B&B 算法的存储库，用于解决具有一般线性约束的非凸二次问题。注意代码使用外部求解器CPLEX、Gurobi和Ipopt以及JuMP包

最大峰值高度 (MPH) 水中算法的 Python 和 Julia 实现 内陆和近海岸水域蓝藻和富营养化常规监测的改进算法

这是 Dimitris Bertsimas、Agni Orfanoudaki 和 Holly Wiberg 的论文“可解释的聚类：一种优化方法”的聚类算法的文档库。这种方法 ICOT 的目的是生成可解释的基于树的聚类模型 算法指南 在数据集上运行算法的主要命令X是可以引用与数据集关联的某些数据分区。被定义为具有以下参数的对象：ICOT.fit!(learner, X, y);ylearnerICOT.InterpretableCluster() criterion：定义用于训练ICOT算法的内部验证标准。该算法接受选项:dunnindex（Dunn 1974）和:silhouette（Rousseeuw 1987）。 ls_warmstart_criterion：定义用于创建热启动初始解决方案的内部验证标准。参数提供了相同的选项criterion。 kmeans_warmstart：提供了一个热启动解决方案来初始化算法。详细信息在论文的第 3.3.2 节中提供。它可以作为输入:none,:greedy和:oct。OCT 选项使用用户选择的标签（即来自 K-means）来拟合最优分类

找到最小或最大广义特征值和向量的算法 该算法尝试使用增强的共轭梯度方法最大化或最小化

Cube.jl 魔方（魔方）的 Julia 实现和解决它的算法。

这个包是Julia中概率图形模型算法的轻量级实现 特征 目前，它处理离散因子图的操作（使用 API 构建或通过从 UAI Competition 格式的文件加载），以及通过信念传播（边际、最大边际和混合边际推理）进行近似推理。 因子图是由变量节点和因子节点组成的二分图。变量节点与随机变量相关联，因子节点与域是相邻（变量）节点的直接乘积的函数相关联。在最简单的离散情况下，因子节点与表示函数的多维数组（因子）相关联。

在单个Julia文件 中的图中 实现 Dijkstra 和 Warshall-Floyd 最短路径算法

Fortune算法、Lloyd算法和梯度下降的Julia实现应用

使用 Walker 的 MCMC 算法从 Julia 中的非归一化pmf进行采样

用于 Julia 的基于邻居的异常值检测算法