XiaoMi-AI文件搜索系统
World File Search System分配问题
仓库管理中的机器学习：调查
仓库设计和计划涉及有关接收，存储，订单采摘和运输产品（即库存保存单位-SKU）的复杂决定，并且可以表现出整个供应链的性能。随着行业4.0的进步以及增加数据可用性，高计算能力以及足够的存储能力，机器学习（ML）已成为一种吸引人的技术，可以解决仓库计划挑战，例如存储位置分配问题（SLAP）和订单挑选问题（OPP），以解决智能仓库管理。本文通过分析最近的研究申请文章，介绍了对仓库管理系统（WMS）应用的ML的最新评论。介绍了该新研究领域的科学文献的映射，包括ML方法，数据源和ML辅助WMS的用例，以及进一步的研究观点和挑战。初步结果表明，ML-WMS中可能的研究领域仍然很小，需要进一步探索。
用于局部约束同构的算法框架
同构f从宾客图G到主机图H是局部的局部培养物，注射剂或弹性，如果对于每个U∈V（g），则F对U附近的F限制分别是生物，注射剂或过渡性。相应的决策问题LBHOM，LIHOM和LSHOM在一般图和特殊图形类别上都进行了很好的研究。除了通过宾客图的树宽和最大程度参数化的问题时，还会产生复杂性，这三个问题仍然缺乏对其参数化复杂性的彻底研究。本文填补了此差距：我们通过考虑访客图G的参数层次结构来证明许多新的FPT，W [1] -HARD和PARA-NP-COMPLETE结果。对于我们的FPT结果，我们通过开发涉及一般ILP模型的新算法框架来做到这一点。为了说明新框架的适用性，我们还使用它来证明角色分配问题的FPT结果，该问题源自社交网络理论，并且与本地透明的同型同态密切相关。
使用人工智能分配蛋白质的二级结构
摘要 有关蛋白质结构分配的知识丰富了对蛋白质结构和功能的理解。准确可靠的结构分配数据对于二级结构预测系统至关重要。自 80 年代以来，基于氢键分析和原子坐标几何的各种方法以及随后的机器学习已用于蛋白质结构分配。然而，当蛋白质文件中存在缺失原子时，分配过程变得具有挑战性。我们的模型开发了一个名为 DLFSA 的多类分类器程序，用于使用卷积神经网络 (CNN) 分配蛋白质二级结构元素 (SSE)。一种快速高效的基于 GPU 的并行程序从蛋白质文件中提取片段。这项工作中实现的模型使用蛋白质片段子集进行训练，分别达到 88.1% 和 82.5% 的训练和测试准确率。我们的模型仅使用 C α 坐标进行二级结构分配。该模型也在一些全长蛋白质上成功测试。基于片段的研究结果证明了应用深度学习解决方案解决结构分配问题的可行性。
使用二进制编程支持分布式集成模块化航空电子系统的设计
分布式集成模块化航空电子设备 (DIMA) 是飞机航空电子设备中一个很有前途的概念。飞机系统共享资源，如计算能力、内存和传感器/执行器接口。资源由通用设备提供，这些设备可以安装在飞机的分布式位置。然而，由于规模和复杂性，如果手动进行，有效和最佳地设计此类系统是一项艰巨的任务。通过将架构设计的子任务作为数学优化问题来解决，展示了如何支持这项艰巨的任务。软件映射和设备安装的分配问题都被表述为二进制整数程序。这些用于优化航空电子架构的全部或部分，以实现某些目标，例如质量和运营中断成本，同时考虑所有资源和次要系统要求。提出了一种合适的全局最优求解器来解决由此产生的组合优化问题，这些问题在复杂性和规模上都具有挑战性。通过由四个冗余飞机系统组成的参考架构展示了所提出方法的潜力。与手动映射相比，这揭示了高达 45% 的优化潜力，而计算时间保持在一分钟以下。
istituto nazionale di ricerca Metrologica ...
清洁的水稀缺性困扰着全球数亿人，代表了一个主要的全球问题。在非洲无法获得安全，可饮用的水的总人口中，几乎一半。尽管如此，非洲大陆在可再生能源生产方面具有显着但尚未开发的潜力，这可以用污染或咸的资源以及水的萃取和分配来产生清洁的水。在这种观点中，由于问题的规模和普遍缺乏全面的直接现场体验，对可能方案的分析依赖于数据驱动的方法。在这项工作中，我们旨在系统地审查和绘制针对非洲淡水短缺的可再生潜力，以了解视角可能的政策，并提供一个容易使用，结构化的框架和数据库，以进行进一步分析。所有报告的数据集经过严格讨论，在表中组织，并由一些元数据进行分类，以促进其在进一步分析中的可用性。随附的讨论重点是在不久的将来，预计将显着利用其可再生能源潜力以及在当地水短缺的基础上的原因，包括技术和分配问题。
可实现的混合量子蚁群优化算法
摘要 我们提出了一种基于经典蚁群优化算法的新型混合量子算法，用于为 NP 难题（尤其是优化问题）提供近似解。首先，我们讨论了一些先前提出的量子蚁群优化算法，并在此基础上开发了一种可以在近期量子计算机上真正实现的改进算法。我们的迭代算法仅编码有关量子态中的信息素和探索参数的信息，同时将数值结果的计算交给经典计算机。使用一种新的引导探索策略来利用量子计算能力并以状态叠加的形式生成新的可能解。这种方法特别适用于解决约束优化问题，我们可以有效地实现新路径的探索，而无需在测量状态之前检查路径与解决方案的对应关系。作为 NP 难题的一个例子，我们选择解决二次分配问题。通过模拟无噪声量子电路进行的基准测试和在 IBM 量子计算机上进行的实验证明了该算法的有效性。
记录美国经济 GDP 百年历程及未来
GDP 最近遭到了异常强烈的批评，一些评论员呼吁用基于自我报告的更直接的幸福感衡量标准来取代它。一个问题不是这个概念本身，而是它的使用方式，以及人们对它的期望过高。使用 GDP 作为经济进步的主要衡量标准尤其令人遗憾，而且随着经济的变化和全球联系的日益紧密，这种做法变得更加令人遗憾。我将首先谈谈这个问题，然后谈谈我们应该如何扩展国民账户来处理分配问题，最后谈谈衡量医疗保健的问题。我还应该指出，虽然我非常赞成收集自我报告的幸福感衡量标准，包括幸福感评估和感受报告，但我认为将它们视为 GDP 或国民账户中其他衡量标准的替代品是没有意义的。大量工作证明，这些衡量标准是有用的，它们有时可以捕捉到生活中其他衡量标准无法衡量的重要方面，并且可以通过将它们与其他更熟悉的衡量标准进行比较来学到很多东西。我认为美国统计系统没有定期收集幸福感的自我报告，这是令人遗憾的。
ICCM和疟疾的有效社区水平供应链
CHW通常由与之相关的主要健康中心提供健康产品。但是，即使产品在较高级别上可用，它们也不总是到达最后一英里。根据最近的一项审查，CHWS经历了基本药物的库存，几乎占时间占29％（29％）的时间，比其隶属关系的健康中心（9％）3。同一项研究表明，社区水平的库存从2006 - 2015年的26％增加到2016 - 2021年的49％，这一趋势在卫生中心也观察到。CHW之间的库存原因包括分销挑战（主要原因），采购，存储和社区级股票管理2。由美国国际开发署全球卫生供应链 - 生产和供应管理（GHSC – PSM）项目进行的一项2022年的调查在27个国家 /地区确定了卫生系统中较高水平的库存（约占受访者约50％），分配问题（约40％）是社区水平上库存的最常见原因。
使用模仿学习来实施智能机箱的控制编排
摘要：尽管对超级驱动系统的控制分配取得了进步，但仍需要进行全面，优化和安全的解决方案。传统方法虽然成熟，但仍与耦合非线性分配的复杂性以及对广泛的计算资源的需求斗争。机器学习可以通过其概括和适应能力来提供显着的优势，尤其是在使用线性近似来减轻计算负担或尚不确定执行器的有效性时。模仿学习的最新进展，尤其是行为克隆和深入的强化学习，已经在解决这些挑战方面表现出了有希望的结果。本文旨在确定在控制编排中使用机器学习的潜力，以使智能机箱超越分配问题，包括跨系统，资源平衡以及安全性和性能限制的交互管理。我们提出了一组我们认为与实验有关的技术，以解决智能底盘系统中控制分配的潜在挑战和复杂性，这些挑战将在即将到来的文章中进行测试。
使用政治优化算法对配电系统中可再生分布式发电机和电动汽车进行优化配置
摘要：本文提出了一种有效的方法来解决配电系统 (DS) 中的可再生分布式发电机 (RDG) 和电动汽车充电站 (EVCS) 分配问题，以减少功率损耗 (P 损耗) 并改善电压曲线。这项工作考虑的 RDG 包括太阳能、风能和燃料电池。使用概率分布函数 (PDF) 对与 RDG 相关的不确定性进行建模。这些来源的最佳位置和大小由电压稳定性指数 (VSI) 和政治优化算法 (POA) 确定。此外，还考虑了电动汽车充电策略，例如传统充电方法 (CCM) 和优化充电方法 (OCM)，以研究该方法的有效性。在印度 28 路公交车 DS 上研究了所开发的方法。考虑了不同的情况，例如单个 DG、多个 DG 以及 DG 和 EV 的组合。考虑到适当的调度模式，将多个 DG 与 EV 一起放置可以最大限度地减少 P 损耗并显着改善电压曲线。最后将所提方法与其他算法进行了比较，仿真结果表明POA方法在各方面均取得了更好的效果。