RUST 中Craig Reynolds植绒算法的实现

通用 CRC 算法的纯 Rust 实现 支持的算法 CRC-3/GSM,CRC-3/ROHC,CRC-4/G-704,CRC-4/INTERLAKEN,CRC-5/EPC-C1G2,CRC-5/G-704,CRC-5/USB,CRC-6/CDMA2000-A, CRC-6/CDMA2000-B,CRC-6/DARC,CRC-6/G-704,CRC-6/GSM,CRC-7/MMC,CRC-7/ROHC,CRC-7/UMTS,CRC-8/AUTOSAR, CRC-8/BLUETOOTH,CRC-8/CDMA2000,CRC-8/DARC,CRC-8/DVB-S2,CRC-8/GSM-A,CRC-8/GSM-B,CRC-8/I-432-1, CRC-8/I-CODE,CRC-8/LTE,CRC-8/MAXIM-DOW,CRC-8/NRSC-5,CRC-8/OPENSAFETY,CRC-8/ROHC,CRC-8/SAE-J1850, CRC-8/SMBUS,CRC-8/TECH-3250,CRC-8/WCDMA,CRC-10/ATM,CRC-10/CDMA2000,CRC

这是一个模拟，它使用人工智能（具体来说：遗传算法）来尝试制造越来越好的车辆。车辆必须克服障碍，从一些小山坡开始，然后是更陡峭的山坡，最后是一些跳跃。车辆由面板和轮子制成，连接在一起，类似于游戏围攻，除了 2D。 传算法 快速了解它的工作原理： 车辆数量最初是随机生成的。 模拟在所有车辆上运行。车辆越过障碍路线，其适应度就越高。如果车辆没有离开起始区域，它的适应度为 0。如果车辆一直到达终点线，它的适应度约为 14000。如果车辆分崩离析，则将其适应度除以 10，对其进行惩罚；车辆应尽量保持完好。此外，还设置了一个计时器，因此车辆只有一定的时间才能到达终点线。 这些车辆经历了交叉和变异的过程，更适合的车辆被用作父母的机会更高。该程序使用锦标赛选择来选择父母，并使用单点交叉从两个父母产生后代（这意味着，给定两个父母车辆 A 和 B，A 的左侧与右侧B，反之亦然，创建两辆新车）。此外，块是统一变异的（这意味着块被随机挑选并更改为空气、面板或轮子）。结果是新的车辆数量，进入了新一代。 转到第 2 步。无限重复。 理想情况下，在足够频繁地重复这些步骤之后，人群的适应度应该会提高，并且许多车辆

Rust 像素绘图算法

AlphaZero 的 Rust 实现 这个 repo 是一个由多个 crate 和二进制文件组成的货物工作空间： synthesis: 包含所有主要训练和 MCTS 逻辑的主库 crate study-connect4: 使用综合库训练网络玩 Connect4 的二进制 crate base65536: 一个小箱子，用于将 u8 编码/解码为有效的 utf-8 字符串 slimnn: 一个纯锈的小型神经网络板条箱 export: 一个将pytorch权重保存为slimnn可以理解的格式的二进制包 实施了什么 与 tch-rs [1] 包集成以在 rust 中支持 pytorch 支持标准推出方法以及使用 NN 代替推出的通用 MCTS 实现 包括 MCTS 求解器 [2] 包括 FPU [3] 一个使用 MCTS+NN 收集经验并训练策略和价值函数的 AlphaZero [4] 学习器 支持多个价值目标 所有超参数暴露 多线程支持！ 针对具有各种探索次数的标准部署 mct 进行轻量级评估 将游戏结果保存到 pgn 文件 运行 bayeselo [

基于 Sublime Text 的字符串搜索的模糊匹配算法。遍历搜索字符串的字符并计算分数。 分数基于几个因素： Word 开头像tin some_thingget a bonus ( bonus_word_start) 连续比赛每场连续比赛获得累积奖金（bonus_consecutive） 在不区分大小写的搜索中，匹配大小写（T->T而不是t-> ）的匹配将获得奖励（ ）Tbonus_match_case 两场比赛之间的距离将乘以penalty_distance罚分并从得分中减去 默认评分被配置为给予单词开头很大的权重。所以一个模式scc将匹配 S occer Cartoon Controller ，而不是S o cc erCartoonController。

sts_map_oracle 来自 Slay the Spire 的地图生成算法的完美副本 用法 在控制台中打印给定种子的地图布局： sts_map_oracle.exe --seed 673465884448 以 JSON 格式将地图保存在给定目录中： sts_map_oracle.exe --seed 673465884448 --path C:\maps\

Plumtree：流行病传播树

RigidBodyDynamics.jl 是纯 Julia 中的刚体动力学库。它的目标是用户友好和高性能，但在算法可以使用任何（合适的）标量类型的输入调用的意义上也是通用的。这意味着如果需要快速的数值动态评估，用户可以提供Float64或Float32输入。但是，如果出于分析目的需要符号量，则可以通过使用例如SymPy.Sym输入调用算法来获得它们。如果需要梯度，例如可以使用ForwardDiff.Dual实现前向模式自动微分的类型。 相关包: RigidBodyDynamics.jl 是JuliaRobotics GitHub 组织的一部分。 基于 RigidBodyDynamics.jl 构建的软件包包括： RigidBodySim.jl - 建立在 RigidBodyDynamics.jl 之上的模拟器。 MeshCatMechanisms.jl - 使用 MeshCat.jl（建立在three.js 之上）和 RigidBodyDynamics.jl 的铰接机构的 3D 可视化。 RigidBodyTreeInspector.jlMechanism -使用Director对

《数值分析》(Numerical Recipes)3rd Edition含源代码下载