Hill加密算法的基本思想是将l个明文字母通过线性变换将它们转换为k个密文字母。脱密只要做一次逆变换就可以了。密钥就是变换矩阵本身。即 M=m1m2……ml Ek(M)=c1c2……cl 其中 c1=k11m1+k12m2+……+k1lml c2=k21m1+k22m2+……+k2lml …… cl=kl1m1+kl2m2+……+kllml 通常对于字母加解密，使用mod 26的方法。 以上线性方程可以采用矩阵表示。
上传时间： 2016-07-15
上传用户：Divine
基本数据结构类的定义和实现: MyStack ,MyPoint,MyArc,Graph,MyQueuesMyStack为构造的一个通用的C++模版堆栈类 MyPoint为一个坐标结构MyArc为带权的边类Graph为临街矩阵表示的图MyQueues为按权值顺序存储的边的队列
标签： MyPoint MyArc MyQueuesMyStack MyStack
上传时间： 2014-01-16
上传用户：cooran
在vc控制台中运行，用遗传算法求解最短路径，用邻接矩阵表示路线图。
上传时间： 2015-03-24
上传用户：moshushi0009
根据题目建立图的结构，利用 Dijiskara 算法依次计算出各点的最短路径。 要求 ： 图的结构为 { 0,1,1,1,0,0 , // 邻接矩阵表示图， 0 表示断路， 1 表示通路。 1,0, 0,0,1,0, 1,1,0, 0,0, 1,0, 0,1,0,0, 0,0,1, 1,1, 0,0,0,1,1,0,0,1, 0,1,0,0, 1, 0,0,0,0,1,1,1,1 }
标签：
上传时间： 2013-12-20
上传用户：熊少锋
此是关于纯方向网测量平差程序，与一般的方向网平差程序不同的是，二维矩阵用一维矩阵表示，实现了压缩存储，提高效率。
上传时间： 2013-12-30
上传用户：1079836864
实现NFA确定化子集算法程序。DFA是NFA的特例。对每个NFA N一定存在一个DFA Ｍ ，使得 L(M)=L(N)。对每个NFA N存在着与之等价的DFA M。从NFA的矩阵表示中可以看出，表项通常是一状态的集合，而在DFA的矩阵表示中，表项是一个状态，NFA到相应的DFA的构造的基本思路是：1.DFA的每一个状态对应NFA的一组状态. 2. DFA使用它的状态去记录在NFA读入一个输入符号后可能达到的所有状态.。
上传时间： 2014-01-19
上传用户：h886166
本文基于遗传算法思想，采用浮点数矩阵表示编码，在遗传算法的进化过程中加入一定的约束条件等方法，探讨了网络结构的设计和学习。经实例分析，在用于建立大坝安全监控预报模型的前馈神经网络设计中，该方法在满足一定约束条件下，能同时有效地寻找合适的网络结构和相应的参数(神经网络的权值和阈值)，且在精度和速度上都有较大的提高，为实现实时在线分析评价大坝的安全性态提供了有力的技术支持。
标签： 算法
上传时间： 2015-11-15
上传用户：凌云御清风
迷宫问题 任务：可以输入一个任意大小的迷宫数据，用非递归的方法求出一条走出迷宫的路径，并将路径输出； 要求： 在上交资料中请写明：存储结构、基本算法（可以使用程序流程图）、源程序、测试数据和结果、算法的时间复杂度、另外可以提出算法的改进方法； [问题描述] 走迷宫是实验心理学中一个古典问题。用计算机解迷宫路径的程序，就是仿照人走迷宫而设计的，也是对盲人走路的一个机械模仿。 [实现提示] 假设迷宫是一个矩形，我们把它分成许多小方格，在每个小方格上或者已筑成墙或者没有，这就成为一个迷宫。走迷宫就是从一个小方格沿前后左右四个方向到邻近的方格，当然不能穿墙。设迷宫的入口是在西北角那个方格，而出口是东南角那个方格。在计算机中，迷宫可用一个矩阵表示。若某小方格是墙，则相应数组变量标为 0，否则为字符1,表示可走的路。现在要编写一个程序，寻找一条从入口到出口的路线。我们可提出如下一般性问题寻找：一条从任何给定的方格到出口的路线。基本思想是： 在当前位置上向四个（或八个）方位探测前进方位，向探测到的通路方位前进一步，如此循环，直到迷宫的“出口”，或判断后宣布这是一个不存在通路的死迷宫。
上传时间： 2013-12-31
上传用户：wfl_yy
在各种导航算法中，坐标系的转换是基础，本文为作者学习论文后自行推导的坐标系转换矩阵表示法
标签： 坐标系转换
上传时间： 2022-02-17
上传用户：
移动机器人路径规划尤其是未知环境下机器人路径规划是机器人技术中的一个重要研究领域，得到了很多研究者的关注，并取得了一系列重要成果。目前已存在许多用来解决该问题的优化算法，但是此类问题属于N-Hard问题，寻求更佳的算法就成为该领域的一个研究热点。为此，根据机器人路径规划算法的研究现状和向智能化，仿生化发展的趋势，研究了一种基于图的机器人路径规划蚂蚁优化算法。算法首先用栅格法对机器人的工作空间进行建模，并用一个状态矩阵表示其状态，由此构造出一个连通图，由一组蚂蚁在图上模拟蚂蚁的觅食行为，从而得到避碰的优化路径。最后，借鉴分枝随机过程和生灭过程的理论知识，用概率的方法从理论上对该算法的收敛性进行了分析，在此基础上，结合计算机仿真结果，证实了本文提出的算法的有效性和收敛性。迄今为止，对于未知环境下机器人路径规划，人们已经探索出了许多有效的求解方法诸如虚拟力场法、基于学习或Q学习的规划方法、滚动窗口规划方法、非启发式方法及各类定位、导航方法等等。近年来，不少学者用改进的遗传算法、神经网络、随机树、蚁群算法等方法对未知环境下机器人路径进行了规划机器人路径规划算法向智能化、仿生化发展是一个明显的趋势.由于已有算法不同程度的存在一定局限性，诸如搜索空间大、算法复杂、效率不高等，尤其对于未知环境，不少路径规划算法的复杂度较高，甚至无法求解，根据日前的研究现状和不足，本文提出了一种用于解决未知环境下机器人路径规划的基于图的蚂蚁算法，理论分析和实验结果都证明了本文算法的有效性和收敛性本课题研究的主要内容本文在用概格法对机器人的工作空间进行建模的基础上，用一个状态矩阵表示其状态，由此构造一个连通图，由一组蚂蚊在图上模拟蚂蚁的觅食行为，从而得到避碰的优化路径并借鉴分枝随机过程和生灭过程的理论知识用概率的方法从理论上对该算法的收敛性进行了分析，结合计算机仿真，证明了本文算法的有效性和收敛性
上传时间： 2022-03-10
上传用户：kingwide
