QGA_QSA 使用 Python 和 Julia 进行分布式量子模拟退火的特征子集选择的量子启发遗传算法

Piotr Kowalczyk的GRPF的Julia 实现。 描述 RootsAndPoles.jl尝试在固定区域中找到具有复参数的复值函数的所有零点和极点。这些类型的问题在电磁学中经常遇到，但该算法也可以用于类似的问题，例如光学、声学等。 GRPF 算法首先通过 Delaunay 三角剖分对三角形网格上的函数进行采样。确定搜索根和极点的候选区域，并应用离散化的柯西论证原理，而不需要函数的导数或轮廓上的积分。为了提高结果的准确性，在识别的候选区域内进行了自适应网格细化。

PRML算法

通用模拟退火优化算法的 Julia 代码。该代码可以找到连续变量的多模态函数的全局最大值（或最小值）。 使用‘模拟退火’算法最小化连续变量的多模态函数，本文的勘误表可在此处获得 该代码是通用的，可以应用于具有任意数量参数的优化问题。优化参数的个数称为优化空间的维度（代码中用变量“D”表示）。要使用代码，必须定义优化空间的维度和边界 算法最大化函数fitness.jl。存储库中存在的 Fitness.jl 文件中实现了一组基准函数。用户可以使用他/她自己的健身功能。适应度函数的输出需要是单个标量值。对于自定义适应度函数，主优化代码中只需要很少的调整。只有维度 (D) 和边界（数组 bL 和 bU）必须根据适应度函数进行调整。代码应该可以正常工作，无需任何进一步的修改。 优化算法的行为由代码中的以下参数决定： gmax = 1000; # Maximum number of generations (max iteration number) Ns = 20; # tests for step variation NT

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。

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。

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。

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。