在 Julia 中实现博弈论算法 通过在 Julia REPL 中运行以下代码来添加 Nash

为 Julia 语言编写的一组数值算法，可用于教育或函数式编程目的 这是当前支持的算法列表。 梯形法 牛顿法 割线法 线性代数（不完整） 辛普森的方法 Romberg 积分算法（理查森外推的应用） 节点转换 高斯正交（2 和 3 点积分） Runge-Kutta 算法（2、3 和 4 阶） 两点之间的距离 计算三角形的斜边 三角形面积（使用点） 附加牛顿-科茨规则 将极坐标转换为笛卡尔坐标 R2 和 R3 中的雅可比矩阵评估 R2 中的 Wronskian 矩阵评估 希尔伯特矩阵 切比雪夫节点的计算

Julia 中的动态时间规整 (DTW) 和相关算法

Stochatto 是一个 Julia 包，旨在促进算法音乐创作的有效研究。这个名字的意思是玩文字游戏，混合术语stochastic，一个描述随机过程的数学术语，和staccato，一个表示简短和标点符号发音的音乐术语。

ThreeDeconv.jl是用Julia编写的用于荧光显微镜的 3D 反卷积软件。目前，它支持 Julia v.1.6.0，但在未来的版本中可能不会被支持。如果有兴趣，请随时进行 PR。该算法的详细信息可在我们的论文和我们的网站中找到。虽然反卷积算法与论文中描述的相同，但我们对软件进行了一些改进，同时对 Julia 和相关软件包进行了重大更新。多亏了这次更新，这个包比纸上报告的速度要快得多，并且可以在 5 秒内解卷积 256 x 256 x 57 的图像

受 Lucas Pope 的Obra Dinn和Surma 的同名博文启发的抖动/数字半色调软件包。 查看图库，了解所有当前实现的算法的概述。

该软件包提供实时多关联网络集成算法，用于使用 mashup 和 GeneMANIA 预测基因功能。 我们利用 Mashup 算法来替换 GeneMANIA 的线性回归部分，这被证明是非常高效的

提供实时多关联网络集成算法，用于使用 mashup 和 GeneMANIA 预测基因功能。 我们利用 Mashup 算法来替换 GeneMANIA 的线性回归部分，这被证明是非常高效的 背景 大多数成功的蛋白质功能预测计算方法集成了多个基因组学和蛋白质组学数据源，以推断未知蛋白质的功能。这些算法中最准确的算法运行时间长，因此不适合在大型基因组中进行实时蛋白质功能预测。结果，这些算法的预测存储在静态数据库中，很容易变得过时。因此，提出了 GeneMANIA，它与领先的方法一样准确，同时能够实时预测蛋白质功能。 用于基因功能分析的多网络拓扑的紧凑集成。Cho，Hyunghoon 等人。细胞系统，第 3 卷，第 6 期，540 - 548.e5

运动规划 包含机器人运动规划的算法和模型实验。该代码非常具有原型水准 接触隐式轨迹优化示例 绘画 简单的操作 网络漂移 赛博跳跃 角落里的盒子 料斗 (2D) 垂直步态 料斗 (2D) 翻转 简单的步行者（2D）（添加模型） 料斗 (3D) 料斗 (3D) 墙壁缩放 迷你高尔夫（修复 RBD 部门） 杯中球机器人手臂（从旧脚本移过来） 球杯四旋翼（从旧脚本移过来） 两足动物 (2D) 四足（2D）（修改模型） 四足（2D）在盒子上 四足（2D）后空翻 四足（3D） 蚂蚁（3D） 蛇 (3D) 地图集 直接策略优化示例 绘画 我们提供了使用 Deterministic Sampling and Collocation的Direct Policy Optimization 的示例。优化策略需要SNOPT并且其安装资源可在此处获得。这些示例中的轨迹和策略已保存并可加载以运行策略模拟和可视化。 线性二维码 双积分器 平面四旋翼 运动规划 摆 自动驾驶汽车 推车杆 火箭 四旋翼 两足动物 接触隐式模型预测控制示例 绘画

用于非平滑优化算法的 Julia 包。 这个包提供了用于最小化目标函数的算法，其中包括非平滑项，例如约束或不可微的惩罚。实现的算法包括： （快速）近端梯度法 道格拉斯-拉奇福德分裂 三项拆分 原始对偶分裂算法 牛顿型方法