Funz算法：布伦特 一维寻根的布伦特方法 作者：Miguel Munoz Zuniga 参考： : 标签：反转 选项：ytarget ='0.0'; ytol ='3.e-8'; xtol ='1.e-8'; max_iterations ='100' 输入：x = list（min = 0，max = 1）＃1维实数间隔 输出：y = 0.01＃1维实数

MathModel：研究生数学建模，SUB生数学建模，数学建模竞赛优秀论文，数学建模算法，LaTeX论文模板，算法思维导图，参考书籍，Matlab软件教程，PPT

一本全面的图形学基础的资料合集，压缩包里有前3卷。

这是 FMDE 的 matlab 代码。 FMDE 使用性能指标，特别是超体积、间距和最大扩展来衡量演化过程的状态。 作者将模糊推理规则应用于这些指标，以调整该算法中使用的所选变异策略的关联控制参数。 因此，作者可以通过性能反馈来适当调整探索和利用的程度。 FMDE 的详细信息可以在[1] Jariyatantiwait, C. 和 Yen, GG，“使用性能指标的模糊多目标差分进化反馈”，进化计算 (CEC)，2014 年 IEEE 大会，第 1959-1966 页，2014 年 7 月。 [2] Jariyatantiwait, C., & Yen, GG (2014)。 基于模糊性能的多目标差分进化反馈。 国际群体智能研究杂志 (IJSIR)，5(4) 45-64。

genetic algorithm of MATLAB。Beginners to use, simple, part of the function can be achieved.

Lesk算法 使用nltk WordNet的Lesk算法的Python实现 要求： Python python的nltk包。 对于 nltk 安装，请参阅 该程序接受一个单词和一个（短语或句子）作为参数，并根据 Lesk 算法返回该单词最接近的可能的词义键。 对于 Lesk 算法： :

Data.Structures.and.Algorithm.Analysis.in.C++.pdf

:high_voltage: 放克 funk-svd是一个Python 3库，实现了著名的SVD算法的快速版本，该算法在竞赛中由Simon Funk。 用于加速算法，使我们的运行速度比的Cython实现（参考）快10倍以上。 电影镜头20M RMSE MAE 时间 惊喜 0.88 0.68 10分40秒 放克-svd 0.88 0.68 42秒 安装 在终端中运行pip install git+https://github.com/gbolmier/funk-svd 。 贡献 欢迎所有贡献，错误报告，错误修复，增强功能和想法。 有关如何贡献的详细概述，请参见。 快速示例 ： >> > from funk_svd . dataset import fetch_ml_ratings >> > from funk_svd import SVD >> > from sklearn . metri

历届大学生电子设计大赛的算法资料，对参加电子竞赛和有类似需求的同学提供相关的模本。

一种简单快速的生成双随机矩阵的算法。 （矩阵，其中每列和每行的总和正好是 1）。 每个矩阵都是从所有 NxN 双随机的空间中统一选择的矩阵。 注意：生成的矩阵确实是双随机的，但不是证明/检查该算法确实生成了矩阵 UAR。 生成双随机矩阵的简单算法（矩阵，其中每列和每行的总和正好是 1）。 算法： 1. 为每个 1<=i,j<=N 设置一个 NxN 矩阵 TM st TM[i,j] = 1/N。 2. 对于 X 次迭代： 3. 在 [1,...,N] 上绘制 i1, j1, i2, j2 UAR。 4. 在 (0, min {TM[i1, j1], TM[i2, j2]}) 上绘制 d UAR。 5. M[i1,j1] <= M[i1,j1] - d； 6. M[i2,j2] <= M[i2,j2] - d； 7. M[i1,j2] <= M[i1,j2] + d； 8. M[i2,j1