元数值 Meta.Numerics是一个用于.NET平台的高级数值计算库。 它提供了面向对象的API，用于数据处理，统计分析，高级功能，矩阵代数，傅立叶变换，高级功能，扩展精度算术和求解器功能，例如集成，优化和求根。 Meta.Numerics是David Wright的2008-2020年版权。 它是根据Microsoft公共许可证（BSD风格的开源许可证）获得许可的。 有关更多信息，请访问 。

数值优化，个人保存。Jorge Nocedal Stephen J.Wright 同时也是机器学习必修课程之一.

为了捕获柔性作业车间调度的多目标和不确定性，构建了具有发布时间不确定性的多目标柔性作业车间调度问题的数学模型（MOFJSSP-RTU），其中，制造时间跨度，拖延性，在各种约束下同时考虑了稳定性和鲁棒性。 为了适当地解决MOFJSSP-RTU问题，提出了一种改进的基于分解的多目标进化算法（IMOEA / D），用于鲁棒调度。 我们算法的新颖性在于它采用了一种新的子问题更新策略，该策略利用了全局信息，允许存档中记录的精英分子参与子代，并结合了基于修复的交叉算子和自适应差分进化（DE基于）的变异算子，有助于更好地平衡算法的探索和开发。 在4个问题实例上的实验结果表明，我们的基于IMOEA / D的鲁棒调度方法具有比最新的多目标优化进化算法（MOEA）更好的收敛性能，并且还擅长于保持解决方案的均匀分配。 还分析了三个目标之间的不同权衡。

Convex Optimization Algorithms, understand convex optimization algorithms, this is good chances

人工智能和机器学习在满足全球对清洁、廉价和可靠能源的需求方面发挥着至关重要的作用。 最近的研究表明，与传统的化石能源相比，世界对可再生能源的投资更多，这引起了人们对其利用最大化的兴趣。 本文展示了对供需曲线的研究，人工智能如何通过智能评估不可预测的天气条件和管理集成系统（可再生能源和化石燃料的组合）来优化电力生产，从而预测能源的未来需求. 这样一来，清洁能源就可以为人们生产，降低存储成本和消费者计费成本； 它将通过使用可再生能源来提高产出。

上海财经大学 2019年暑期课程之 data driven optimization 课件，SUFE 2019 Summer School

动态优化 Dynamic Optimization

超带宽 改编自使用Hyperband调整超参数的代码。 defs/ - functions and search space definitions for various classifiers defs_regression/ - the same for regression models common_defs.py - imports and definitions shared by defs files hyperband.py - from hyperband import Hyperband load_data.py - classification defs import data from this file load_data_regression.py - regression defs import data from this file main.py - a complete example for classification main_regression.py - the same, for regression main_simple.py -

matlab代码粒子群算法利用生物启发算法优化光学锥度 该存储库包含用于实现光学锥度优化的Matlab源代码（使用Comsol Multiphysics建模）。 使用的算法是遗传算法和粒子群优化

DRLND-project-2 该存储库包含项目2的实现。 项目详情 到达者 该项目实现了PPO，用于解决Unity环境中的连续控制问题-使机械臂跟随旋转的航点-在具有20个代理的变体版本上。 最终执行记录： 当手臂末端位于目标球体内/目标航路点的固定范围内时，每个代理随时间累积的奖励。 代理的目标是遵循路标。 对于每个代理，状态空间具有33个维度，而动作空间具有4个连续维度。 该任务是情节性的，当特工在100个连续情节中获得+30的平均分数时，该任务被认为已解决。 履带式 该项目的可选/额外/挑战部分是控制爬虫。 在面对正确方向和该方向的速度时，每个四脚实体尝试遵循目标目标时，每个代理随时间累积的奖励。 该环境具有12个代理，每个代理以129维观察状态，并以20维控制动作。 该环境基于。 入门 依存关系 可以根据依赖关系来设置此项目的依赖关系。 以下说明将引导您逐步设置该