用于耦合流固耦合的无基质高性能固体求解器 该项目为耦合的流固耦合提供了一种无基质的高性能固体求解器。 它主要是在项目和项目的基础上开发的。 描述 该程序基于和基础上，并包括以下功能： 非线性超弹性新霍克材料 牛顿-拉夫森法 无矩阵 几何多重网格预处理器 mpi并行化和向量化 Newmark时间积分 完全隐式耦合 子循环 任意数量的接口节点 可选接口节点位置 安装 为了构建程序，需要在系统上安装两个库（deal.II和preCICE）： 步骤1：安装Deal.II 至少需要9.2版或更高版本。 较旧的版本可能也可以工作，但尚未经过测试。 您可以使用以下命令行指令来下载和编译Deal.II。 请注意，该库依赖于来处理分布式网格，并且您需要根据安装情况调整P4EST_DIR 。 如果尚未安装p4est，则可能要下载并运行位于Dealii II目录中dealii/doc/e

这是HPIPM，一种高性能的内点方法求解器，用于密集的，最优的控制结构和树形结构的凸二次方程序。 它提供有效的密集算法和结构探索算法的实现，以解决一般在模型预测控制和嵌入式优化中出现的中小型问题，并且它依赖于高性能线性代数程序包BLASFEO。 HPIPM（和BLASFEO，这是一个依赖项），同时包含make和cmake构建系统。 首选的是make ，它可以用来编译和运行任何语言的任何库，接口和示例。 make也用于连续集成travis脚本中。 cmake只能用于编译库，而感兴趣的用户应通过从各种Makefile的命令中Makefile灵感来编译接口并自己运行示例。 入门： 开始使用HPIPM的最佳方法是查看/hpipm/examples/ 。 HPIPM可以从C直接使用，但是也有到Python和Matlab的接口。 根据您要使用HP​​IPM的级别，请查看下面的以下部分。 可以在do

色谱法_模拟_Python 色谱方程的有限差分求解器 该项目提供了功能和使用输运弥散模型模拟多个组件色谱的示例，并支持Hery，Langmuir和SMA作为组件的等温线模型。 使用一维有限差分Euler foward方法，使用numpy进行更快的计算，使用matplotlib进行可视化。 作为边界条件，在入口处使用狄利克雷式，在出口处使用纽曼式进行浓度

小 SAT 求解器 强调代码的简单性，而不是性能，至少现在是这样 灵感来自： 运行基准 您可以从这里下载 .cnf 文件 ，提取文件以便 Makefile 可以看到它们（例如，提取 uf20-91.tar.tar.gz）。 gz 进入目录“uf20-91”，确保该目录包含在 SRC 变量中） 去做 看了minisat论文，界面不是很好... 有协程吗？ 尝试找到一种方法来解决所有可能的解决方案，知道我们只会得到第一个 CNF / 基准 介绍 ( ) 进一步阅读 维基百科 http://en.wikipedia.org/wiki/Boolean_satisfiability_problem http://en.wikipedia.org/wiki/Satisfiability_Modulo_Theories http://en.wikipedia.org/wiki/DPLL_a

omp算法matlab代码LASSO-Solver-OMP 设计师：赵俊波，武汉大学，在清华大学智能图像和文档处理国家实验室工作。 联络电话： + 86-18672365683 介绍该软件包以著名的LASSO求解器实现了正交匹配追踪算法（OMP），并且该程序是在LAPACK的帮助下以C ++编写的。 LASSO是一个关键问题，可以将其视为统计问题，但在许多应用程序中已得到广泛利用。 稀疏编码，例如，作为计算机视觉，自然语言处理和机器学习的重要工具，是基于LASSO求解器的良好发展。 OMP因其相对于基本追求或先前提出的匹配追踪（MP）的优势而广为人知。 OMP实现了更快的收敛，并克服了其他方法的一些缺点。 为了方便起见，许多实现OMP算法的代码大多是在MATLAB中实现的。 但是，由于MATLAB在遇到大迭代时并不是那么有利，因此对于某些大规模或高维问题，首选C ++。 该OMP算法的具体介绍可以在论文《正交匹配追踪-递归函数逼近及其在小波分解中的应用》 （2003）中看到。 配置要运行该项目，您应该在Visual C ++环境中预先配置LAPACK接口。 如果您访问网站，这将非常容易

ACADO Toolkit 是一个用 C++ 编写的用于自动控制和动态优化的软件环境和算法集合。 它提供了一个通用框架，用于使用多种算法进行直接优化控制，包括模型预测控制以及状态和参数估计。ACADO 工具包是作为独立的 C++ 代码实现的，并带有用户友好的 MATLAB 界面。 面向对象的设计允许方便地耦合现有优化包并使用用户编写的优化例程对其进行扩展。它还提供（独立）高效实施的 Runge-Kutta 和 BDF 积分器，用于模拟 ODE 和 DAE。 ———————————————— 版权声明：本文为CSDN博主「tzr0725」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/tzr0725/article/details/120632370

metis-4.0.3 METIS是一组串行程序，用于对图形进行分区，对有限元网格进行分区以及为稀疏矩阵生成填充减少顺序。 该库可用于多个GPUTUM求解器：FEM，Eikonal和LevelSet。 图书馆的主要网站在这里： : 指示 为了构建，您可以简单地将其作为外部项目包括在内。 您也可以手动构建。 cmake . make

最方便，最实用的多项式运算器，方程组求解器，希望对大家有用。

欧拉公式求长期率的matlab代码 HiFiLES dev. v0.1: High Fidelity Large Eddy Simulation ======= 在航空航天计算实验室，我们相信高阶数值方案有可能使CFD超越目前的二阶方法和RANS湍流建模平台，在湍流模拟中将准确性和计算效率提升到新的水平。 HiFiLES（高保真大涡模拟）作为免费工具发布，以统一研究团体，促进高级方法的发展和广泛采用。 该代码被设计为在各种体系结构上进行进一步开发的理想基础。 HiFiLES正在斯坦福大学航空与航天系的航空计算实验室中积极开发，并已通过开源许可证（GNU通用公共许可证v3.0）发行。 HiFiLES简介 用于流动模拟的高阶数值方法使用比其低阶对应方法更少的自由度来捕获诸如涡旋和分离区域之类的复杂现象。 这些方案提供的高保真度（HiFi）结合小规模和壁相互作用的湍流模型，产生了功能强大的大涡流模拟（LES）软件包。 HiFiLES是一个开放源代码的高阶可压缩流求解器，用于从头开始构建的非结构化网格，以充分利用并行计算体系结构。 它特别适合于图形处理单元（GPU）架构。 HiFiLES用C

数独 我总是喜欢程序化的数独求解器，尤其是当我对手机上的一个难以捉摸的数独实例感到沮丧时。 同时，我在漫长的休息中选择了几种编程语言，包括python和javascript。 因此，我们开始-具有基于javascript的UI组件的基于python的数独求解器。 用法 基于终端的CLI 数独 基于Web的gui后端（为浏览器生成html） post.py [-h | -p] 客制化 最终，应通过cmdline或cfg文件完成此操作。 但现在... 默认情况下，策略创建为启用状态。 在策略子类中重写Optional.default（）以返回False以禁用它。 默认情况下，挂钩是禁用的。 在hook子类中重写Optional.default（）以返回True启用它。 更新playbook.py中的Options.DEFAULT_LEVEL以更改策略级别。 特征 通过演绎法解决