CB2 允许您： - 生成或导入翼型， - 使用 PARSEC、CST 或 Karman-Trefftz 方法的变体对它们进行参数化， - 优化在梯度方法和模拟退火之间选择的翼型， - 选择您的目标函数和优化参数， - 对翼型优化设置参数和物理约束， -由于GUI指导了从开始到后期处理的整个过程，因此可以将它用作XFoil前端。 笔记： CB2 需要“Solver”文件夹中的 XFoil 6.99 可执行文件。 作者： - 贝里尼，法比奥-尼古拉斯·邦凡提- 基耶蒂，斯特凡诺- 奇瓦蒂，毛罗

riskParityPortfolio riskParityPortfolio提供了用于设计风险平价投资组合的工具。 在最简单的形式中，我们考虑了提出的具有唯一解决方案的凸公式，并使用了受启发的循环方法。 对于通常是非凸的更一般的公式，我们采用提出的逐次凸逼近方法。 最新的RiskParityPortfolio稳定版本可从。 可以从获取RiskParityPortfolio的最新开发版本。 在此处查看文档： https : //mirca.github.io/riskParityPortfolio 。 安装 要从CRAN安装最新稳定版本的riskParityPortfolio ，请在R中运行以下命令： > install.packages( " riskParityPortfolio " ) 要从GitHub安装开发版本的riskParityPortfolio ，请在R中运

微电网matlab代码电源系统优化 该项目包含为与用户合作对微电网能源管理系统进行多目标优化而开发的代码。 包括所有使用的 matlab 代码。 但是，由于版权要求，所使用的数据并未公布。 除了 m.lapp 文件的 .m 版本外，m.lapp 填充无法下载并编译到 matlab 应用程序中，并添加所有 .m 文件，该文件仅用于读取代码。 trafunc6varmoo.m 包含结构解释的附加注释，不再重复

软阈值matlab代码非凸优化工具箱 这个matlab工具箱提出了一种通用的求解器，用于在凸或非凸情况下进行近端梯度下降。 它是对[1]中提出的GIST算法的完全重新实现，其中包含新的正则化项，例如p = 1/2的lp伪范数。 在您的研究工作中使用此工具箱时，请引用以下文章： D. Tuia, R. Flamary and M. Barlaud, "Non-convex regularization in remote sensing", IEEE transactions Transactions on Geoscience and Remote Sensing, (to appear) 2016. 该代码解决了以下形式的优化问题： min_x f（x）+ lambda g（x） 我们提供用于解决以下数据拟合项f（x）问题的求解器： 最小二乘（线性回归） 具有二次铰链损耗的线性SVM 线性逻辑回归 校准的铰链损耗 已实施的正则化项g（x）包括： 套索（l1） 里奇（平方L2） 对数和罚分（LSP）（[2]，[1]中的代理） p = 1/2的lp正则化（[3]中的prox） 组套索（l

这是关于协作控制与优化的电子书，高清，最新版本，经典著作，英文版

阿卡多斯 快速和嵌入式求解器，用于非线性最优控制。 一般的 acados提供了与C ， Python ， MATLAB和Octave编程语言的接口 可以在上找到 论坛：如果您有与Acados有关的任何问题，请随时在我们的论坛。 引用acados：可在和找到参考。 安装 初始化所有子模块 git submodule update --recursive --init 生成并安装acados 。目前同时支持基于CMake和基于Makefile的构建系统。请选择一个并继续执行相应的段落。 CMake的 设置BLASFEO_TARGET在/CMakeLists.txt 。有关受支持目标的列表，请参阅 。如下安装acados mkdir -p build cd build cmake .. # with optional arguments e.g. -DACADOS_W

凸优化（王书宁译）boyd 课后答案-英文 这本书主要是面向实际应用，书中提供了凸优化的理论框架，但不强调复杂的定理证明。是学习优化理论的重要书籍。资源包括Convex Optimization的2006英文版的习题答案。

斯坦福大牛的教科书convex optimization， 是全美各名校高年级本科和研究生教材。

从springer上找到的，Nonlinear optimization的常见方法很全面哦：）

贝叶斯优化 具有高斯过程的贝叶斯全局优化的纯Python实现。 PyPI（点）： $ pip install bayesian-optimization 来自conda-forge频道的Conda： $ conda install -c conda-forge bayesian-optimization 这是基于贝叶斯推理和高斯过程的受约束的全局优化程序包，它试图在尽可能少的迭代中找到未知函数的最大值。 该技术特别适合于高成本功能的优化，在这种情况下，勘探与开发之间的平衡很重要。 快速开始 请参阅以下内容，快速浏览贝叶斯优化程序包的基础知识。 可以在文件夹中找到更多详细信息，其他高