贪心算法，基于MATLAB编程环境

马尔可夫链蒙特卡洛-0/1背包问题 该资料库引用了该学科的最终：《蒙特卡洛算法和马尔可夫链中的特殊主题》 ，PESC / COPPE / UFRJ ，由 教授在2018年第一学期教授。 学生们： 关于 该存储库的目的是为0/1背包问题建立解决方案，也就是说，每个元素都可以或不可以不经过重复就出现在解决方案中。 开发的代码旨在评估涉及Markov Chains Monte Carlo的不同算法的结果和性能。 与伪多项式求解算法和贪婪算法（称为“爬山”）相比，本文涵盖的技术涉及不同冷却和过渡策略下的随机游走，Metropolis Hastings，模拟退火算法。 此外，该存储库还试图提出可能的场景，在这些场景中，马尔可夫链蒙特卡洛算法比确定性算法更具优势。 运行算法 所有算法都是使用编写的，并且在src目录中可用。 在data目录中，您可以找到一些可以由算法执行的问题。 涉及Mark

matlab里规范函数代码更快的FISTA Matlab代码重现论文结果 和，2018 二次问题 考虑解决下面的问题$$ $$ \ min_ {x \ in \ mathbb {R} ^ n}〜\ frac {1} {2} | Ax-f | ^ 2，$$其中$ A $是拉普拉斯算子$$ A = \ begin {bmatrix} 2＆-1＆＆＆\ -1＆2＆-1＆＆\ %% -1＆2＆-1＆＆＆＆＆\ \ dotsm＆＆\ \％＆＆-- 1＆2＆-1＆\＆＆-1＆2＆-1 \＆＆＆-1＆2 \ \ end {bmatrix} _ {n}。 $$ 我们设置$ n = 201 $。 错误$ | x_ {k} -x ^ \ star | $ 目标函数$ \ Phi（x_ {k}）-\ Phi（x ^ \ star）$ 线性逆问题 考虑解决以下问题：$$ \ min_ {x \ in \ mathbb {R} ^ n}〜\ mu R（x）+ \ frac {1} {2} | Ax-f | ^ 2。 $$ $ \ ell_ {1} $-范数 错误$ | x_ {k} -x ^ \ star |

常用算法集 动态规划 模拟退火算法 贪婪算法 遗传算法 搜索算法 Floyd算法 分治算法 概率算法 等等。。。

贪婪算法matlab代码ROS-assignment-3-RRT-planner 作业说明： 指导原则： 要安装youBot软件包和ROS的机器人控制器，请在下面查看此链接： 源代码：./src/rrt_youbot_node.cpp 启动文件：./launch/test_youbot.launch Matlab脚本：RRT：./matlab/rrt_connect_test/，正向运动学（youBot）：./matlab/kuka_youbot_kinematics/ 通过以下链接（geeksforgeeks）使用了Dijkstra算法的源代码：

带有迭代贪婪算法的分布式无等待流水车间调度的makepan优化

8拼图 解决深度优先搜索，广度优先搜索，贪婪最佳优先搜索

正交匹配追踪算法（OMP）是一种贪婪的压缩感知恢复算法，它在每次迭代中选择感知矩阵的最佳拟合列。 然后在由所有先前选择的列跨越的子空间中执行最小二乘 (LS) 优化。 这种方法不如 Basis 追踪算法准确，但计算复杂度较低。 Matlab 函数具有三个输入：稀疏度 K、测量向量 y 和传感矩阵 A。该函数的输出是恢复的稀疏向量 x。

使用 POMDP（部分可观察马尔可夫决策过程）逻辑一步贪心算法来规划和实现机器人需要采取的路径，以便接近预定的目标位置。

Pytorch-seq2seq-光束搜索 带有注意力和贪婪搜索/波束搜索的Seq2Seq模型，用于在PyTorch中进行神经机器翻译。 此实现着重于以下功能： 用于其他项目的模块化结构 最少的代码以提高可读性 充分利用批处理和GPU。 解码方法贪婪搜索 解码方法波束搜索 此实现依赖于来最大程度地减少数据集管理和预处理部分。 Seq2Seq型号说明 seq2seq的主要结构采用 编码器：双向GRU 解码器：具有注意机制的GRU 注意力 解码方式 贪婪的搜索 光束搜索 要求 CUDA Python 3.6 PyTorch 1.4 火炬文本 空间 麻木 智慧（可选） 通过这样做下载令牌生成器： python -m spacy download de python -m spacy download en 去做 添加日志 更改为支持gpu和cpu，目前是基于gpu的代码实现