描述 该项目提供了解决车辆路径问题的多种变体的方法，称为富VRP。 它提供了默认的元启发式实现，可以粗略地描述为Multi-objective Parthenogenesis based Evolutionary Algorithm with Ruin and Recreate Mutation Operator 。 设计目标 尽管性能一直是关注的重点，但设计背后的主要思想是可扩展性：该项目旨在支持各种称为Rich VRP的VRP变体。 这可以通过各种扩展点来实现：自定义约束，目标功能，接受标准等。 入门 有关常规安装步骤和基本用法选项，请检查下一节。 有关功能的更详细概述，请参见 。 安装 您可以使用三种不同的方式安装vrp求解器： 从Docker安装 试试你的环境VRP解算器，最快的方式是使用docker图像（不是性能优化）： 从Github Container Registry运行

马尔可夫链蒙特卡洛-0/1背包问题 该资料库引用了该学科的最终：《蒙特卡洛算法和马尔可夫链中的特殊主题》 ，PESC / COPPE / UFRJ ，由 教授在2018年第一学期教授。 学生们： 关于 该存储库的目的是为0/1背包问题建立解决方案，也就是说，每个元素都可以或不可以不经过重复就出现在解决方案中。 开发的代码旨在评估涉及Markov Chains Monte Carlo的不同算法的结果和性能。 与伪多项式求解算法和贪婪算法（称为“爬山”）相比，本文涵盖的技术涉及不同冷却和过渡策略下的随机游走，Metropolis Hastings，模拟退火算法。 此外，该存储库还试图提出可能的场景，在这些场景中，马尔可夫链蒙特卡洛算法比确定性算法更具优势。 运行算法 所有算法都是使用编写的，并且在src目录中可用。 在data目录中，您可以找到一些可以由算法执行的问题。 涉及Mark

Ubuntu一些软件安装遇到的bug

C_MAPSS Turbofan问题 商业模块化航空推进系统仿真（C-MAPSS）是涡轮风扇仿真模型。 C-MAPSS用于从涡扇发动机生成仿真的运行失败数据集，该数据集已在NASA的卓越诊断中心存储库中发布，该库可 。 在预测维护范围内解决问题的数据驱动方法的最大瓶颈是缺乏从运行到失败的数据集。 该模拟数据集使研究人员可以针对此问题构建，测试和基准测试不同的方法。 C-MAPSS数据集由具有不同操作和故障条件的四个子数据集组成。 每个子数据集进一步分为训练集和测试集。 数据由多个多元时间序列测量组成。 在每个数据集中，每个引擎都来自一组相同类型的引擎，每个时间序列都来自一个引擎。 每个发动机都以不同程度的初始磨损和制造变化开始，这是未知的。 这些磨损和变化被认为是每个发动机的正常行为。 发动机在每个时间序列开始时均正常运行，并在某个时间点出现故障。 在训练集中，故障的严重程度会不断增加，

FZYZOJA+B Problem.cpp

A Hilbert Space Problem Book(Halmos)；big data

GTM019.A.Hilbert.Space.Problem.Book,.P..R..Halmos（希尔伯特问题集）

利用遗传算法和模拟退火，解决三维装箱问题，并可图形化展示装箱方案结果

Priority-Based Genetic Algorithm for Shortest Path Routing Problem in OSPF 主要介绍了遗传算法求解最短路径问题中的基于优先级的编码。这种编码方式可以很有效地解决图的最短路径等问题。