#convex-optimization Dépôts
Découvrez 20 dépôts GitHub open source actifs associés à #convex-optimization, cumulant 30,964 étoiles au total (soit une moyenne de 1,548 étoiles par projet). Le projet en tête de ce thème est cvxpy/cvxpy, avec 6,399 étoiles.
20 dépôts au total
Un langage de modélisation intégré à Python pour les problèmes d'optimisation convexe.
Exercices supplémentaires et données pour EE364a. Pas de solutions ; pour le grand public.
Optimisation mathématique en Julia. Locale, globale, basée sur le gradient et sans dérivée. Optimisation linéaire, quadratique, convexe, mixte en nombres entiers et non linéaire dans une interface simple, rapide et différentiable.
Une liste organisée de cours, conférences, livres, notes, bibliothèques, frameworks et logiciels d'optimisation mathématique.
Clarabel.rs : Solveur de point intérieur pour les problèmes d'optimisation conique convexe en Rust.
Solveurs de PL, de programmation quadratique (PQ) et de programmation en nombres entiers mixtes (PNM) en Java pur, ainsi qu’algèbre linéaire rapide. Aucune dépendance, sous licence MIT. Optimisation mathématique et algèbre linéaire pour la JVM.
Foire aux questions
Quel est le dépôt #convex-optimization le plus populaire sur GitHub ?
Le projet #convex-optimization open source le mieux classé sur GitHub est cvxpy/cvxpy, avec 6,399 étoiles. Un langage de modélisation intégré à Python pour les problèmes d'optimisation convexe.
Quels langages de programmation sont les plus utilisés dans les dépôts #convex-optimization ?
Parmi les projets #convex-optimization les mieux classés sur GitHub, les langages de programmation les plus courants sont C++, C, Python, Julia.
Comment le classement des dépôts #convex-optimization est-il calculé ?
Nous suivons 20 dépôts open source actifs associés à #convex-optimization (500+ étoiles), totalisant 30,964 étoiles, avec une moyenne de 1,548 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.