#convex-optimization Repositories
Entdecke 20 aktive Open-Source-GitHub-Repositories, die mit #convex-optimization getaggt sind und insgesamt 30,964 Sterne gesammelt haben (durchschnittlich 1,548 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist cvxpy/cvxpy mit 6,399 Sternen.
Insgesamt 20 Repositories
Zusätzliche Übungen und Daten für EE364a. Keine Lösungen; zur öffentlichen Einsichtnahme.
Mathematische Optimierung in Julia. Lokal, global, gradientenbasiert und ableitungsfrei. Lineare, quadratische, konvexe, gemischt-ganzzahlige und nichtlineare Optimierung in einer einfachen, schnellen und differenzierbaren Schnittstelle.
Eine kuratierte Liste von Kursen, Vorlesungen, Büchern, Notizen, Bibliotheken, Frameworks und Software zur mathematischen Optimierung.
Clarabel.rs: Interior-Point-Löser für konvexe konische Optimierungsprobleme in Rust.
Reine Java-Löser für lineare Programme (LP), quadratische Programme (QP) und gemischt-ganzzahlige Programme (MIP) sowie schnelle lineare Algebra. Keine Abhängigkeiten, MIT-lizenziert. Mathematische Optimierung und lineare Algebra für die JVM.
Häufig gestellte Fragen
Welches ist das beliebteste #convex-optimization-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#convex-optimization-Projekt auf GitHub ist cvxpy/cvxpy mit 6,399 Sternen. Eine in Python eingebettete Modellierungssprache für konvexe Optimierungsprobleme.
Welche Programmiersprachen werden in #convex-optimization-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #convex-optimization-Projekten auf GitHub sind C++, C, Python, Julia die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #convex-optimization-Repositories berechnet?
Wir verfolgen 20 aktive Open-Source-Repositories, die mit #convex-optimization getaggt sind (500+ Sterne), mit insgesamt 30,964 Sternen und durchschnittlich 1,548 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.