Frederick S. Hillier Stanford University Gerald J. Lieberman Late of Stanford University 2021

**spinw：自旋波计算的SpinW Matlab库** SpinW是一个强大的Matlab库，专为自旋波（spin wave）计算而设计。自旋波是磁性材料中电子自旋集体激发的一种量子现象，广泛存在于铁磁体、反铁磁体和其他多磁有序系统中。自旋波理论在磁学、凝聚态物理以及磁性器件的设计中具有重要意义。SpinW库为研究人员提供了一种高效、灵活的方式来模拟和理解这些自旋动力学过程。 **1. 自旋波理论基础** 自旋波理论基于量子力学和固态物理学，它将磁结构视为一系列相互作用的自旋，这些自旋可以像波动一样传播。自旋波的特性包括频率、波长、传播方向和衰减，它们取决于材料的磁交换相互作用、晶格结构、磁化强度和外磁场等参数。 **2. SpinW的功能** - **模型构建**：SpinW支持多种磁结构模型，如简单的立方、非立方空间群结构，以及复杂的多层磁结构。用户可以通过定义原子位置、磁矩方向和空间群对称性来创建模型。 - **对称性分析**：库内置了对称性分析工具，可以帮助用户识别和利用材料的空间群对称性，这在简化计算和解释实验结果时非常有用。 - **自旋波谱计算**：SpinW能够计算自旋波频谱，这是了解材料动态性质的关键。通过解决Landau-Lifshitz-Gilbert方程，可以得到自旋波的频率和波矢依赖性。 - **磁能计算**：库还可以计算系统的总磁能，这对于理解自旋波稳定性和磁结构的优化至关重要。 - **可视化**：SpinW提供了图形用户界面（GUI），可以直观地展示磁结构和自旋波分布，帮助研究人员更好地理解计算结果。 **3. 使用Matlab的优势** - **易用性**：Matlab是一种广泛使用的数值计算和可视化环境，具有丰富的数学函数和便捷的数据处理能力，使得SpinW库易于学习和使用。 - **灵活性**：通过Matlab，用户可以方便地自定义算法、添加新功能或与其他Matlab工具箱集成，以适应特定的研究需求。 - **扩展性**：Matlab的脚本语言使得SpinW库能够轻松扩展，以应对复杂和多维度的自旋波问题。 **4. 应用领域** - **磁学研究**：SpinW对于理解和预测磁性材料的自旋波行为，特别是在低温度和微波频率下，有着重要应用。 - **磁性器件设计**：在磁存储、磁传感器和磁性纳米结构等领域，自旋波计算有助于优化器件性能。 - **教学与教育**：由于其友好的界面和强大的功能，SpinW也是教育和教学自旋波理论的理想工具。 SpinW是进行自旋波计算的强有力工具，其结合了Matlab的灵活性和强大功能，为磁学领域的研究提供了宝贵的资源。通过深入理解和熟练使用这个库，研究人员能够探索更深层次的磁性现象，推动磁性材料和设备的创新。

Introduction to Linear Optimization, 1997. by Bertsimas and Tsitsiklis

convex optimization 的习题答案。为讲授优化课程的教师提供支持，也可以作为学生练习的参考。注意这本书里的习题很可能做了一定的放抄袭处理。

非常经典的一本教材，相较于凸优化理论这本书阐述的更加清晰、易懂，是凸优化初学者及深入研究者必备的一本参考教材

旅行商问题的离散果蝇优化算法，江资斌，杨琼，果蝇优化算法（FOA）是一种新型的仿生算法。果蝇优化算法已被证明是一个在确定的数值函数在其连续的定义域中求极值的强大进化算法

非常好的组合优化书籍，对于全面系统地了解组合优化有很大帮助。

使用基因算法和模糊的多目标优化方面的英文原版书籍!

TSID-任务空间逆动力学 TSID是一个C ++库，用于基于刚性多体动力学库基于优化的逆动力学控制。 文献资料 查看项目 ，以获取库设计的概述。 在演习文件夹中，您可以找到有关如何在带有机械手，类人动物或四足动物的Python中使用TSID的几个示例。 在的您可以找到TSID上的幻灯片和视频课程。 使用Robotpkg从Debian / Ubuntu软件包安装 如果您从未添加过robotpkg的软件存储库，则可以使用以下命令进行操作： sudo tee /etc/apt/sources.list.d/robotpkg.list <<EOF deb [arch=amd64] http://robotpkg.openrobots.org/packages/debian/pub $(lsb_release -sc) robotpkg EOF curl http://robotpkg.

The classical mean-variance optimization takes expected returns and variances and produces portfolio positions. In this paper we discuss the direction and the magnitude of the positions vector separately, and focus on the former. We quantify the distortions of the mean-variance optimization process