Bailey-Borwein-Plouffe (BBP) 算法的玩具 Julia 实现，用于计算 Pi 的十六进制数字

Piotr Kowalczyk的GRPF的Julia 实现。 描述 RootsAndPoles.jl尝试在固定区域中找到具有复参数的复值函数的所有零点和极点。这些类型的问题在电磁学中经常遇到，但该算法也可以用于类似的问题，例如光学、声学等。 GRPF 算法首先通过 Delaunay 三角剖分对三角形网格上的函数进行采样。确定搜索根和极点的候选区域，并应用离散化的柯西论证原理，而不需要函数的导数或轮廓上的积分。为了提高结果的准确性，在识别的候选区域内进行了自适应网格细化。

PRML算法

Sha256.jl 是 Julia 的一个包，支持 sha256 哈希算法。

通用模拟退火优化算法的 Julia 代码。该代码可以找到连续变量的多模态函数的全局最大值（或最小值）。 使用‘模拟退火’算法最小化连续变量的多模态函数，本文的勘误表可在此处获得 该代码是通用的，可以应用于具有任意数量参数的优化问题。优化参数的个数称为优化空间的维度（代码中用变量“D”表示）。要使用代码，必须定义优化空间的维度和边界 算法最大化函数fitness.jl。存储库中存在的 Fitness.jl 文件中实现了一组基准函数。用户可以使用他/她自己的健身功能。适应度函数的输出需要是单个标量值。对于自定义适应度函数，主优化代码中只需要很少的调整。只有维度 (D) 和边界（数组 bL 和 bU）必须根据适应度函数进行调整。代码应该可以正常工作，无需任何进一步的修改。 优化算法的行为由代码中的以下参数决定： gmax = 1000; # Maximum number of generations (max iteration number) Ns = 20; # tests for step variation NT

Julia 中多智能体路径查找的快速算法。

用于计算矩阵函数的 Julia 包。

CPMerge 算法的原生 Julia 实现，专为近似字符串匹配而设计。这个包对于需要从非常大的语料库（大量文本）中检索字符串/文本的自然语言处理任务特别有用。目前，该包支持基于字符和单词的 N-gram 特征生成，并且计划为自定义用户定义的特征生成方法打开该包。 特征 字符串匹配的快速算法 100% 准确检索 支持 unicode 支持直接从文本文件构建数据库 自定义用户定义的特征生成方法 基于 Mecab 的标记器支持 支持持久数据库 支持的字符串相似性度量 骰子系数 杰卡德系数 余弦系数 重叠系数 完全符合

单元列表是一种解决固定半径近邻问题的算法。也就是说，它找到彼此相距固定距离内的所有点对。我们可以将细胞列表算法用作分子动力学或基于代理的模拟的一部分，其中相互作用势具有有限范围。 您可以在文章Searching for Fixed-Radius Near Neighbors with Cell Lists Algorithm in Julia Language中阅读更多相关信息，该文章更深入地探讨了 Cell Lists 算法及其背后的理论。我们还将算法扩展到多线程版本，我们在 Julia 语言中的 Julia 语言中的多线程应用于单元列表算法一文中对此进行了解释。 引文 您可以CellLists.jl通过导航到 Zenodo 提供的DOI来引用存储库和代码，然后从“导出”部分选择您喜欢的引用格式。例如，我们可以导出BibTex格式。或者，您可以使用右侧边栏中“关于”部分下方的“引用此存储库”按钮。

随机最优传输 大规模优化传输的随机优化算法的 Julia 实现。