XiaoMi-AI文件搜索系统
World File Search System有效分布
用于电动汽车充电网络控制的有效分布式多代理增强学习
摘要 - 采用电动汽车（EV）的增加趋势将显着影响住宅电力需求，从而导致分配网格中变压器过载的风险增加。为了减轻这种风险，迫切需要开发有效的EV充电控制器。当前，大多数EV电荷控制器都是基于管理单个电动汽车或一组电动汽车的集中式方法。在本文中，我们介绍了一个分散的多代理增强学习（MARL）充电框架，该框架优先确定电动汽车所有者的隐私。我们采用了集中的培训，分散的执行确定性策略梯度（CTDE-DDPG）方案，该方案在培训期间为用户提供有价值的信息，同时在执行过程中保持隐私。我们的结果表明，CTDE框架通过降低网络成本来提高充电网络的性能。此外，我们表明总需求的峰值与平均比率（PAR）减少了，进而降低了峰值时间内变压器过载的风险。索引术语 - 合作MARL，EV充电网络控制，分布式控制，需求端管理
量子电路的有效分布 - 滴
量子计算硬件的鲁棒性正在改善，但是单个计算机仍然具有少量的Qubits（用于存储量子信息）。需要大量Qubits的计算只能通过在较小的量子计算机网络上分配来执行。在本文中，我们考虑了在量子计算机的均匀网络上分发量子计算的问题，以量子电路表示，从而最小化完成计算的每个步骤所需的通信操作数量。我们提出了一个两步解决方案：将给定电路的Qubit在网络中的计算机之间进行，并调度通信操作（称为迁移），以在计算机之间共享量子信息，以确保每个操作都可以在本地执行。虽然第一步是一个棘手的问题，但我们在特殊设置中为第二步提供了多项式时间解决方案，在一般环境中提出了O（log n） - 值得称的解决方案。我们提供的经验结果表明，我们的两步解决方案的表现优于该问题的现有启发式效果（在某些情况下，最高90％）。