数据处理 用于建模的数据准备的Python代码： 处理有问题的分子的微笑：有机金属，混合物，肽。 资料取样 数据选择 安装： git clone https://github.com/phi-grib/Data_curation.git conda activate cd Data_curation python setup.py install 现在，您可以使用该代码从其结构中自动对化合物进行分类和分类。 仍在建设中。 将来添加的功能： 混合物检查 优化过滤功能。 现在有点嵌套了，这使得其他开发人员更难以更新和维护 用法示例： 包装中的Jupyter Notebook中有一个用法示例。

k_center 使用最远优先遍历的 k 中心问题的 Python 实现。 免费软件：BSD 许可证 文档： : 。 特征 去做

CSP规则V2.1 基于模式的有限约束满足问题的通用求解器 1.什么是CSP规则？ 有限的二进制约束满足问题（CSP）由一组有限的变量（以下称为CSP变量）定义，每个变量都具有一个有限的域。 问题是要为每个变量在其域中找到一个值，以使这些值满足一组预定义的二进制约束。 一个典型的流行例子是数独。 CSP-Rules是有限二进制CSP的基于常规模式（或基于规则）的求解器。 它包括拉丁方求解器，数独求解器，Futoshiki求解器，Kakuro求解器，地图着色问题的求解器，Hidato求解器，Numbrix求解器和Slitherlink求解器。 2.解决CSP的[PBCS]或CSP-Rules方法 在CSP-Rules方法中，将CSP-Variable的可能值称为候选者，并且通过两个候选者之间的直接矛盾链接（或简称为链接）来表示二进制约束。 CSP规则与CSP解决方法具有内在的联系，在我的《

狄利克雷问题 使用数值分析技术分析Dirichlet边界问题。 具体来说就是射击方法和牛顿算法。 简要概述 BVP由微分方程系统组成，在该系统中一组条件是已知的，并且其解将在指定的域中找到。 值得一提的是，它与初始值问题相反，在初始值问题中，仅了解间隔的一个极端的条件。 解决Dirichlet问题的常用技术是射击方法。 这种数值方法通过将BVP分为各种初始值问题来解决。 在这项工作中，我们研究了沿xy平面中域边界的给定条件的Dirichlet问题。 还将讨论找到这些系统解决方案的一组步骤。 将射击方法和牛顿算法作为数值方法来实现，以找到给定BVP的解。 开发了一组Octave脚本，以计算得出所建议系统的有限解，并通过测试证明了它们在给定实际解中的准确性。 最后，描述并分析了一组可能的错误源，以便将来对该方法进行改进。 先决条件 该项目仅取决于Octave。 而在Matlab上运行此实现需要

求解PageRank问题Arnoldi算法与GMRES算法之比较，吴钢，，PageRank is one of the most important ranking techniques used in today＇s search engines. Recently, a very interesting research track focuses on exploiting efficient numerical m

Tejal Carwalo，Jerin Thankappan，Jerin Thankappan容量受限的VRP

联邦学习Advances and Open Problems in Federated Learning，谷歌最新力作，分析了联邦学习最新研究热点和未来的方向

COMPUTATIONAL METHODS FOR INVERSE PROBLEMS，反问题的计算方法，国外艾斯维尔出版的关于反问题求解的重要书籍，JPG版本

2019年亚太被数学建模竞赛

2019亚太杯数学建模竞赛