算法与改进的KMP算法进行对比，通过运行时间、匹配速度来衡量算法性能的优劣。

基于DV-Hop定位算法的改进研究，基于DV-Hop定位算法的改进研究

大数据-算法-非线性最优化楔形信赖域算法的改进.pdf

无线传感器网络是监控远程环境的工具之一,由于能量和存储空间的限制,其路由协议必须维持较小的路由信息并尽可能地减少能量消耗.基于经典的LEACH算法进行了改进,主要体现在对簇头选举的考虑上,把节点的剩余能量考虑到簇头的选举过程中去.最后对经典LEACH算法和改进后的算法进行仿真比较,证实改进后的算法很大程度上延长了网络的生存时间,同时减小了簇中节点的能量消耗.

动态帧时隙ALOHA算法在标签数增加过多的情况下,所需时隙数增长过快;而由于硬件限制,时隙数不能无限增长。为改进此不足,可从以下三个步骤优化算法。首先根据hash函数进行时隙分配,将标签分配到不同的时隙;其次根据三维估计方法估计标签数,为下一周期调整帧长做准备;最后根据估计到的标签数调整帧长,当帧长为标签数的1.7倍时,识别效果最好。实验结果表明,标签数相同的情况下,本算法所用的时隙数最少。

信息素更新 对信息素矩阵进行更新，更新方法为 新值为原信息素值乘以(1 - rho)，rho为信息素蒸发率，在加上最小偏差值的倒数。 for i = 1 : N tau(i,best_solution(1,i)) = (1 - rho) * tau(i,best_solution(1,i)) + 1/ tau_F; 信息数更新之后，再根据新的信息数矩阵，判断路径。进行迭代运算。直到达到最大迭代次数，或偏离误差达到要求值。

PSO粒子群优化算法的改进仿真matlab2021a测试，带有收缩因子的微粒群算法

为了减少AGV（Automate Guide Vehicle，自动导引车）的运输路径长度和转折次数，提出了改进的A星算法，采用几何方法对传统A星算法规划出的路径进行进一步优化。首先遍历路径上的所有节点，剔除路径中冗余节点和不必要拐点，获取仅包含起点、必要拐点、终点的路径。最后计算AGV在拐点处的旋转角度及旋转方向，使AGV在拐点处能够调整自身姿态。并分别对传统A星算法、蚁群算法和改进A星算法进行了对比实验。实验结果表明该方法不仅保留了A星算法运算速度快的优点，还能够有效地规划出距离短且平滑的路径。提高了AGV的运行效率，降低了AGV的耗能。

粒子群算法及其改进，在原有粒子群算法基础上进行改进，增加免疫算法，使其尽快跳出早熟，收敛更快，结果更优！(Particle swarm optimization (PSO) and its improvement are improved on the basis of the existing particle swarm algorithm, and the immune algorithm is added to make it jump out of premature, faster convergence and better results)

人工免疫遗传算法的matlab代码实现，实测可以出结果。(artificial immune genetic algorithm)