XiaoMi-AI文件搜索系统
World File Search System遗传算法
通过隐基因遗传算法优化多航天器地月空间领域感知系统
本文提出了一种优化问题公式，以通过多航天器监测解决地月空间域感知 (SDA) 的挑战。由于关注点范围广以及动态环境丰富，传统的地球架构设计方法难以满足地月 SDA 的设计要求；因此，越来越需要在地月轨道上部署多航天器系统以实现 SDA。基于多航天器的地月 SDA 架构的设计会产生一个复杂的多目标优化问题，其中必须同时考虑航天器数量、可观测性和轨道稳定性等参数。通过使用多目标隐基因遗传算法，本研究探索了与地月 SDA 问题相关的整个设计空间。演示案例研究表明，我们的方法可以提供针对成本和效率进行优化的架构。
基于遗传算法的技术经济优化
最佳混合可再生能源技术的抽象实施是补充国家电网能源供应以满足智慧城市和农村地区的能源需求的最有前途和环境有益的方法之一。可再生能源不可预测的增长是系统的主要弱点之一，其初始成本很高，可靠性低和总能源输送技术，可以通过使用足够的存储设备或不同的互连能源来纠正。使用本研究中开发的基于遗传算法的模型来提高孤立的混合能源系统效率。风力涡轮机，太阳能光伏，柴油发电机和存储电池被考虑用于数据分析和验证。将使用名为Homer的标准程序获得的发现与获得的结果进行了比较。模型输入变量，能源成本，能源损失概率和可再生部分用于产生许多因素，例如各种化合物，温度和自治日的尺寸，数量和价格以及环境考虑。关键字：混合能源系统；优化;遗传算法；可再生能源；智能城市
具有推理原始形式主义的遗传算法
摘要 量子退火是一种计算方法，其中优化和机器学习问题被映射到受量子涨落影响的物理实现的能量景观中，允许利用这些涨落来帮助找到世界上一些最具挑战性的计算问题的解决方案。最近，由于构建了基于通量量子比特的大规模量子退火设备，该领域引起了广泛关注。这些设备已经实现了一种称为反向退火的技术，允许在本地搜索解决方案空间，并且已经测试了基于这些技术的算法。在本文中，我开发了一种量子退火器算法设计的形式化，我称之为“推理原语”形式化。这种形式化自然适合于表达结构上类似于遗传算法的算法，但退火处理器执行组合交叉/变异步骤。我演示了如何使用这些方法来理解已经实现的算法，以及这些控制与当前为提高量子退火器性能而进行的各种其他努力的兼容性。
基于最大化自耗策略和遗传算法的电池储能系统优化运行计划综合评价模型
摘要：当太阳能电池板无法产生足够的能量时，建立储能系统是有益的。然而，在可行性和效率方面存在一个重大问题。这些限制可以通过部署最佳运行策略来克服。在以前的研究中，研究人员通常专注于在这种情况下寻找解决问题的策略，只有一两个评估指标，缺乏对综合目标的全面评估。此外，很少有研究提出适用于具有不同能源需求特征的基于预测的运行场景的电池系统通用模型。因此，本研究开发了一个电池储能系统运行计划优化的综合评估模型，该模型具有详细、全面的分析以及实施的实用性。为了尽可能迅速、完全地消耗光伏发电的最大允许速率，该模型基于最大化自耗策略 (MSC)。采用遗传算法对光伏发电和负载需求进行时间匹配，充分考虑综合技术经济指标和总运行成本。该模型在典型的美国房屋中进行了验证，根据所分析的三种电池的技术经济指标选择最佳电池系统。研究发现，Discover AES、Electriq PowerPod2 和 Tesla Powerwall+ 这三种电池都可以作为储能选项，在短时间充电和放电阶段，它们的技术性能存在细微差别。Discover AES 的优势在于，在电池储能系统长期运行期间，可以及时利用光伏发电来满足负载需求。通过机器学习方法正确预测建筑能源需求，可以进一步扩展模型的稳健性和预测性能。机器学习方法被证明可行，可以使我们的优化模型适应具有不同能源需求特征的各种电池存储场景。这项研究在两个方面具有创新性。首先，使用 MSC 策略的遗传算法进行分层优化。其次，将机器学习方法与遗传算法结合使用，对预测计划进行在线优化。此外，本文提出的制定最佳运行计划的方法具有三大优点，即：通用性、实施方便和可扩展性好。然而，电池储能系统的充电和放电性能是在短期运行和常规太阳辐射下模拟的。未来应研究考虑太阳波动的长期运行。
使用规范化互信息特征选择和并行量子遗传算法进行入侵检测
针对入侵检测系统（IDS）检测速度慢、自适应性差、检测准确率不高等问题，提出一种基于自适应并行量子遗传算法的正则化互信息特征选择与多算子协同进化的检测算法（NMIFS MOP-AQGA）。为了对高维特征数据进行有效约简，采用NMIFS方法选择最佳特征组合，将最佳特征送入MOP-AQGA分类器进行学习训练，得到入侵检测器，将数据输入检测算法，最终产生准确的检测结果。在真实异常数据上的实验结果表明，NMIFS MOP-AQGA方法比现有检测方法具有更高的检测准确率、更低的误报率和更强的自适应性能，尤其对于小样本集更为有效。
基于遗传算法优化的最小电极子集的自动选择方法，用于精确的 EEG 源估计
高密度脑电图 (HD-EEG) 已被证明是估计大脑内部神经活动精度最高的 EEG 蒙太奇。多项研究报告了电极数量对特定源和特定电极配置的源定位的影响。这些配置的电极通常是手动选择的，以均匀覆盖整个头部，从 32 个电极到 128 个电极，但电极配置通常不是根据它们对估计精度的贡献来选择的。在本文中，提出了一项基于优化的研究，以确定可使用的最小电极数量，并确定可以保持 HD-EEG 重建定位精度的最佳电极组合。这种优化方法结合了广泛使用的 EEG 蒙太奇的头皮标志位置。这样，可以针对单源和多源定位问题系统地搜索最小电极子集。非支配排序遗传算法 II (NSGA-II) 结合源重建方法用于制定多目标优化问题，该问题同时最小化 (1) 每个源的定位误差和 (2) 所需的 EEG 电极数量。该方法可用于评估低密度 EEG 系统（例如消费级可穿戴 EEG）的源定位质量。我们对已知真实值的合成和真实 EEG 数据集进行了评估。实验结果表明，对于单个源情况，具有 6 个电极的最佳子集可以达到与 HD-EEG（具有 200 多个通道）相同或更好的精度。在重建特定大脑活动时，在合成信号中超过 88% 的情况和在真实信号中超过 63% 的情况都会发生这种情况，而在考虑具有 8 通道的最佳组合时，分别在超过 88% 和 73% 的情况下也会发生这种情况。对于三源多源情况（仅使用合成信号），研究发现，在至少 58%、76% 和 82% 的情况下，8、12 和 16 个电极的优化组合可达到与 231 个电极 HD-EEG 相同或更好的精度。此外，对于这样的电极数量，获得的平均误差和标准偏差低于 231 个电极。
本研究旨在研究人工智能对约旦商业银行网络治理有效应用的影响。目标分为确定专家系统对约旦商业银行网络治理的影响、确定神经网络对约旦商业银行网络治理的影响、确定遗传算法对约旦商业银行网络治理的影响以及确定智能代理对约旦商业银行网络治理的影响，目前的研究对象包括在安曼证券交易所上市的（13）家约旦商业银行，研究样本包括会计部门的所有员工、内部审计员和程序员。研究人员以电子方式向研究样本成员分发了（208）份问卷，每家银行分发（16）份问卷，并以同样的方式回收问卷。然后，研究人员收回了 208 份问卷，其中（7）份问卷由于在回答所有段落时遵循了模式方法而无法进行分析，因此研究人员有（201）份问卷可用于统计分析，这表明人工智能技术和应用（专家系统、神经网络、遗传算法和智能代理）与约旦商业银行网络治理的有效应用之间存在相互依赖关系，因为这些技术和应用有助于提高网络治理的有效性。因此，约旦的商业银行有必要更多地依赖先进的系统，以便银行能够使用现代计算机设备和软件，从而增加这些银行对网络治理有效应用的依赖，以根据其战略跟进业务和任务的进展。
本研究旨在研究人工智能对约旦商业银行网络治理有效应用的影响。目标分为确定专家系统对约旦商业银行网络治理的影响、确定神经网络对约旦商业银行网络治理的影响、确定遗传算法对约旦商业银行网络治理的影响以及确定智能代理对约旦商业银行网络治理的影响，目前的研究对象包括在安曼证券交易所上市的（13）家约旦商业银行，研究样本包括会计部门的所有员工、内部审计员和程序员。研究人员以电子方式向研究样本成员分发了（208）份问卷，每家银行分发（16）份问卷，并以同样的方式回收问卷。然后，研究人员收回了 208 份问卷，其中（7）份问卷由于在回答所有段落时遵循了模式方法而无法进行分析，因此研究人员有（201）份问卷可用于统计分析，这表明人工智能技术和应用（专家系统、神经网络、遗传算法和智能代理）与约旦商业银行网络治理的有效应用之间存在相互依赖关系，因为这些技术和应用有助于提高网络治理的有效性。因此，约旦的商业银行有必要更多地依赖先进的系统，以便银行能够使用现代计算机设备和软件，从而增加这些银行对网络治理有效应用的依赖，以根据其战略跟进业务和任务的进展。
使用面向网格的遗传算法降低和灵活性提高的可再生能源生成器的最佳放置
摘要：可再生能源生成器（REG）单位的最佳计划有助于满足未来的电力需求，并提高灵活性。因此，本文提出了一种基于遗传算法（GA）的混合组合（GA）和使用分析功率流方程的溶液，以最佳的量和放置电力系统网络中的REG单元的位置。GOGA的目标是系统损失最小化和灵活性改善。使用KRON方程，目标函数表示系统损失是不同发电机生成的功率的函数。基于电压偏差和系统损耗，提出了一种灵活性指数（FI）来评估灵活性的改善。在测试系统的各种总线上放置REG之后，将执行功率流量运行，并计算系统损耗，这被认为是染色体纯度值。GOGA通过更改REG单元的位置来搜索拟合度函数的最低值。交叉，突变和替换算子来生成新的染色体，直到根据REG的大小和位置获得最佳解决方案为止。在印度的Rajasthan Rajya Vidyut Prasaran Nigam Ltd.（RVPN）的Rajasthan Rajya Vidyut Prasaran Nigam Ltd.（RVPN）的一部分的一部分进行了一项研究。使用线性拟合模型计算了10年时间范围的载荷预测。进行了成本 - 固定分析，并确定拟议的GOGA提供了一种可行的可行解决方案，具有提高的灵活性。确定GOGA可确保高收敛速度和良好的解决方案准确性。此外，与常规GA相比，GOGA的性能优越。
DGAFF：EEG 的深度遗传算法适应度形成......
脑机接口系统旨在通过直接将脑信号翻译成计算机信号来促进人机交互。最近，使用多个电极使这些系统的性能更好。然而，增加记录电极的数量会导致额外的时间、硬件和计算成本，以及记录过程不必要的复杂性。通道选择已被用于降低数据维度并消除不相关的通道，同时降低噪声影响。此外，该技术降低了实时应用中的时间和计算成本。我们提出了一种通道选择方法，它将顺序搜索方法与一种称为深度 GA 适应度形成 (DGAFF) 的遗传算法相结合。所提出的方法加速了遗传算法的收敛并提高了系统的性能。系统评估基于一个轻量级深度神经网络，该网络可自动化整个模型训练过程。所提出的方法在对所利用的数据集上的运动意象进行分类方面优于其他通道选择方法。
资源的双重建设性遗传算法 -
摘要 - 许多基于项目的组织（包括建筑和土木工程公司）出现了许多基于项目的组织。已经提出了针对资源有限的项目调度问题的许多启发式和元启发式方法。在本文中，提出了两个建设性遗传算法针对资源构成的多个项目调度问题提出的，该问题受益于许多优先级和几个辅助规则，这些规则被供应串行时间表生成方案（SGS），其中使用辅助规则来打破几个活动相等的优先级值。从多项目调度问题库（MPSPLIB）网站检索了不同尺寸的数值标准问题，并且在不同方案中分析了数值结果。然后，使用遗传算法来改善其参数通过实验设计（DOE）调谐的结果。这项研究的结果表明，所提出的方法的性能显着改善了几个问题实例的解决方案，并在mpsplib中注册。关键字 - 项目调度，多个项目，优先规则，决胜局，遗传算法。