移植到 Scala.js 的简单 HTML5 Canvas 游戏 运行应用程序 $ sbt > fastOptJS $ open index-dev.html

使用 CQRS 和事件溯源实现的简单骰子游戏。 运行 运行 RabbitMQ（Docker 足以快速启动）：docker run -d -p 5672:5672 -p 15672:15672 dockerfile/rabbitmq 运行游戏服务器：sbt "project game" run 运行统计应用程序（可选）：sbt "project statistics" run 运行网络应用程序：sbt "project webapp" run 更多详情、使用方法，请下载后阅读README.md文件

JavaFx 中超级简单的 Rx 游戏。

游戏“炸弹人”的纯函数式并发实现 么，什么是“纯”函数式程序？我将其定义为仅包含引用透明 函数的程序。但是为什么我们想要一个只包含引用透明函数的程序呢？我不会尝试自己解释答案，而是使用Scala出色解释中的规范函数式编程： [参照透明] 启用了一种非常简单和自然的关于程序评估的推理模式，称为替代模型。当表达式在引用上是透明的时，我们可以想象计算的进行非常类似于求解代数方程。我们完全扩展表达式的每个部分，将所有变量替换为其所指对象，然后将其简化为最简单的形式。在每一步，我们用一个等价的术语替换一个术语；我们说计算是通过用equals代替equals来进行的。换句话说，RT 可以对程序进行等式推理。 既然“纯”函数式编程的好处已经很明显了，那么我们如何到达那里并将其应用到我们的 Bomber Man 实现中呢？游戏将由多个玩家组成，他们使用客户端（在我们的例子中是浏览器）向服务器发送动作， 更多详情、使用方法，请下载后阅读README.md文件

欢迎来到 TSP 引擎！ TSP 是一个时间序列模式搜索引擎。它是Clover Group Service 平台背后的后端系统。 TSP 是一个用现代 Scala 实现的分布式计算系统。有关详细信息，请参阅文档。 更多详情、使用方法，请下载后阅读README.md文件

差分进化算法的Scala实现_Scala_代码_下载

2018全国高校云计算应用创新大赛 最终排名：1 repo为技能赛的赛题一： 购物篮数据集 记录数 项目数 最短长度 最长长度 平均长度 1,692,082 5,267,656 1 71,472 177 用户数据集 用户数 项目数 最短长度 最长长度 平均长度 330,244 1,080,203 4 1,195 130 采用的频繁项集挖掘算法为PFP-Growth 比赛相关信息点 项目结构 　　本项目用scala语言编写，用maven组织。代码结构如下。 项目src/main/AR目录下存放源代码文件。 main文件夹中存放频繁项集挖掘与关联规则生成与关联规则匹配与推荐分值计算这两个模块的代码。 util包里FPTree、AssociationRules是频繁项集挖掘所必须的数据结构，FPNewDef是基于mllib的FP-Growth算法的优化版本。 conf文件夹包含一个Conf类用于

一个基于进化/遗传算法的纯函数 scala 库： 强制不变性， 公开模块化和可扩展的架构， 实现最先进的算法， 处理嘈杂（随机）的适应度函数， 实现自适应算法， 实现具有分布式计算的算法，以便与OpenMOLE集成。 MGO 实现了 NGSAII、NSGA3、CP（校准配置文件）、PSE（模式搜索实验）、OSE（先行研究）、Niched Evolution、ABC（贝叶斯校准）。 更多详情，请下载后阅读README.md文件

一个用于快速部署遗传算法的框架，使用 Scala 和 Akka 构建，以实现最大的并行性和可配置性。 主要特征 允许快速设计算法的简单接口。 Akka 提供的高级并行性以最大化 CPU 使用率和可用线程。 Akka 配置文件允许在代码之外控制特定环境的线程池。 无需更改代码即可部署到分布式系统。 异步消息允许随时拍摄人口快照。 Hibernate/JPA 提供的染色体持久层。

Spark 推荐系统 技术栈 数据处理 Spark Core + Spark SQL + MongoDB 离线推荐 静态数据处理：Spark Core + Spark SQL 推荐服务：Spark Core + Spark MLlib 在线推荐 获取消息服务：Redis + Kafka 推荐服务：Spark Streaming 数据集格式 商品数据集（Product） 字段名 类型 描述 说明 _id 自动生成 productId int 商品 id name String 商品名称 imageUrl String 商品图片 categories String 商品分类 由 | 分隔 评分数据集（Rating） 字段名 类型 描述 说明 _id 自动生成 userId int 用户 id productId int 商品 id score double 用户评分 timestamp int 评分时的时间戳 用户数据集（User） 字段名 类型 描述 说明 _id 自动生成 userId int 用户 id username String 用户账号 pas