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。

Julia 中的 A* 算法。其他状态空间搜索算法也作为基线实现。 此包导出astar提供算法通用实现的函数。状态的类型是完全不受限制的，只需提供给定邻居状态的函数和可选的启发式给定状态和目标，算法将找到最佳路径。 其他用于探索您的状态空间的实现和导出函数也被导出：depthfirst, breadthfirst, iterative_deepening. 这些其他功能几乎可以替代该astar功能，但它们将无法使用启发式。

核递归最小二乘 核递归最小二乘算法的 Julia 实现 KRLS 是一种快速高效的在线核回归算法。KRLS 一次处理一个样本的数据，并构建一个训练点字典，用于逼近函数。 Y. Engel、S. Mannor 和 R. Meir，“内核递归最小二乘算法”，IEEE Transactions on Signal Processing，vol。52，没有。8，第 2275-2285 页，2004 年。

朱莉娅-韦诺 任意阶的 WENO 重建算法的优化 Julia 实现。基于 Dumbser、Hidalgo 和 Zanotti 在非保守双曲系统的高阶时空自适应 WENO 有限体积方案(DOI 10.1016/j.cma.2013.09.022) 中的工作。 用法 u您的输入数据必须采用 shape数组的形式(nx,ny,nz,nvar)。 nvar是每个单元格中包含的变量数，并且nx,ny,nz分别是x、y、z 轴中的单元格数。如果您的网格是 1D 或 2D，请根据需要设置ny=1和/或nz=1。选择整数N，其中N+1是所需的精度顺序。WENO 重建的系数通过调用获得： julia> weno(u,N); 该调用每次都会构造 WENO 系数矩阵M1,M2,M3,M4和振荡指标矩阵。Σ如果需要许多 WENO 重建，则预先计算这些实体的计算效率会更高： julia> M1,M2,M3,M4 = coefficient_matrices(N); julia> Σ = oscillation_indicator(N); julia> chΣT = chol(Σ)'; julia> wen

边缘相机算法的Julia实现 该项目包括基于 Bouman 等人的工作的边缘相机的实现。[1]。当锋利的边缘（例如墙角）创建一个自然的一维针孔相机时，就会形成边缘相机，揭示被角落完全遮挡的物体的运动。可以在people.csail.mit.edu找到来自原作者的更多信息。 这个包包含一个全新的边缘相机算法实现，基于论文中介绍的工作，完全在Julia中完成（原始视频 I/O 除外，最终由 处理ffmpeg）。 [1] Katherine L. Bouman、Vickie Ye、Gregory W. Wornell、Adam B. Yedidia、Antonio Torralba、William T. Freeman 和 Frédo Durand。“把角落变成相机：原理和方法”。国际电联 2017。

CausalityTools.jl提供了基于时间序列的因果推断和动态耦合检测方法。 一个易于使用的框架，用于估计信息论度量，例如传递熵、预测不对称、广义熵和互信息。 收敛交叉映射、成对非对称推理、S-measure 和联合距离分布。 代理数据生成。