#mathematical-optimization Repositórios
Descubra 6 repositórios ativos de código aberto no GitHub marcados com #mathematical-optimization, acumulando um total de 12,572 estrelas (uma média de 2,095 por projeto). O líder deste tópico é cvxpy/cvxpy, com 6,399 estrelas.
6 repositórios no total
O OptaPlanner mudou-se para https://github.com/apache/incubator-kie-drools. Este repositório está arquivado. O OptaPlanner é um resolvedor de restrições de IA em Java para otimizar problemas de roteamento de veículos, escala de funcionários, atribuição de tarefas, agendamento de manutenção, organização de conferências e outros problemas de planejamento.
Uma lista selecionada de cursos, palestras, livros, notas, bibliotecas, frameworks e software de otimização matemática.
Com o Uno, finalmente assuma o controle total do seu solucionador SQP/barreira para otimização com restrições não lineares.
Solucionadores de PL, programação quadrática (QP) e programação inteira mista (MIP) em Java puro, além de álgebra linear rápida. Sem dependências, sob licença MIT. Otimização matemática e álgebra linear para a JVM.
Perguntas Frequentes
Qual é o repositório de #mathematical-optimization mais popular no GitHub?
O projeto de código aberto de #mathematical-optimization mais bem classificado no GitHub é cvxpy/cvxpy, com 6,399 estrelas. Uma linguagem de modelagem embutida em Python para problemas de otimização convexa.
Quais linguagens de programação são mais usadas nos repositórios de #mathematical-optimization?
Entre os projetos de #mathematical-optimization mais bem classificados no GitHub, as linguagens de programação mais comuns são C++, Java, Jupyter Notebook.
Como é calculada a classificação dos repositórios de #mathematical-optimization?
Acompanhamos 6 repositórios ativos de código aberto marcados com #mathematical-optimization (com mais de 500 estrelas), totalizando 12,572 estrelas e uma média de 2,095 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.