XiaoMi-AI文件搜索系统
World File Search System多目标
针对分布式能源系统设计的可持续性分析：多目标优化方法
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
采用多目标遗传算法对静电电子透镜进行多标准优化
采用多目标遗传算法 (MOGA) 优化方法，对具有五个电极和两个目标函数的静电电子光学系统的设计进行了优化。考虑的两个目标函数是固定图像平面中一次电子束的最小探针尺寸和镜头内探测器平面上的最大二次电子检测效率。耗时的步骤是计算系统电位。有两种方法可以做到这一点。第一种是使用 COMSOL（有限元法），第二种是使用二阶电极法 (SOEM)。前者使优化过程非常缓慢但准确，而后者使其快速但准确性较低。提出了一种全自动优化策略，其中基于 SOEM 的 MOGA 为基于 COMSOL 的 MOGA 提供输入系统。这加速了优化过程并将优化时间缩短了至少约 10 倍，从几天缩短到几个小时。典型的优化系统的探针尺寸为 11.9 nm，二次电子检测效率为 80%。这种新方法可以在具有一个或多个目标函数和多个自由变量的静电透镜设计中实现，是一种非常高效、全自动的优化技术。
多目标帕累托前沿与粒子群优化...
微电子技术的进步使得更高的集成密度成为可能，并且目前正在进行机载系统的大规模开发，这种增长遇到了功耗的限制因素。更高的功耗将导致产生的热量立即扩散，从而导致热问题。因此，随着系统温度的升高，系统的总消耗能量将增加。微处理器的高温和计算机系统的大量热能对系统信心、性能和冷却费用产生巨大的问题。处理器消耗的功率主要来自内核数量和时钟频率的增加，这些功率以热量的形式消散，给芯片设计人员带来了热挑战。随着纳米技术中微处理器性能的显着提高，功耗变得不可忽略。为了解决这个问题，本文使用多目标帕累托前沿 (PF) 和粒子群优化 (PSO) 算法来解决高性能处理器的功耗降低问题，以实现功耗作为优先计算，从而减少目标微处理器单元的实际延迟。仿真验证了概念基础以及关节体和电源电压（V th- V DD ）的优化，并显示出令人满意的结果。
基于多目标优化的癫痫发作分类脑电图通道选择方法
我们提出了一种基于非支配排序遗传算法 (NSGA) 的癫痫发作分类脑电图 (EEG) 通道选择的多目标优化方法。我们在来自 CHB-MIT 公共数据集的 24 名患者的 EEG 数据上测试了该方法。该过程首先使用经验模态分解 (EMD) 或离散小波变换 (DWT) 将来自每个通道的 EEG 数据分解为不同的频带，然后为每个子带提取四个特征；两个能量值和两个分形维数值。然后通过 NSGA-II 或 NSGA-III 迭代测试获得的特征向量以解决两个无约束目标；最大限度地提高分类准确率并减少癫痫发作分类所需的 EEG 通道数量。我们的结果表明，仅使用一个 EEG 通道就能实现高达 1.00 的准确率。有趣的是，当使用所有可用的 EEG 通道时，与使用 NSGA-II 或 NSGA-III 选择 EEG 通道的情况相比，获得的准确度较低；即，在患者 19 中，我们使用所有通道获得的准确度为 0.95，而使用 NSGA-III 仅选择的两个通道获得的准确度为 0.975。获得的结果令人鼓舞，并且已经表明可以使用少量电极对癫痫发作进行分类，这为未来开发便携式 EEG 发作检测设备提供了证据。
并网微电网电池储能多目标优化运行规划
摘要 — 本文研究了由光伏 (PV) 系统和电池储能系统 (BESS) 组成的并网微电网 (GCMG) 在外部电源中断期间的预期业务连续性的评估。对于评估指标，采用关键负载的自供电持续时间和不间断自供电的成功率，并研究其与光伏容量和 BESS 初始电量的关系。此外，本文提出了一种新的 GCMG 中 BESS 的多目标优化运行规划方法。在微电网中同时考虑了存在权衡关系的运行成本和弹性。以从电网购买电力的成本作为运行成本指标，以切换到独立运行状态时微电网内停电持续时间作为弹性指标，制定多目标优化问题以确定 BESS 运行规划。对于优化方法，采用多目标粒子群优化 (MOPSO)。为了验证所提方法的有效性，进行了数值模拟，结果表明，所提方法获得的帕累托解有助于微电网运营商确定 BESS 运行计划，考虑运行成本和弹性之间的最佳平衡，满足其需求。
HVAC 系统数字孪生 (HVACDT) 用于能源消耗和热量的多目标优化
摘要 本研究提出了一种新型的供暖、通风和空调 (HVACDT) 系统数字孪生框架，以降低能耗并提高热舒适度。该框架旨在帮助设施管理人员更好地了解建筑运营，以增强 HVAC 系统功能。数字孪生框架基于建筑信息模型 (BIM)，并结合新创建的插件来接收实时传感器数据以及通过 Matlab 编程实现的热舒适度和优化过程。为了确定建议的框架是否实用，在 2019 年 8 月至 2021 年 10 月期间从挪威的一栋办公楼收集了数据并用于测试该框架。然后使用 Simulink 模型中的人工神经网络 (ANN) 和多目标遗传算法 (MOGA) 来改进 HVAC 系统。HVAC 系统由空气分配器、冷却装置、加热装置、压力调节器、阀门、风门和风扇等组件组成。在此背景下，温度、压力、气流、冷却和加热操作控制等多种特性以及其他因素被视为决策变量。为了确定目标函数，预测的不满意百分比 (PPD) 和 HVAC 能源使用量均被计算出来。结果，ANN 的决策变量和目标函数相关性很好。此外，MOGA 提出了不同的设计因素，可用于
在9个月内，医院废水中细胞抑制剂的多目标分析
癌症是全球最致命的疾病之一，其inci dence每年都在增加。在欧洲，这种疾病约有20％的总死亡人数，每年约300万例新病例和170万例死亡[46]。在葡萄牙，在2020年证实了60,467例新的癌症病例，结肠癌癌症是发病率最高的癌症，其次是乳腺癌和前列腺癌IARC [26]。为了治疗这种疾病，可以使用许多程序：手术，化学疗法，放射治疗，靶向治疗，免疫疗法，干细胞/骨髓移植和激素治疗。最好的治疗方法是根据癌症的类型/阶段和治疗的可用性选择。其中，化学疗法是第二次应用的治疗方法[1]。化学疗法包括使用药物杀死癌细胞。这些药物，称为细胞抑制剂，抗癌药或细胞毒素（解剖学治疗化学分类的L类，即可以以口服形式（大部分时间在家，经常去医院去医院）或静脉注射形式（通常在医院或医疗保健设施进行）[36]。尽管它们在癌症的治疗方面非常有效，但细胞抑制剂也会影响健康的组织，尤其是在快速复制的情况下，例如血细胞，皮肤细胞，胃细胞等。根据国际癌症研究机构[27]，一些细胞抑制剂已经被确定为人类的致癌，例如依托泊苷，环磷酰胺，他莫昔芬，硫唑啉，硫硫氨酸，硫磺蛋白，布鲁芬和氯腹co。其他人，阿霉素，顺铂，达卡巴嗪和mitoxan trone已被归类为可能或可能对人类致癌。仍然，由于缺乏毒理学研究，大多数细胞抑制剂尚未分类。给药后，人体无法代谢所有药物，其中一部分是通过尿液和粪便排出的。因此，细胞抑制剂以及其他药物，细菌和病毒都经常从医院释放到水循环系统。在全球范围内，有一些医院已经拥有废水处理厂（WWTP），可在将废水排放到城市下水道中之前提供局部消除微污染物[31,41]。有时，这些治疗方法还不足以去除最顽固的药物，而大多数全球医院都没有用于废水的补救技术。The main objective of this study is to evaluate the presence of thir teen pharmaceuticals of concern (bicalutamide, capecitabine, cyclo phosphamide, cyproterone, doxorubicin, etoposide, flutamide, ifosfamide, megestrol, mycophenolate mofetil, mycophenolic acid, paclitaxel and prednisone) in Portuguese hospital在9个月的活动中，废水总共包括一百二十九个样本。固相提取（SPE）和液相色谱 - 串联质谱法（LC - MS/MS）分别用于提取和定量目标细胞抑制剂。直到au thors的知识，这是第一次在全世界的医院废水中监测氟丁酰胺，霉菌酸酯和霉酚酸。葡萄牙细胞抑制剂水平的数据很少，只有一项关于从北部城市WWTP的Portu Guese废水监测的研究的研究[24]。仍然，完全缺乏有关葡萄牙医院废水的细胞抑制剂发生的信息
超快速充电站光伏与储能系统的多目标优化
摘要 安装超快速充电站 (UFCS) 对于推动电动汽车 (EV) 的普及至关重要。鉴于这种充电技术所需的大量电力，在充电站设计中整合可再生能源 (RES) 和储能系统 (ESS) 是减少其对电网和环境影响的一个有价值的选择。因此，本文提出了一个多目标优化问题，用于优化电动汽车 UFCS 中的光伏 (PV) 系统和电池 ESS (BESS) 的尺寸。提出的多目标函数旨在一方面最小化充电站的年化成本，另一方面最小化产生的污染物排放量。决策变量是 PV 板的数量和要安装的 ESS 的容量。通过应用线性标量化方法，优化问题简化为单目标问题。然后通过遗传算法 (GA) 优化等效的单目标函数。所提出的优化框架已应用于研究案例，结果证明 PV 和 ESS 可以显著降低年化成本和污染物排放量。最后，还进行了敏感性分析以验证所提解决方案的有效性。
可再生能源义务下最大可再生能源渗透的多目标随机经济调度
本文提出了一种可再生能源义务政策框架下的随机多目标经济调度模型。该模型在可再生能源义务下最大限度地降低发电机和旋转备用的总运营成本，同时最大限度地提高可再生能源的渗透率。风电和光伏发电厂的间歇性被纳入可再生能源义务模型。为了最大限度地降低与火电增加相关的循环成本，电池储能系统单元被纳入模型以协助系统旋转备用。创建动态场景来处理可再生能源的间歇性。由于所有可能场景的计算复杂性，采用场景减少方法来减少场景数量并解决所提出的随机可再生能源义务模型。为可再生能源义务提出了帕累托最优解，并进行了进一步的决策以评估与帕累托前沿相关的权衡。为了证明所提出的随机可再生能源义务模型的有效性，使用了两个 IEEE 测试系统，即改进的 IEEE 30 总线和 IEEE 118 总线系统。在这两个测试系统中，所提出的模型都可以实现高可再生能源渗透率，同时最小化预期运营成本。在大型 IEEE 118 总线测试系统中，计算效率
动态系统的在线多目标模型独立自适应跟踪机制
摘要：在机器人文献中，最佳跟踪问题通过使用各种鲁棒和自适应控制方法来解决。然而，这些方案与实施限制有关，例如在具有完整或部分基于模型的控制结构的不确定动态环境中的适用性、离散时间环境中的复杂性和完整性以及复杂耦合动态系统中的可扩展性。开发了一种在线自适应学习机制来解决上述限制，并为跟踪控制类问题提供通用的解决方案平台。该方案使用同时线性反馈控制策略最小化跟踪误差并优化整体动态行为。采用基于值迭代过程的强化学习方法来求解底层贝尔曼最优方程。生成的控制策略以交互方式实时更新，而无需任何有关底层系统动态的信息。采用自适应评论家的方法实时逼近最优解值函数和相关控制策略。在仿真中说明了所提出的自适应跟踪机制，以在不确定的气动学习环境下控制柔性翼飞机。