《实用化工计算机模拟--MATLAB在化学工程中的应用》共九章。
第1章是化工模拟计算概述，主要叙述化工模拟的重要性、数值计算技术的发展现状、化工模拟计算文献综述等。
第2章介绍MATLAB的编程基础，帮助读者快速MATLAB入门。
第3章结合实例介绍常用的数值计算方法及相应MATLAB函数的使用方法，内容包括插值与拟合、数值积分与数值微分、线性和非线性代数方程（组）的数值解法、常微分方程初值问题和边值问题的解法等。
第4章专门介绍化工常微分方程初值问题和边值问题的应用实例，包括间歇反应器、边疆槽式搅拌反应器、管式反应器、半连续反应器、传质过程、伴有反应的扩散过程、传热过程、流体流动、生化反应和过程控制等。
第5章是化工中的偏微分方程及其求解，介绍有限差分法、正交配置法、MOL法和有限元法，其中有限元法主要介绍MATLAB的PDE求解器及其求解化学工程PDE问题的具体方法，例子包括一维动态方程组、二维稳态方程（组）、二维动态方程等问题。
第6章介绍最优化方法及其MATLAB常用算法，内容包单变量最优化问题、线性规划、无约束多变量问题最优化、二次规划、多变量有约束最优化（非线性规划）问题和最小二乘法等。
第7章结合实例详细介绍参数估计方法和模型辨识方法。
第8章介绍化工试验设计方法及化工数据处理。
第9章介绍神经网络（线性神经网络、BP神经网络和径向基神经网络）及其相应的MATLAB函数，并结合实例介绍神经网络的使用方法。
《实用化工计算机模拟--MATLAB在化学工程中的应用》可供化学工程、化工工艺、生化工程、环境工程、制药工程及相关专业的大学高年经本科生、硕士和博士研究生教材及参考书，也可供应用数学、过程控制等相关专业的科研人员参考。

采用matlab语言编写，用于求解无约束最优化问题

一维最优化部分--0.618法二分数法三二次插值法四三次插值法无约束最优化部分五共轭梯度法六DFP变尺度法(用导数)七DFP变尺度法(用差分代替导数)八阻尼最小二乘法九鲍威尔法十模式搜索法十—，单纯形法约束最优化部分十二混合罚函数法(SUMT调用DFP法)十三混合罚函数法(SUMT调用鲍威尔法)十四综合约束函数双下降法(SCDD法)十五可变容差法十六复合形法十七网格法(连续变量，等间距)十八随机试验法十九解线性规划的单纯形法

经典的路径规划类算法。
移动机器人路径规划是机器人学的一个重要研究领域。
它要求机器人依据某个或某些优化原则(如最小能量消耗，最短行走路线，最短行走时间等)，在其工作空间中找到一条从起始状态到目标状态的能避开障碍物的最优路径。
机器人路径规划问题可以建模为一个有约束的优化问题，都要完成路径规划、定位和避障等任务。
值得一学。

最优化理论与方法(袁亚湘)《最优化理论与方法》全面、系统地引见了无约束最优化、约束最优化和非光滑最优化的理论和计算方法，它包括了近年来国际上关于优化研究的最新成果

无约束最优化成绩的单纯性替换法寻优nelder-mead方法matlab程序

MATLAB在遗传算法中的使用，以求解有约束的最优化问题

本书是为应用数学系本科生、工科硕士研究生所写的有关最优化知识的一本教材，作为教材，本书的基本观点是：采用简单、基本直观的方法，向学生介绍最优化的有关理论、基本原理和相应的算法，并试图让学生了解算法的来龙去脉，以便使他们在处理实际问题的过程中，更好地运用这些方法。
本书的基础是“数学分析”和“线性代数”，对于工科学生，只需具备“高等数学”和“线性代数”知识就可读懂大部分内容。
第一章绪论1.1引言1.2最优化问题1.3数学预备知识1.4凸集和凸函数第二章线性规划2.1引言2.2线性规划的数学模型2.3线性规划的基本性质2.4单纯形方法2.5改进单纯形法第三章线性规划的对偶问题3.1对偶问题3.2线性规划的对偶理论3.3对偶单纯形法3.4第一个正则解的求法第四章无约束最优化问题的一般结构4.1无约束问题的最优性条件4.2无约束问题的一般下降算法4.3算法的收敛性第五章一维搜索5.1试探法5.2插值法5.3非精确一维搜索方法第六章使用导数的最优化方法6.1Newton法6.2共轭梯度法6.3变度量法6.4变度量法的基本性质6.5非线性最小二乘问题第七章直接方法7.1Powell方法7.2模式搜索方法7.3单纯形调优法第八章约束问题的最优性条件8.1约束问题局部解的概念8.2约束问题局部解的必要条件8.3约束问题局部解的充分条件8.4Lagrange乘子的意义第九章二次规划问题9.1二次规划的基本概念和基本性质9.2等式约束二次规划问题9.3有效集法9.4对偶问题第十章可行方向法10.1可行方向法10.2投影梯度法10.3既约梯度法第十一章乘子法11.1惩罚函数法11.2等式约束问题的乘子法11.3一般约束问题的乘子法

通过新一代高级语言Julia实现标准粒子群算法，代码简约，注释全，可拓展性强可直接用于求解无约束工程优化问题，也可基于此代码进行算法学术改进，算法应用拓展输入：决策变量数，种群规模，粒子群算法参数，最大迭代次数输出：最优解，最优适应度，测试问题三维描述图，动态粒子群更迭图，收敛迭代图

第一章最优化成绩概述第二章线性规划第三章无约束最优化方法第四章约束最优化方法

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。