QMPython Python 中的量子力学和薛定谔方程求解器。 这些计算的起点是笔记本“Solving_the_Schrodinger_Equation_Numerically.ipynb”。 在本笔记本中，您将找到有关如何为无限方形井设置哈密顿量的说明。 很容易将其更改为任何形状势，限制在某个域 [xlow,xhigh] 上。 可以在 Harmonic Oscillator.ipynb 中找到以这种方式求解薛定谔方程的这种方法的示例用法，其中显示了 HO 的谐波状态如何随时间演变。 这个问题使用梯形算子的代数是完全可以解决的，并且与这里的数值解一致。 您可以使用这款笔记本玩一些游戏，例如在井的中心添加一个尖峰。 在 TimePropagation_of_WF.ipynb 中可以找到一个不同的解决方案，直接求解瞬态薛定谔方程。 这仍然使用哈密顿量，但现在直接解决时间相关性，步入时

对于mosek的安装过程以及他的Optimizer API和Fusion API的2-3个应用案例。

WENO-CU6格式二维Riemann问题求解器，网格可调，CFL可调，初始条件也可重新设置，时间三阶格式

茶匙 旅行商问题求解器 - 遗传算法 city.js 文件包含所有城市的 x 和 y 坐标（如果需要可以更改）。 下一代按钮将运行算法 150 次并打印所有数据。 为获得最佳观看效果，请使用 1920x1080 显示器。

关于 “ CS 560”（圣地亚哥州立大学）编写的“木制拼图”求解器。 利用寻找一个解决方案时和算法用于比较的益智配置时提供进一步的效率。

作业 1.1：搜索算法 这是 KP Chan 博士的课程CSIS0270 人工智能（香港大学，2014 年）的作业提交。 我的解决方案是用 Python 2.7 编写的滑动瓷砖拼图解算器。 它使用广度优先搜索 (BFS)、迭代深化深度优先搜索 (IDDFS) 和 A* 搜索来解决作业论文中给出的 8 拼图位置。 还提供了一些性能统计数据以帮助比较算法。 示例输出 CSIS0270 Artificial intelligence (Dr. K. P. Chan, University of Hong Kong) Assignment 1.1 by Joonas Rouhiainen, 3035133686, joonas@hku.hk a) Uninformed breadth-first search..................... ✓ * Execution t

支持的超平面优化工具包 SHOT是用于解决混合整数非线性规划（MINLP）类的数学优化问题的软件。 除了MINLP问题外，SHOT还可以用于子类，例如NLP和MI（QC）QP。 SHOT最初仅用于凸MINLP问题，但从1.0版开始，它还具​​有解决非凸MINLP问题的功能，作为一种启发式方法，而无需提供任何全局最优性的保证。 SHOT还可以将某些非凸问题类型求解为全局最优值，并且对于非凸问题也保证目标函数值的边界。 可以使用SHOT 作为控制台应用程序， 来自 ， 在， 来自任何可以使用ASL的建模系统，例如 ， ）和 ， 使用以C ++实现的API。 SHOT需要使用解算器： ， 或 。 此外，还需要一个NLP求解器。 目前仅支持 。 如果SHOT与GAMS连接，则可以使用任何许可的NLP求解器。 该文档在项目网站。 SHOT是一个COIN-OR项目，并赢

欧拉公式求长期率的matlab代码ns3D 可压缩的Euler / Navier-Stokes方程的三维混合元非结构化有限体积求解器 #Quick Intro 1-打开终端，然后转到./src/文件夹，然后输入“ make” 2-执行生成的二进制“ ns3d”。 该代码开始在平板上运行可压缩的粘性Blasius边界层。 最终收敛到下面的解决方案 将该解决方案与Blasius精确解决方案和由商用求解器Ansys-Fluent在同一网格上获得的解决方案进行比较。 结果如下。 此代码还捕获了清晰的冲击。 参见以下超音速斜坡！ 此时，您可以继续阅读main.c文件，并为自己的工作对其进行修改/扩展。 祝你好运！

为了协调Richards方程数值模型在精度、稳定性和计算效率之间的矛盾，对时间步长进行优化控制，发展了一种变步长的计算模型。采用van Genu chten模型，将描述土壤水分运动的Richards方程（为偏微分方程）在空间上半离散后得到常微分方程组，借助于该求解器求解。针对以含水率θ为变量的Richards方程进行了试验，常微分方程组求解采用CVODE求解器，并对土壤水分特征曲线和水量平衡进行了检验。结果表明，该模型具有较高的计算精度、求解效率和稳定性。

matlab中分段函数代码指南针MCP解算器 COMPASS是用于解决在MATLAB版本R2011a中实现的混合互补问题（MCP）的全局收敛算法。 它背后的数学理论基于PATH求解器，它是互补问题的标准求解器。 COMPASS是根据GNU通用公共许可证发行的，因此是免费软件。 COMPASS是一种解决混合互补问题（MCP）的算法： given f: R^n -> R^n, and (possibly infinite) bounds l, u find z in [l,u], w,v in R_+^n s.t.: f(z) = w-v <(z-l),w> = 0 <(u-z),v> = 0 用户必须在基于文件的界面中提供框式约束公式（目标函数和边界）中的MCP和目标函数的雅可比行列式。 COMPASS是稳定牛顿法的一种实现。 MCP被重新表述为发现通常不平滑的函数（法线图或法线方程）为零的问题，该函数在当前迭代时计算出其一阶近似值。 找出这个近似值的零是线性MCP，它是通过枢轴技术解决的，类似于Lemke所描述的方法。 该枢轴算法产生连接当前点和近似值零的分段线性路径。 此路径的端点是