这是 Fortran 到 Julia 翻译的示例。我们使用 Yee 数值方案 FDTD：Finite-Difference Time-Domain 方法和 MPI 拓扑。您可以使用 MPI 库找到串行版本和并行版本。 测试您的MPI.jl安装

该包包括用于计算薄膜参数的模块：tmm_optics用于模拟薄膜和光子晶体的光学特性，fit_tmm_optics用于拟合薄膜光谱，以及three_omega用于基于 3ω 方法对薄膜的热特性进行建模。 该软件包还包含数据库 RefraactiveIndicesDB.jl 中不同材料的许多折射率，可供使用。 对于折射率混合物的模拟，还有一个数据库RefractiveIndicesModels.jl，其中包含几个混合规则。 fit_curve_model允许使用简单的函数拟合不同过程的谱线形状。它支持任意数量的峰值的三种模型：高斯、洛伦兹和福伊格。 为了方便绘制 fit_tmm_optics、tmm_optics 和 three_omega 的结果，包括了一堆函数和配方 更多详情、使用方法，请下载后阅读README.md文件

蝙蝠算法.jl 蝙蝠算法的实现

这个包实现了最简单的差分进化版本，但增加了指定自定义“预测器”的能力，这允许将有关问题的知识合并到优化中。 例如，可以针对一组优化问题的示例训练标准机器学习方法，并且可以使用它们的预测来指导优化。 差异进化的关键思想是在不添加突变和交叉的情况下，通过以下方式将候选群体进化到最佳状态： 随机选择 3 个候选人a, b,c 比较成本a和a' = a + lambda * (c-b) a用a'if替换a'成本更低 预测器a不仅可以与一个或多个假设进行比较a'，还可以与一个或多个假设进行比较a'' = predict(a)。一次为整个人口计算预测，因此预测变量的签名实际上是predictor(currentgeneration, currentcosts)。 更多详情、使用方法，请下载后阅读README.md文件

DifferentialEvolutionMCMC.jl 是一个用 Julia 编写的差分进化 MCMC 采样器，使用 AbstractMCMC 接口。DifferentialEvolutionMCMC.jl 适用于任何模型，前提是它返回精确或近似的对数似然。下面提供了一个带注释的示例。其他示例可以在示例子文件夹中找到。 更多详情、使用方法，请下载后阅读README.md文件

用于解决 3cnf-sat 问题的模拟退火算法的 Julia 实现。 用法： 可以通过main(name)在 main.jl 文件上使用 present 来调用模拟退火，其中name是 DIMACS cnf 格式的文件的路径。 tester.jl包含一个函数，它在一个目录上运行并对那里的所有输入文件执行模拟退火，并将输出保存到一个文件中。 更多详情、使用方法，请下载后阅读README.md文件

粒子群优化（PSO）是一种自然启发的启发式优化方法。在 PSO 中，存在粒子，每个粒子都是一个候选解，搜索解空间以找到给定函数的最优点。每个粒子都有一个位置和一个速度矢量，通过更新速度矢量来寻找更好的位置。速度更新规则的灵感来自于鸟群的行为，并受益于粒子自身的最佳位置和全局最佳粒子的位置。 该项目包含 Julia 中粒子群优化的实现。该 repo 使用 MPI 提供串行和并行实现。该项目还提供了一个接口，用于在 Knet 的帮助下使用 PSO 训练神经网络。 更多详情、使用方法，请下载后阅读README.md文件

CGRASP.jl Julia 中的连续贪心随机自适应搜索过程 (CGRASP)

这是一个轻量级框架，可简化创建遗传算法并并行运行它们的过程

算法 (μ/ρ(+/,)λ)-SA-ES (ES) (μ/μ I ,λ)-CMA-ES (CMAES) 遗传算法（GA） 多目标：NSGA-II (NSGA2) 微分进化（DE） 遗传编程（TreeGP）