代入法的启发示搜索 我的代码实现是：按照自然语言各字母出现频率的大小从高到低（已经有人作国统计分析了）先生成一张字母出现频率统计表（A）--------(e),(t,a,o,i,n,s,h,r),(d,l),(c,u,m,w,f,g,y,p,b),(v,k,j,x,q,z) ，再对密文字母计算频率，并按频率从高到低生成一张输入密文字母的统计表（B），通过两张表的对应关系，不断用A中的字母去替换B中的字母，搜索不成功时就回退，在这里回朔是一个关键。 -generation into a

BP神经网络算法实现 批量处理的BP算法，隐层数为1 Z为特征向量组成的矩阵，n*m维，一行为一个样本 labZ为数据的类别，n*1维，每行对应样本的类别 M为隐层节点个数，T为迭代次数上限， epsilon为用于判断收敛的误差值，eta为学习率 W1为输入到隐层的权重，M*m维，B1为偏差，也就是乘以1的那个权重，M*1维 W2为隐层到输出的权重，c*M维，B2意义同B1，c*1维 estored为MLP的均方误差，每行是一次的误差

一种快速Kalman滤波算法实现,。对于某些不能够采取离线计算的滤波过程来说，它可以在保证一定精度的同时极大地提高计算速度和减少计算占用资源- EKF Extended Kalman Filter for nonlinear dynamic systems [x, P] = ekf(f,x,P,h,z,Q,R) returns state estimate, x and state covariance, P for nonlinear dynamic system:

使用f[i][j]代表从i到j所花费最小费用，则将从i到j路径变成i->z->j，k代表要走的站点数量，起始位置为i所以终点位置为：i+k，保证最后一段为k所以循环截止到i<=n-k，z就是中间站点。如果这样比f[i][j]小，则交换值(Using f[i][j] to represent the minimum cost from I to j will turn I from J to i->z->j, K represents the number of si