XiaoMi-AI文件搜索系统
World File Search System模拟退火
通过使用改进的多策略融合人工蜂群算法
摘要：本工作研究了可以解决农村电力问题的技术经济解决方案。为了维持该村庄区域的连续电源，设计了一个与网格连接的微电网系统，该系统由太阳能光伏（SPV）和电池能量存储系统（BESS）组成。最近引入的多策略融合人工蜂群（MFABC）算法与模拟退火方法杂交，并被称为MFABC+算法。这是用于确定包括集成系统的不同组件的最佳尺寸，并最大程度地提高了技术经济目标。进行验证，将MFABC+算法获得的仿真结果与使用Homer软件，粒子群优化算法和原始MFABC算法获得的结果进行了比较。与这些现有优化工具相比，MFABC+算法具有更好的收敛率和提供折衷结果的潜在能力。也通过全面的评估进行了解决，即拟议的系统具有以最低水平的电力成本来满足村庄24×7的电力需求的潜在能力。
量子启发式求解器的基准......
最近，受量子退火的启发，许多专门用于无约束二元二次规划问题的求解器已经开发出来。为了进一步改进和应用这些求解器，明确它们对不同类型问题的性能差异非常重要。在本研究中，对四种二次无约束二元优化问题求解器的性能进行了基准测试，即 D-Wave 混合求解器服务 (HSS)、东芝模拟分叉机 (SBM)、富士通数字退火器 (DA) 和个人计算机上的模拟退火。用于基准测试的问题是 MQLib 中的真实问题实例、随机不全相等 3-SAT (NAE 3-SAT) 的 SAT-UNSAT 相变点实例以及 Ising 自旋玻璃 Sherrington-Kirkpatrick (SK) 模型。对于 MQLib 实例，HSS 性能排名第一；对于 NAE 3-SAT，DA 性能排名第一；对于 SK 模型，SBM 性能排名第一。这些结果可能有助于理解这些求解器的优点和缺点。
无限半空间中平面热弹性波
原始研究论文摘要：通过可靠性分配来提高总可靠性已成为提高复杂工业系统设计效率的成功方法。过去的大量研究在很大程度上解决了这个问题。从迄今为止为实现目标而开发的不同技术中可以看出这一点。近年来，人们使用了元启发式算法，如模拟退火、禁忌搜索 (TS)、粒子群优化 (PSO)、布谷鸟搜索优化 (CS)、遗传算法 (GA)、灰狼优化技术 (GWO) 等。本文提出了一种实现混合 PSO-GWO 算法 (HPSOGWO) 的框架，用于解决复杂桥梁系统和太空舱生命支持系统的可靠性分配和优化问题。数值实验证明了所提框架的优势/竞争力。将 HPSOGWO 得到的结果与以前使用的 PSO 和 GWO 算法进行比较，结果表明，在一个名为复杂桥梁系统的问题中，与 PSO 和 GWO 相比，HPSOGWO 使用的函数评估次数较少。因此，HPSOGWO 获得的整体解决方案不仅与之前一些其他著名优化方法获得的结果相当，而且优于它们。
![arxiv：2501.05268v1 [Quant-ph] 2025年1月9日](/simg/g:\will\search\icon\source\7\768cd77d034836059dee57db4b77d5b3387862e8.webp)
arxiv：2501.05268v1 [Quant-ph] 2025年1月9日
受模拟退火算法的启发，我们提出了一个量子冷却协议，其中包括退火过程。该协议可以普遍有效地应用于各种量子模拟器，将系统从任意初始状态驱动到基态，以高保真度。我们已经描述了基于扰动理论的冷却过程，并在静态一体的浴缸中与浴室相比验证了浴室在时期调整的Zeeman领域的优势，并为在冷却系统进行冷却时的必要性提供了理由。我们使用横向场ISING模型（TFIM）应用张量化网络方法来模拟我们的冷却协议，以验证协议在冷却一维系统，二维系统以及具有量子噪声的系统中的有效性。我们比较了有和没有退火过程的冷却协议的总体性能，该测试集用随机参数G p生成的测试集。结果表明，使用退火过程的冷却协议可以达到准确性和效率。我们的结果还表明，冷却方案对噪声的抵抗力取决于量子噪声的类型。
混合经典量子计算
摘要。目前，几台商用量子计算机都提供混合经典-量子计算。在这个项目中，金融期权模型——金融市场统计力学 (SMFM) 采用了这种方法。然而，只有经典（超级）计算机才能包含这些模型的量子特征。自 1989 年以来，使用重要性抽样的优化代码自适应模拟退火 (ASA) 已在此类模型中拟合参数。自 2015 年以来，路径积分数值算法 PATHINT 已用于描述多个学科的多个系统。PATHINT 已从 1 维推广到 N 维，并从经典系统推广到量子系统，成为 qPATHINT。已发表的论文描述了 qPATHINT 在新皮质相互作用和金融期权中的应用。SMFM 建模的经典空间拟合非线性非平衡多元统计力学的条件短期概率分布中的参数，而 qPATHINT 建模的量子空间描述量子货币。该项目展示了如何仅使用经典（超级）计算机来计算一些混合经典量子系统。
用于 Metropolis-Hastings 算法的高效量子行走电路
虽然乍一看这是具有深远应用的重要优势，但还必须考虑其他因素才能确定量子行走是否能为任何特定应用带来显著的加速。原因之一是实现量子行走的单步 UW 可能比实现经典行走的单步 W 花费更长的时间。因此，量子行走在平衡时间极长的情况下更有可能带来优势。此外，我们必须解决这样一个事实，即经典行走通常在非平衡状态下启发式使用。例如，在训练神经网络时，使用称为随机梯度下降的 MCMC 方法来最小化成本函数，实际上通常不需要达到真正的最小值，因此 MCMC 的运行时间比其混合时间要短。类似地，模拟退火通常以启发式方式使用，冷却计划远快于可证明界限的规定——并结合重复重启。此类启发式应用进一步推动了 UW 高效实现的构建，以及量子计算机启发式方法的开发。
活力
电池储能系统 (BESS) 在配电网中的大规模集成有可能提高光伏 (PV) 发电的利用率并减轻电动汽车 (EV) 快速充电行为造成的负面影响。本文提出了一种基于深度强化学习的新型 BESS 功率调度策略，该策略安装在有源配电网中。该网络包括电动汽车快速充电需求、光伏发电和主电网的电力套利。目的是在保持电压限制的同时最大化 BESS 运营商的利润。新策略采用双延迟深度确定性策略梯度 (TD3) 算法，需要预测光伏发电和电动汽车智能充电需求。将提出的策略与深度确定性策略梯度 (DDPG)、粒子群优化和模拟退火算法进行了比较，以验证其有效性。使用 Project Shift（英国电网创新）的智能电动汽车充电数据集和英国光伏数据集进行了案例研究。 TD3 和 DDPG 算法的内部收益率结果分别为 9.46% 和 8.69%，这表明所提出的策略可以增强电力调度，并且在降低储能平准化成本和提高净现值方面优于主流方法。
机械工程中拓扑优化的概念模型，以提高结构效率和材料利用率。
摘要拓扑优化已成为机械工程的关键技术，可提高结构效率和材料利用率。此概念模型提出了一个框架，该框架将高级拓扑优化方法与计算设计工具集成在一起，以优化给定设计空间内的材料分布。主要目标是最大程度地提高性能，同时最大程度地减少材料使用情况，这对于降低成本和提高制造和建设的可持续性至关重要。提出的模型强调了优化算法的应用，例如遗传算法，模拟退火和粒子群优化，并与有限元分析（FEA）一起探索各种设计配置。通过系统地删除不必要的材料并加强关键的结构区域，该模型可确保创建轻质但强大的组成部分。此外，还合并了多目标优化，以平衡竞争目标，例如在保持结构完整性，耐用性和安全标准的同时最大程度地减少重量。该模型的关键组成部分是它与添加剂制造（AM）技术集成，从而使传统制造方法无法实现的复杂几何形状创建复杂的几何形状。这种协同作用允许实现优化的结构，这些结构既具有物质效率又具有成本效益。此外，该模型还结合了灵敏度分析，以评估材料特性和外部加载条件的变化如何影响整体性能，
航空铝合金结构疲劳裂纹扩展速率预测
在航空航天工业中，疲劳裂纹扩展对飞机结构机械装配设计构成了严重威胁。在这些结构中，裂纹扩展是一个需要认真处理的问题，因为除了经济损失之外，还会影响人员生命安全。疲劳裂纹扩展 (FCG) 速率是在恒定振幅载荷作用下，裂纹随循环数增长的速率。分析曲线后发现，应力强度因子 (SIF) 范围“ ∆𝐾 ”与 FCG 速率“ 𝑑𝑎 𝑑𝑁 ⁄ ”之间的相关性呈偏离线性关系，曲线的区域 II 也称为巴黎区域。经验公式方法不能令人满意地处理线性因子。与之前的方法相比，机器学习算法凭借其出色的学习能力和灵活性，能够更好地处理非线性问题。在本研究工作中，利用基于遗传算法、爬山算法和模拟退火算法的优化神经网络来预测 FCG 率。通过对 2324-T39、7055-T7511 和 6013-T651 等不同航空铝合金进行测试，验证了所提出的技术。通过基于模拟退火的优化神经网络，对铝合金 6013-T651 的最小预测 MSE 为 1.0559 × 10 −9。此外，结果与实验过程中设想的数据非常吻合。
线性代数难题的量子近似优化
Farhi 等人提出的量子近似优化算法 (QAOA) 是一种用于解决量子或经典优化任务的量子计算框架。在这里，我们探索使用 QAOA 解决二元线性最小二乘 (BLLS)；这个问题可以作为线性代数中其他几个难题的构建块，例如非负二元矩阵分解 (NBMF) 和非负矩阵分解 (NMF) 问题的其他变体。之前在量子计算中解决这些问题的大部分努力都是使用量子退火范式完成的。就这项工作的范围而言，我们的实验是在无噪声量子模拟器、包括设备真实噪声模型的模拟器和两台 IBM Q 5 量子比特机器上进行的。我们重点介绍了使用 QAOA 和类似 QAOA 的变分算法解决此类问题的可能性，其中试验解决方案可以直接作为样本获得，而不是在量子波函数中进行幅度编码。我们的数值结果表明，即使步骤数很少，对于采样基态的概率，模拟退火在 QAOA 深度 p ≤ 3 的情况下也能胜过 BLLS 的 QAOA。最后，我们指出了目前在基于云的量子计算机上实验实施该技术所面临的一些挑战。