XiaoMi-AI文件搜索系统
World File Search System线性程序
电力拍卖市场中充电站的最佳交易
摘要 - 该论文介绍了一家用于电动和氢车辆的充电站公司（Chargco）。电力盘和盘中拍卖市场的最佳交易被建模为随机混合兼具二次计划（MIQP）。我们提出了一系列的线性化和重新制定技术，以将随机MIQP重新制定为混合成员线性程序（MILP）。为建模随机性，我们利用生成的对抗网络来聚集电力市场价格。此外，还采用了随机森林和线性回归的组合来对Chargco电力与氢负荷之间的关系进行建模。最后，我们提出了一种改进的L形分解（ILSD）算法来解决我们的随机MILP。我们的ILSD算法不仅通过创新方法解决了无限性，而且还结合了温暖的开始，有效的不平等和多生成削减，从而降低了计算复杂性。数值实验说明了使用我们提出的随机MILP及其解决方案算法的Chargco交易。
![arXiv:2207.01360v1 [quant-ph] 2022 年 7 月 4 日](/simg/g:\will\search\icon\source\1\18c036a56efe585b77730a87b187d71b9866fa78.webp)
arXiv:2207.01360v1 [quant-ph] 2022 年 7 月 4 日
近年来，量子计算的快速发展引发了人们的广泛兴趣，人们开始开发可扩展的量子信息理论方法，以用于大型量子系统。例如，已经提出了几种方法来绕过断层扫描状态重建，同时在一定程度上保留了估计先前测量的给定状态的多种物理特性的能力。在本文中，我们介绍了虚拟线性映射算法 (VILMA)，这是一种新方法，它不仅可以使用信息完整测量结果的经典后处理来估计多个算子平均值，还可以在任意（不一定是物理的）k 局部映射的低深度电路下对测量参考状态的图像进行估计。我们还表明，VILMA 允许通过一系列有效的线性程序对虚拟电路进行变分优化。最后，我们探索了该算法的纯经典版本，其中输入状态是具有经典有效表示的状态，并表明该方法可以准备多体哈密顿量的基态。
确定解决马尔可夫决策过程的有效方法
我们在这里考虑马尔可夫决策过程（MDPS），总体知识是已知的过渡和奖励功能。主要有两种有效的方法，可以使用基于模型的方法来精确求解MDP：动态编程或线性程序，如[11]中所述。确定解决MDP问题的最有效方法一直是文献研究的主题。有关全面的审查，请参阅[1]以及[11，9]。根据[11]，有人认为，基于价值的算法（例如价值迭代（VI）及其变体）并不像基于政策的方法那样实用，因此建议避免使用。另一方面，对基于策略的方法进行了比较下注政策迭代（PI）和政策迭代（PIM）尚不清楚，尽管后者似乎更有效[11]。早期的发现表明，线性编程方法不适合解决此类问题，这主要是由于求解器的速度慢[9]。尽管如此，文献中的比较研究有限，截至2007年，这个问题仍未解决[10]。随着线性编程求解器（例如Gurobi或cplex）的性能不断提高，以及并行化可能性的进步，对求解方法的定期重新评估变得相关。因此，在[1]的研究中，对线性编程和政策迭代的性能进行了比较分析，是对特定的马尔可夫决策过程（MDP）模型进行的，重点介绍了预期的总奖励标准。非零条目的1％。所考虑的MDP的特征是较大的状态空间（基数至少为2000），并且表现出各种动作选择（范围为2至500）。值得注意的是，所有过渡矩阵都高度稀疏，仅包含1％和0。先前的研究采用内点方法来解决线性程序。他们认为线性编程（LP）优于策略迭代（PI），并且对于特定模型而言，这显着。必须注意，[1]检查的模型类别在文献中很普遍，尤其是在给定状态下可能的转移数量的网络问题中。尽管如此，该研究仍具有一定的局限性。首先，即使这些方法可能会超过速度上的标准PI，但它并未考虑修改策略迭代及其变体。其次，研究中采用的LP解决方法仅提供政策而不是政策和价值观，就像动态编程一样。最后，其结论对更稀疏或其他操作标准的更广泛案例的概括性仍然不确定。这项工作的目的是找出线性编程在更一般的情况下是否仍然是一种有效的工具，并且在哪些条件（状态空间和行动空间维度，稀疏性）下找到使用动态编程仍然有效。
量子多数投票
多数表决是放大正确结果的基本方法，广泛应用于计算机科学及其他领域。虽然它可以放大具有经典输出的量子设备的正确性，但量子输出的类似程序尚不清楚。我们引入量子多数表决作为以下任务：给定一个乘积状态 | ψ 1 ⟩⊗· · · ⊗| ψ n ⟩，其中每个量子位处于两个正交状态 | ψ ⟩ 或 | ψ ⊥ ⟩ 之一，输出多数状态。我们表明，该问题的最佳算法在最坏情况下可实现 1 / 2 + Θ ( 1 / √ n ) 的保真度。在至少 2 / 3 的输入量子位处于多数状态的情况下，保真度增加到 1 − Θ ( 1/ n )，并且随着 n 的增加而趋近于 1。我们还考虑了更普遍的问题，即在未知量子基中计算任何对称且等变的布尔函数 f : { 0, 1 } n →{ 0, 1 }，并表明我们的量子多数表决算法的泛化对于此任务是最佳的。广义算法的最优参数及其最坏情况保真度可以通过大小为 O ( n ) 的简单线性程序确定。该算法的时间复杂度为 O ( n 4 log n )，其中 n 是输入量子比特的数量。
多阶段生产的工业政策：电池供电的战斗
许多国家设定了雄心勃勃的目标，可以从化石燃料过渡。计划通常涉及从燃烧发动机切换到电动汽车（EV）。由于电池构成了电动汽车成本的40％，因此公司需要进行低成本的电池供应链，以使电动汽车对消费者有吸引力。同时，政府越来越多地使用税收和补贴计划来诱使公司在其司法管辖区内定位供应链的更多阶段。我们为电动电池生产到车辆分配的电动汽车指定了一个多阶段供应链。每个汽车生产商都选择在每个阶段开放设施，考虑生产成本，运输成本，关税和补贴。这是一个困难的组合选择问题，但是我们利用了混合整数线性程序公式，可以在一分钟内解决。我们估计了模型的参数（包括可变的生产成本和固定工厂/模型激活成本），使用观察到的2015年至2022年所有生产阶段的采购决策。下一步是一组反事实，可以计算政策干预如何影响该部门的生产和贸易模式。最终，我们计划使用该模型来量化竞争性工业政策对全球CO2排放的影响。
学习停止削减生成以进行有效的混合构成线性编程
切割平面（切割）在解决混合整数线性程序（MILP）方面起着重要作用，因为它们可以显着拧紧双重界限并改善解决性能。削减的关键问题是何时停止削减生成，这对于解决MILP的效率很重要。但是，许多现代的MILP求解器采用了硬编码的启发式方法来解决这个问题，这往往会忽略MILPS中基本的作用，而不是某些应用。为了应对这一挑战，我们制定了削减生成，以阻止概率作为增强学习问题，并提出了一种新颖的新生graph g raph raph raph raph raph m o del（Hygro），以学习有效的停止策略。Hygro的一个吸引人的特征是，它可以有效地捕获MILP的动态和静态功能，从而为停止策略提供动态决策。据我们所知，Hygro是第一个解决削减生成停止问题的数据驱动方法。通过将我们的方法与现代求解器相结合，实验表明，与柔软的基线相比，透明质可能可显着提高解决MILP的效率，从而提高31％。
加强氢部门：能源系统建模框架
摘要。统一的肩模是一种自然对称性，在物理和数学的许多情况下发生。使用此类符号的优化问题通常可以作为D p + q-维矩阵变量的半限定程序进行配制，该程序用u⊗p⊗u⊗p的us（d）上的u p⊗u q q c⊗u（d）上下班。即使P + Q很小，解决此类问题也可以过高地昂贵，但局部尺寸D很大。我们表明，在其他对称性假设下，此问题还原为可以在不扩展D中扩展的线性程序，我们提供了一个通用框架，以使这种减少在不同类型的对称性下的降低。我们方法的关键成分是通过围墙Brauer代数图的线性组合对解决方案空间的紧凑参数化。此参数化需要Gelfand – Tsetlin的基础，我们通过适应一个受Okounkov – Vershik方法启发的通用方法[DLS18]来获得。为框架的潜在应用，我们使用了量子信息中的几个示例：确定量子状态的主要特征值，量子多数投票，不对称的克隆和黑盒单一的转换。我们还概述了将我们的方法扩展到一般统一的半决赛计划的可能途径。
线粒体展开的蛋白质反应抑制剂可通过HSP60
摘要 - 远程医疗或智能操作室等医学应用程序，对基础网络体系结构提出了严格的要求。6G作为当前研究中的下一代通信标准有望通过利用技术和网络概念的进步来满足此类应用的需求。医学应用的一个关键概念是在网络中使用计算资源的能力。通过将应用程序放在无线电访问网络（RAN）内不同位置的此类处理节点上，可以优化医疗应用程序的性能指标，例如延迟，吞吐量和可用性。但是，当可用的处理功能不足以满足所有要求的医疗应用程序时，就会出现问题。在本文中，我们制定了一个整数线性程序（ILP），以解决处理能力不足时网络中处理医疗应用程序的问题。我们考虑应用程序功能的优先级和不同的服务水平，并旨在以最佳的服务质量放置尽可能多的应用程序。此外，我们考虑到某些应用程序必须在网络中运行，即使其优先级较低。此外，我们提出了一种启发式，以便快速获得良好的解决方案。对我们的解决方案的评估以及与现有方法的比较表明，网络中所接受的需求增加了35％。索引术语-6G，优先级，启发式，网络内，医疗技术。
采用 Open RAN 实现集成接入和回程的联合路由和能源优化
摘要 — 能源消耗占移动网络运营商运营费用的主要部分。随着 5G 及更高版本的密集化，能源优化已成为一个至关重要的问题。虽然文献中广泛研究了能源优化，但对于综合接入和回程 (IAB) 的节能技术的见解和算法有限，IAB 是一种自回程架构，可简化密集蜂窝网络的部署，减少光纤接入的数量。本文提出了一种用于 IAB 网络中动态联合路由和能源优化的新型优化模型。我们利用开放无线接入网络 (O-RAN) 架构引入的闭环控制框架来最小化活动 IAB 节点的数量，同时保持每个用户设备 (UE) 的最小容量。所提出的方法将问题表示为二进制非线性程序，将其转换为等效的二进制线性程序并使用 Gurobi 求解器进行求解。该方法在基于意大利米兰市网络运营商收集的两个月流量的开放数据构建的场景中进行评估。结果表明，所提出的优化模型可将 RAN 能耗降低 47%，同时保证每个 UE 的最小容量。索引术语 — 能源优化、综合接入和回程、O-RAN、5G
单位水电单位承诺问题的有效精确A*算法
水力发电植物特有的水电单位承诺问题（HUC）是电力生产计划问题的一部分，称为单位承诺问题（UCP）。更具体地说，所研究的情况是带有单个植物的HUC的病例，表示为1-HUC。该植物位于两个储层之间。地平线在时间段内被离散。该植物以有限数量的点为定义为一对的一对固定功率和相应的水流。考虑了几个约束。每个储层都有一个初始音量以及窗口限制，该约束由每个时间段的最小和最大体积定义。在每个时间段内，水库中的水摄入量都有额外的正，负或零摄入。考虑了价格最大化最大化问题的情况。提出了一个有效的精确a*变体，即所谓的ha*，以解决1-HUC的窗口，并以减少的搜索空间和专用乐观的启发式启发式。将此变体与经典资源约束的最短路径问题（RCSPP）算法和用CPLEX求解的混合整数线性程序制定配方进行比较。结果表明，在一组现实的实例上，所提出的算法平均在计算时间方面优于同时替代方案，这意味着HA*表现出更稳定的行为，并且求解了更多的实例。