天牛须算法

天牛须搜索算法（BAS）受天牛觅食行为启发，于2017年被提出，用于解决多目标函数优化问题。天牛依靠两根长触角感知食物气味，触角感知的气味强度引导天牛的觅食方向。如果左侧触角感知到的气味强度大于右侧，天牛就会向左移动，反之亦然。通过这种简单而有效的方式，天牛最终可以找到食物。 BAS算法与遗传算法、粒子群算法等进化算法类似，不需要了解函数的具体形式或梯度信息，就能自动进行优化。与其他算法不同的是，BAS算法只使用一个个体进行搜索，因此寻优速度更快。在天牛须算法中，天牛的位置代表待优化问题的解，触角的长度代表搜索步长。通过不断地比较两侧触角感知到的函数值，天牛不断调整自己的位置，最终找到函数的最优解。 利用天牛须算法可以优化BP神经网络的初始权值和阈值，提高网络的训练效率和泛化能力。

利用 Plackett-Burman 设计筛选出微波提取玉米须多糖的关键因素：提取温度、提取功率和液固比。通过最陡爬坡试验逼近最佳提取条件，并结合中心组合试验和响应面分析，优化了微波提取玉米须多糖的工艺参数，建立了回归模型。模型预测值与实验结果吻合良好。最终确定最佳提取工艺参数为：温度 85℃，功率 400 W，液固比 80:1，此条件下多糖提取率达 9.36%。红外光谱分析揭示了提取多糖的结构特征。

Whisking-Analysis 是一个 MATLAB 代码库，用于分析小鼠拂动视频，适用于静止、自由旋转或触须与物体接触的视频。 分析流程： 使用 Sony PS3eye 相机收集视频。 使用 whiski() 函数跟踪每一帧中的假定触须对象。 运行 GUI 设置参数，过滤非触须对象，并保存分析变量，例如每帧触须角中值或触须功率。 运行方法： 运行 GUI 界面 (analyzeWhiskersSetup_gui_v2.m)，按照指导完成每个步骤。 主要分析脚本为 traceAnalysis_new.m，可用于了解分析过程。 下一步计划是将触须时间序列数据与其他实验数据（例如神经数据或行为数据）结合起来进行分析。

作为算法领域的奠基性著作，《算法导论》为读者打开了通往算法世界的大门。它以清晰的思路、严谨的逻辑，深入浅出地阐释了各种基本算法的设计与分析方法。

智能算法是各个领域如路线规划、深度学习中广泛使用的优化算法，是算法进阶的必备工具。主要涵盖遗传算法、粒子群算法、模拟重复算法、免疫算法、蚁群算法等一系列核心算法。实现版本包括Java、Python和MatLab多种选择。详细内容请访问TeaUrn微信公众号了解更多。

美赛可能会用到分治算法，代码如下。

算法精粹 数据结构 数组 链表 栈 队列 树 图 算法 排序 搜索 动态规划 回溯 分治

运用 Java 编程语言以 MapReduce 技术实现 Pagerank 算法，数据集源于 web-Google.txt 文件。

Apriori算法是用于关联规则学习的数据挖掘算法。它通过逐次生成候选频繁项集并从数据中验证它们的频繁性来识别频繁模式。

获取算法笔记的PDF版本，满足你的学习需求！