Clever Algorithms Nature-Inspired Programming Recipes
by Jason Brownlee
这本书提供了一本来自元动脉学、生物启发计算和计算智能领域的算法食谱手册，这些食谱以完整、一致和集中的方式进行了描述。这些标准化描述经过精心设计，便于访问、可用和易于理解。本书中描述的算法大多最初受到生物和自然系统的启发，如遗传进化和后天免疫系统的适应能力，以及鸟类、蜜蜂、蚂蚁和细菌的觅食行为。这本书是百科全书算法参考，专供研究科学家、工程师、学生和感兴趣的业余爱好者使用。每个算法描述都提供 Ruby 编程语言中的工作代码示例。
by Jason Brownlee
2021-06-26 20:02:18
3.03MB
在不减慢游戏速度的情况下渲染大量植被。
Nature Renderer通过替换Unity的默认地形细节系统来改善你的植被渲染质量。一切都与你现有的数据一起工作:使用相同的草地、植被和树木，并保持你现有的地形。我们只是升级你的渲染器。
2021-06-09 14:07:21
80.44MB
1
matlab蚁群算法代码用于图像对比度增强的混合蚁群优化、遗传算法和模拟退火
可以在此
repo
中找到使用自然启发方法增强灰度图像对比度的
MATLAB
代码。
受自然启发的方法是蚁群优化、遗传算法和模拟退火，它们生成全局传递函数将输入图像转换为更高对比度的图像，同时尽量保持图像的自然外观。
描述
图像增强器方法的详细信息发表在我们的论文中：DSP（或）和
CEC（或）。
该方法的工作原理是在搜索空间中放置一些人工代理（又名人工蚂蚁）以生成一个传递函数，该函数可用于将任何图像转换为更高对比度的图像。
蚂蚁从传递函数的原点（左下角）开始，然后移动到它的右上角。
任何蚂蚁都会在其可用的移动选项中进行概率选择，如下所示：
到达最后一点后，创建传递函数并评估其适应度。
根据传递函数的好坏，信息素会沉积在蚂蚁走过的路径上。
点上的信息素增加了蚂蚁在下一次迭代中选择在附近经过它的机会。
这是蚂蚁在传递函数窗格上移动一段时间后的信息素痕迹示例。
每只人工蚂蚁在这个过程中都有一个遗传密码。
蚂蚁种群通过遗传算法进化。
这改变了蚂蚁的特征及其在搜索空间中遍历路径的偏好。
选择最佳传递函数后，模拟退火尝
2021-06-05 17:03:39
4.18MB
1
选修六Unit5 The power of nature Period 1.doc
2021-06-01 09:03:10
4.57MB
选修六Unit5 The power of nature Period 2.doc
2021-06-01 09:03:10
185KB
选修六Unit5 The power of nature Period 3.doc
2021-06-01 09:03:10
147KB
选修六Unit5 The power of nature Period 4.doc
2021-06-01 09:03:09
1.79MB
选修六Unit5 The power of nature Period 5.doc
2021-06-01 09:03:09
3.89MB
选修六Unit5 The power of nature Period 6.doc
2021-06-01 09:03:09
141KB