cvar代码matlab 古罗比 Optimizer是用于各种数学编程问题的商业优化求解器，包括线性编程（LP），二次编程（QP），二次约束编程（QCP），混合整数线性编程（MILP），混合整数二次编程（MIQP） ），以及混合整数二次约束编程（MIQCP）。 Gurobi求解器被认为是数学编程中最好的求解器之一（就解决难题的性能和成功率而言），其性能可与CPLEX媲美（有时甚至优于CPLEX）。 学术用户可以免费获得Gurobi许可证。 该软件包是Gurobi求解器的包装（通过其C接口）。 当前，此程序包支持以下类型的问题： 线性编程（LP） 混合整数线性规划（MILP） 二次编程（QP） 混合整数二次规划（MIQP） 二次约束二次规划（QCQP） 二阶锥编程（SOCP） 混合整数二阶锥规划（MISOCP） Julia的Gurobi包装器是由社区驱动的，并未得到Gurobi的正式支持。 如果您是对Gurobi的Julia的官方支持感兴趣的商业客户，请告诉他们！ 安装 这是设置此程序包的过程： 按照上的说明获取Gurobi的许可证并安装Gurobi求解器。 使用Pkg.add("Gur

站内的所需积分都太多了，1积分分享给大家

JlCxx 这是包的C ++库组件，作为常规CMake库分发，供其他C ++项目使用。 要构建C ++库的Julia接口，您需要针对该库进行构建，并将生成的库作为二进制依赖项提供给Julia包。 testlib-builder目录包含有关如何构建和分发这些二进制文件的完整示例，或者您可以使用向导来生成构建器存储库。 建立libcxxwrap-julia 构建libcxxwrap-julia需要使用支持C ++ 17的C ++编译器（例如GCC 7，clang 5；对于macOS用户而言，这意味着Xcode 9.3）。 感兴趣的主要CMake选项是Julia_PREFIX ，它应该指向您要使用的Julia安装。 PREFIX是一个目录，其中包含bin和lib目录，依此类推。 如果您使用的是Julia的二进制下载文件（ ），则此目录为顶级目录。 如果您从源代码（ ）构建Julia，则

MOID.jl 计算两个给定的共聚焦椭圆形轨道的MOID-最小轨道相交距离。 它使用旋转子午面的想法，并通过数值计算MOID。 Julia模块是波兰科学研究院空间研究中心的原始作者Hans Rickman和TomaszWiśniowski组成的Fortran程序的包装。 他们的论文中描述了该方法： T.Wiśniowski和H.Rickman，“一种用于计算精确最小轨道相交距离（MOID）的快速几何方法”，2013年《天文学报》 本文和源代码在deps和docs子目录中提供。 安装 然后可以通过Julia的软件包管理器安装MOID.jl。 在Linux和macOS上，您需要安装Gfortran或Intel Fortran编译器才能构建二进制依赖性。 pkg > add " https://github.com/mkretlow/MOID.jl.git " 快速开始 julia

项目目标 在Julia中设计一个用于计算几何和网格划分算法的综合库。 使用网格（例如GIS，CFD，计算机视觉，图形）将不同的科学界联合起来 安装 使用Julia的软件包管理器获取最新的稳定版本： ] add Meshes 文献资料 -文档的最新标签版本。 —文档的开发中版本。 贡献 我们非常欢迎您提供文稿，功能要求和建议也一样。 如果遇到任何问题，请打开一个问题。 我们非常重视问题，重视任何形式的反馈。 在源代码方面，我们有很高的标准。 提交请求时，请采用文件中存在的编码样式。

QuantumOptics.jl：用于封闭和开放量子系统的数值模拟的库

此软件包应由软件包开发人员用作后端。 它允许开发人员在其程序包定义的fit方法中添加::CovarianceEstimator参数。 有关FixedEffectModels ，请参见FixedEffectModels 。 此程序包中定义的每种类型都定义以下方法： # return a vector indicating non-missing observations for standard errors completecases (table, :: CovarianceEstimator ) = trues ( size (df, 1 )) # materialize a CovarianceEstimator by using the data needed to compute the standard errors materialize (table, v :: Cov

Stride 是用于分配蛋白质二级结构的软件。这个包将它包装在一个 Julia 包中

XGBoost.jl Julia的极限梯度提升 抽象的 该软件包是的Julia接口。 它是分布式梯度提升框架的高效且可扩展的实现。 该软件包包括高效的线性模型求解器和树学习算法。 该库使用OpenMP进行了并行化，它可以比某些现有的梯度增强软件包快10倍以上。 它支持各种目标函数，包括回归，分类和排名。 该软件包还具有可扩展性，因此用户也可以轻松定义自己的目标。 特征 稀疏的特征格式，可以轻松处理缺失值并提高计算效率。 高级功能，例如自定义损失功能，交叉验证，请参阅以获取演练示例。 安装 ] add XGBoost 或者 ] develop " https://github.com/dmlc/XGBoost.jl.git " ] build XGBoost 默认情况下，该软件包在Linux，MacOS和Windows上为XGBoost v0.82.0安装预构建的二进制文件。 只有L

AbaqusReader.jl 是对 ABAQUS FEM 模型的解析。它能够准确地解析几何，包括表面集、节点集以及有限元计算中使用的其他相关几何数据。其他选项是解析整个模型，包括边界条件、材料数据和加载步骤。 AbaqusReader.jl 可用于解析 ABAQUS .inp 文件格式。导出了两个函数：abaqus_read_mesh(filename::String)可用于将网格解析为简单的基于 Dict 的结构。借助函数abaqus_read_model(filename::String) ，还可以从模型中解析更多信息，例如边界条件和步骤。