XiaoMi-AI文件搜索系统
World File Search System差分进化
用灰狼优化器进行0-1 knapsack问题的量子启发的差分进化
摘要：背包问题是研究最广泛的NP完整组合优化问题之一，并且具有许多实际应用。本文提出了一种具有灰色狼优化器（QDGWO）的量子启发的差分进化算法，以提高Di-Versity和Connergence性能，并提高0-1个knapsack问题的高维情况下的性能。所提出的算法采用量子计算原理，例如量子叠加状态和量子门。它还使用差异进化的自适应突变操作，差异进化的交叉操作和量子观察来产生新的解决方案作为试验个体。选择操作用于确定存储个体与突变和交叉操作创建的试验个体之间的更好解决方案。如果试验个体比目前的个体还差，则使用自适应灰狼优化器和量子旋转门来保留人口的多样性，并加快寻找全球最佳解决方案的搜索。0-1背包问题的实验结果证实了QDGWO的优势，具有背包问题的有效性和全球搜索能力，尤其是在高维情况下。
人工智能的工程应用
20 世纪 90 年代中期，提出了两种具有里程碑意义的元启发式算法：粒子群优化和差分进化。它们的初始版本非常简单，但迅速引起了广泛关注。在过去的四分之一世纪中，这两种优化算法的数百种变体已被提出并应用于几乎所有科学或工程领域。但是，到目前为止，尚未对这两种方法的性能进行更广泛的比较。在本文中，对十种粒子群优化和十种差分进化变体进行了比较，从 20 世纪 90 年代的历史变体到 2022 年的最新变体，这些变体在众多单目标数值基准和 22 个实际问题上进行了比较。平均而言，差分进化算法明显优于粒子群优化算法。差分进化相对于粒子群优化的优势与流行度相矛盾：在文献中，粒子群优化算法的使用频率是差分进化算法的两到三倍。粒子群优化比差分进化表现更好的问题确实存在，但相对较少。虽然这个结果可能是选择特定变体、实验设置或用于比较的问题的结果，但粒子群优化变体可能需要重新考虑算法理念，以使其更具竞争力。
使用新概率粒子群优化器和顺序差分进化的脑电信号癫痫病识别模型
摘要 癫痫是个体的一种慢性发作状态。脑细胞群反映出异常的电活动。脑电图 (EEG) 是一种监测大脑活动和诊断神经系统疾病的常用工具。在处理具有超高维度的复杂变换特征并从 EEG 中提取最佳特征时，对癫痫和非癫痫数据进行分类是一项具有挑战性的任务。本文提出了一种新的混合方法来选择最佳特征，该方法涉及粒子群优化 (PSO) 算法、新开发的概率粒子群优化 (PPSO) 算法和顺序差分进化 (SDE) 算法。癫痫患者的 EEG 数据已用于评估该方法。使用离散波长变换提取特征。PSO、PPSO 和 SDE 从 EEG 的特征空间中选择最佳特征。进一步使用不同的分类器评估这些最佳特征的性能。比较了 PSO、PPSO 和 SDE 的性能。本文对生物启发算法对脑电信号特征优化的重要性进行了广泛的研究。在所有分类器中，支持向量机 (SVM) 表现优异，在第 100 个周期时，PPSO 的准确率为 97.74%，SDE 的准确率为 98.34%。这表明最佳特征选择提高了分类器的性能。
引用发布版本（APA）：Wang，Q.，Wang，Y。，＆Chen，Z。（2023）。区域INT
本文考虑了复杂的电力 - 基于Stackelberg游戏的氢能 - 氢能流动，开发了一个最佳的能源招标机制 - 氢系统（RIEHS） - 氢能 - 氢能流量 - 氢优化管理策略。首先引入了RIEHS的交易模式，并建立了三个市场游戏参与者的优化模型。然后，制定了基于Stackelberg游戏的招标机制，电力 - 氢操作员（EHO）是领导者，而区域电力 - 氢生产商（REHP）和负载聚合器（LA）是追随者。EHO通过能源招标来统治游戏，Rehp和La对竞标决定做出了回应。通过施加差分进化算法与二次编程（DEA-QP）结合使用差分进化算法，可以获得制剂的stackelberg平衡。最后，研究了一个示范案例，以分析三个市场参与者的市场行为，并进一步验证拟议策略的有效性。拟议的策略能够产生额外的经济利益，以改善氢气，并改善氢的利用。
Philippe Sabella-Garnier 的简历
– 将总体业务目标转化为竞争性 KPI 的多目标优化。 – 支持三名初级数据科学家使用 XGBoost 和正则化线性回归对 KPI 进行建模，开发自定义性能指标。 – 设计并实施基于差分进化的优化算法，以找到在尊重业务约束的同时解决优化问题的模型特征值。 – 担任数据科学联系人，负责定义生产架构和数据工程要求。
使用选择（desk）
摘要。马尔可夫链蒙特卡洛法被广泛用于多孔介质随机问题。但是，问题的大量随机维度导致该方法的接受率较低。基于差分进化的马尔可夫链蒙特卡洛方法是此问题的良好替代方法。此外，为了减少问题的随机维度，Karhunen-lo` eve膨胀（KLE）通常用于生成验收能力场。此策略非常有效，但允许在模拟过程中仅生成一个协方差函数的字段。从这个意义上讲，各种自动编码器（VAE）通过生成几种类型的字段而得出，从而导致更现实的模拟。然后，KLE发出了不同字段（不同的协方差函数）的数据集（不同的协方差函数）来训练VAE神经网络。这项工作应用了差分进化马尔可夫链蒙特卡洛方法，其中选择步骤（桌）用于解决涉及异质介质中单相流体流量的贝叶斯推理问题。结果表明，桌面的性能要比原始DE方案更好。此外，VAE结果与KLE的结果非常相似，表明即使使用更通用的场发生器，该方法也是一致的。
铁电体通用热力学求解器
− − 是一个基于 Landau-Ginzburg-Devonshire (LGD) 理论计算铁电单晶和薄膜热力学单畴平衡态及其特性的程序。利用 SymPy 库的符号操作，可以求解控制方程以及适当的边界条件，从而快速最小化晶体的自由能。利用流行的差分进化算法，通过适当的混合，可以轻松生成多个相图，例如块体单晶的压力-温度相图和单畴薄膜系统的常见应变-温度相图。此外，可以同时计算稳定铁电相的多种材料特性，包括介电、压电和电热特性。对薄膜和单晶系统进行了验证研究，以测试开源程序的有效性和能力。
含空调资源的智能微电网电池储能系统优化配置
摘要 —在光伏高渗透率的微电网中，电池储能系统 (BESS) 的优化定型是近年来的热门研究课题。同时，目前空调家庭的高能耗也受到越来越多的关注。本文针对具有光伏系统和空调资源的智能微电网开发了一种 BESS 优化定型方法。所提出的模型分为两层。在第一层中，考虑光伏输出功率和空调家庭的热缓冲特性来确定 BESS 的初始规模。在第二层中，提出 BESS 的最优规模以最小化系统总成本，包括 BESS 建设投资和微电网系统运行成本。该模型采用差分进化算法和迭代算法进行求解。案例研究证明了所提出方法的有效性。
LQR 飞机俯仰控制器设计... - ThaiJO
摘要：本文介绍了使用差分进化 (DE) 来调整比例积分微分 (PID) 控制器、具有积分作用的线性二次调节器 (LQR) 以进行飞机俯仰控制。提出了两个控制器的优化问题，以优化超调百分比、稳定时间和稳态误差，同时应用加权和技术。PID 控制器的设计变量是控制增益，而 LQR 控制器的设计变量是 Q 和 R 矩阵。LQR 控制器采用各种积分控制增益值，从而形成具有积分作用控制器的 LQR。在添加一些干扰的同时，基于单步和多步响应研究了最佳控制器的性能。结果表明，PID 控制器对响应速度有效，而具有积分作用控制器的最佳 LQR 对消除稳态误差有效。两种最佳控制器都具有鲁棒性，可以处理干扰抑制。关键词：PID、LQR 积分作用、DE、飞机俯仰控制
![arXiv:2107.12536v2 [q-bio.NC] 2021 年 9 月 1 日](/simg/g:\will\search\icon\source\2\24c04e2789e8562ffdc92d8b297da67969a7bd15.webp)
arXiv:2107.12536v2 [q-bio.NC] 2021 年 9 月 1 日
在本研究中，我们基于从狨猴大脑中收集的局部场电位数据，提出了一种与帕金森病 (PD) 相关大脑区域的新型生物物理计算模型。帕金森病是一种神经退行性疾病，与黑质致密部多巴胺能神经元的死亡有关，而这会影响大脑基底神经节-丘脑-皮质 (BG-TC) 神经回路的正常动态。尽管该疾病有多种潜在机制，但仍然缺乏对这些机制和分子发病机制的完整描述，而且仍然无治愈方法。为了填补这一空白，人们提出了类似于动物模型中发现的神经生物学方面的计算模型。在我们的模型中，我们执行了一种数据驱动的方法，其中使用差分进化优化一组生物约束参数。进化模型成功地模拟了健康和帕金森狨猴脑数据的单神经元平均放电率和局部场电位的光谱特征。就我们而言，这是