XiaoMi-AI文件搜索系统
World File Search System调度
量子退火驱动的单机总加权拖延工件数调度问题的分支定界
本文介绍了一种解决离散优化 NP 难问题的新方法，该方法适用于实现硬件量子退火的量子处理器 (QPU，Quantum Processor Unit) 的架构。该方法基于在精确分支定界算法中使用量子退火元启发式算法来计算目标函数的下限和上限。为了确定下限，使用了一种定义对偶问题 (广义离散背包问题) 的拉格朗日函数的新方法，其值在量子机的 QPU 上计算。反过来，为了确定上限，我们以带约束的二元二次规划形式制定了适当的任务。尽管量子机生成的结果是概率性的，但本文提出的混合算法构建方法交替使用 CPU 和 QPU，保证了最佳解决方案。作为案例研究，我们考虑 NP 难单机调度问题，最小化延迟作业的加权数量。进行的计算实验表明，在解决方案树的根部已经获得了最优解，并且下限和上限的值仅相差百分之几。
使用深度强化学习的延迟保证服务的下行链路调度程序
摘要 - 在本文中，我们提出了一种新型的调度方案，以确保单跳无线网络的每包延迟，以延迟关键应用程序。我们考虑了几类具有不同延迟要求的包装，高级数据包在成功传输后产生高实用性。考虑到竞争数据包之间延迟的相关性，我们应用了延迟范围的概念，并为调度决策引入了新的输出增益功能。特别是，选择数据包的选择不仅要考虑其输出增益，还考虑了其他数据包的延迟范围。在这种情况下，我们制定了一个多目标优化问题，旨在最小化平均队列长度，同时在保证每包延迟的约束下最大化平均输出增益。然而，由于环境的不确定性（例如，时变通道条件和随机数据包到达），使用传统的优化技术解决此问题是困难的，而且通常是不切实际的。我们开发了基于深入的增强学习（DRL）的框架来解决它。特别是，我们将原始优化问题分解为一组标量优化子问题，并将它们都作为部分可观察到的马尔可夫决策过程（POMDP）。然后，我们求助于基于双重Q网络（DDQN）的算法，以学习每个子问题的最佳调度策略，这是CanoverComethelarge-ScalestatesPaceAstatesPaceAndredCeanDreduceq-valueoveres-timation。仿真结果表明，我们提出的基于DDQN的算法在奖励和学习速度方面优于常规Q学习算法。此外，与其他基准方案相比，我们提出的调度方案可以显着减少平均延迟和延迟中断率。
稳定且可调度的可再生能源如何改变印度的可持续能源格局
到 2030 年，印度的目标是 50% 的电力来自非化石燃料，并在 2005 年的水平上减少 45% 的碳排放量。为实现这一目标，中央电力局 (CEA) 制定的 2023 年国家电力计划估计需要 486 吉瓦的可变可再生能源（太阳能和风能）。然而，可变和间歇性可再生能源 (RE) 的高渗透率带来了诸如电网平衡和输电系统利用不足等挑战。这些挑战可以通过稳定可调度的可再生能源 (FDRE) 电力来解决，这是通过将可变可再生能源与能源存储系统 (ESS) 集成转换为 FDRE 而获得的。因此，顾名思义，FDRE 为消费者提供来自绿色能源的有保证的全天候 (RTC) 电力。作为灵活性提供者，ESS 可以储存高峰时段产生的剩余能源，并在高需求期间或可再生能源资源效率较低（太阳不照耀或风不吹）时释放它们。因此，ESS 使 RE 能够持续满足能源需求，从而提高电网的效率和弹性。这种在不损害可持续性的情况下提高的可靠性可能对工业和家庭都具有革命性意义。电力部 (MoP) 关于 FDRE 的指导方针为推广 FDRE，MoP 于 2023 年 6 月发布了对使用 ESS 的并网 RE 项目的稳定可调度电力进行竞争性投标的指导方针。根据该指导方针，FDRE 招标将促进根据配电公司 (DISCOM) 指定的需求在一天中的任何时间提供有保证的峰值功率和 RTC 电力。此外，与 ESS 集成的 RE 发电机需要以更高的容量利用率 (CUF) 供电，CUF 是衡量 RE 电厂的实际产出与其最大可能产出之比的指标。如果违约，RE 发电机必须按照未供应单位数量的 1.5 倍电价向 DISCOM 进行补偿。
考虑电池储能系统的孤岛微电网多目标经济排放调度优化策略
摘要 — 经济调度 (ED) 是电力系统中的关键问题之一。ED 倾向于通过优化传统发电机 (CG) 的尺寸来最小化燃料/运营成本。温室/有毒气体排放是与 CG 相关的主要问题之一。排放调度 (EMD) 通过发电机的最佳输出来减少温室/有毒气体排放。多目标经济排放调度 (MOEED) 问题是通过考虑燃料成本和排放目标来制定的。主要目标是以折衷的方式优化燃料成本和 CG 的环境排放。在本文中，提出了通用代数建模系统 (GAMS) 中的 CONOPT 求解器来寻找微电网的 ED、EMD 和 MOEED 问题的最佳解决方案。微电网由风力涡轮发电机 (WTG)、光伏 (PV) 模块、三个 CG 和一个电池储能系统 (BESS) 选项组成。所提出的算法已经在四个案例研究中实施，包括所有能源、无 WTG、无 PV 模块和无可再生能源 (RES)。为了确定所提出算法的有效性，将其与各种算法进行了比较。比较结果表明，所提出的算法更有效、更新颖、更强大。最后，结果表明，所提出的方法可以有效地优化上述所有案例研究的目标函数，并且 GAMS 中的 CONOPT 求解器在比较中优于所有方法。还介绍了 BESS 对 ED 微电网运营/燃料成本的影响。以 µ G 为单位的需求响应范式正在发生变化。还建立了需求灵活性 (DF) 模型，优化过程中消费者需求发生变化。DF 的结果显示成本降低，需求方管理更好。
卫星运行调度与优化中的若干课题
• 调度和优化算法：针对一个或多个目标（多目标优化）自动生成调度和优化的算法 • 软件架构：生成 docker SW 映像并与 docker 环境和 AI-OBC 交互（读取外部数据库，写入外部数据库）。 • 系统建模：开发有效载荷的 Python 模型，包含功耗、数据生成、操作模式、要求、硬件等特征。 • 约束检查器：开发 Python 代码，能够评估不同有效载荷操作之间的约束，同时考虑平台的当前状态和计划的操作。
多目标粒子群优化算法用于家庭微电网优化调度
应对低电价时期家庭负荷和电动汽车集中用电的挑战对于减轻对公用电网的影响至关重要。在本研究中，我们提出了一种基于多目标粒子群算法的家庭微电网优化调度方法。建立了一个家庭微电网优化模型，考虑了分时电价和用户电动汽车出行模式。该模型专注于优化家庭日常用电成本并最小化电网侧能源供应差异。具体而言，该数学模型将微电网内每个分布式能源的实际输入和输出功率作为优化变量。此外，它还整合了对储能电池和电动汽车电池容量变化的分析。通过在帕累托最优解集内的算术模拟，该模型确定了有效缓解公用事业侧能源输入和输出波动的最优解。模拟结果证实了该策略在降低家庭日常用电成本方面的有效性。所提出的优化方法不仅提高了电力消费的整体质量，而且证明了其经济和实际可行性，凸显了其更广泛的应用和影响的潜力。
考虑碳排放的分布式添加剂制造机的研究文章调度
制造。在竞争日益激烈的经济中，增材制造可以帮助企业保持敏捷，创新和可持续性。考虑到生产和运输引起的碳排放，本文介绍了多站点添加剂制造（AM）机器调度问题。建立了一个混合企业线性编程模型，旨在优化两个独立的目标，以解决多个无关的AM机器环境中的经济和环境可持续性。前者是由生产，运输，设置和迟到的罚款造成的总成本，后者是由生产和运输引起的碳排放总量。该模型在Python中编码，并通过Gurobi Optimizer求解。提供了一个数值示例来表示问题的基本特征，并显示了提出的框架的必要性。针对两种主要情况下的600和1800S时间限制进行了全面的计算研究，结果已详细阐述。本文介绍了考虑由生产和运输引起的经济和环境可持续性的概念，提出了第一个数学模型，并通过一项全面的实验研究来衡量其绩效。
基于 LoRa 的智能空间监控系统的速率单调调度器
摘要 — 智能空间系统配备传感器来收集数据，这些数据可用于了解其环境条件。然后将收集到的数据传输到应用程序，以提高空间的舒适度、生活质量和安全性。长距离 (LoRa) 技术提供长距离覆盖，消耗低能量，非常适合智能空间应用。LoRa 中有六个虚拟通道用于传输数据，但是当节点同时传输数据时，网络会面临干扰问题。干扰问题使 LoRa 不太适合时间紧迫的应用。为了缓解干扰问题，应以最佳方式分配扩频因子。本文使用速率单调调度程序将扩频因子分配给 LN，以确保在截止期限内以最小的能耗传输数据。为了量化接收信息的延迟，我们使用“信息时代”指标。使用 Network Simulator-3 验证了所提出的方法，结果表明它有效地减少了延迟和能量并延长了网络效用。索引词 — 信息时代、物联网、远程通信、调度
关于将大语言模型（LLM）纳入自动化计划和调度（APS）
LLM伞下的这些多样化的模型类型和培训方法展示了语言模型在处理各种185个复杂任务时的灵活性和适应性。Figure 1 illustrates the comparative capabil- ities of different LLMs across various competency domains, such as Writing (evaluating text generation quality), Role- play (assessing conversational interaction), Reasoning (log- ical problem-solving), Math (numerical problem-solving), 190 Coding (programming language understanding and gener- ation), Extraction (information retrieval from text), STEM (proficiency in scientific and technical contexts), and hu族（参与艺术，历史和社会科学内容）。在这些域中，GPT-4在Zheng等人评估的基准数据集中表现出195个最强的性能。（2023a），表明其出色的培训和广泛的知识库。将LLM扩展到诸如代码生成之类的范围内表示其适应性和跨学科创新的潜力。但是，200个微调和中文学习方法也带来了挑战，例如潜在的数据过于适应和依赖输入上下文的质量。llms的持续发展和完善承诺，将在各种领域开放新的边界，包括自动化计划和调度，205，通过用类似人类的语言了解AI。
基于深度强化学习和多目标优化的混合边缘云合作者资源调度方法
摘要 - 边缘终端和云中心之间的集体资源调度被认为是有效完成计算任务并提高服务质量的有希望的手段。在本文中，为了进一步改善可实现的性能，Edge Cloud Resource Scheduling（ECRS）问题基于任务依赖性和功能提取。通过考虑任务完成时间，成本，能耗和系统可靠性作为四个目标，提出了多目标ECRS模型。此外，在我们的工作中采用了基于深钢筋学习（DRL）和多目标优化的混合方法。特定于DRL预处理工作流，而多目标优化方法则努力找到帕累托最佳的工作流程计划决策。在三个具有不同任务数量的真实数据集上进行了各种实验。获得的结果表明，所提出的混合DRL和多目标优化设计优于现有的设计方法。