XiaoMi-AI文件搜索系统
World File Search SystemWOA
使用无线网络带宽优化
2 尼日利亚河流州哈科特港河流州立大学计算机工程系 摘要 - 带宽分配和管理在满足应用程序的服务质量 (QoS) 要求方面发挥着至关重要的作用，并促进了以用户为中心的网络模型的转变。由于带宽是一种稀缺资源，传统的带宽分配方法逐渐被人工智能方法所取代，以提高带宽利用率。在本研究中，研究了鲸鱼优化算法 (WOA) 如何在无线网络中提供最佳带宽分配。WOA 是一种最近的群体智能方法，它模仿了座头鲸的觅食模式。在本研究中，带宽被分配给实时用户 (RTU) 和非实时用户，同时为未来用户保留带宽。模拟是在 MATLAB 中实现的，并从连接概率的角度讨论了结果，重点关注可用带宽和网络上的 RTU 数量。从结果来看，提出的 WOA 技术有效地优化了分配给用户的带宽，并展示了少量带宽的带宽管理。索引术语-鲸鱼优化算法、带宽分配、服务质量、无线网络、连接概率
电力系统中 DG 的优化配置和定型
分布式发电 (DG) 单元是发电厂，对当前电力系统网络的架构非常重要。增加这些 DG 单元的好处是增加网络的电力供应。但是，如果分配和/或大小不正确，安装这些 DG 单元可能会产生不利影响。因此，需要对它们进行最佳分配和大小调整，以避免电压不稳定和投资成本高昂等情况。本文开发了两种基于群的元启发式算法，即粒子群优化 (PSO) 和鲸鱼优化算法 (WOA)，以解决输电网络规划中 DG 单元的最佳位置和大小问题。支持技术损耗敏感度因子 (LSF) 用于识别潜在母线，以实现 DG 单元的最佳位置。在两个 IEEE 母线测试系统（14 和 30 母线）上确认了算法的可行性。比较结果表明，两种算法都能产生良好的解决方案，并且在不同指标上彼此优于对方。 IEEE 14 母线和 30 母线测试系统中，考虑技术经济因素后，WOA 实际功率损耗减少量分别为 6.14 MW 和 10.77 MW，而 PSO 实际功率损耗减少量分别为 6.47 MW 和 11.73 MW。在两个母线系统中，PSO 的总 DG 单元尺寸更小，分别为 133.45 MW 和 82.44 MW，而 WOA 分别为 152.21 MW 和 82.44 MW。本文揭示了 PSO 和 WOA 在输电网络中 DG 单元优化定型应用中的优势和劣势。
独立混合WT/PV/...
摘要：在这项研究中，基于技术，经济和环境参数设计和优化了独立的混合风力涡轮机（WT）/光伏（PV）/生物质/泵 - 水电能源系统，以提供最小能源成本（COE）的目标功能，以提供负载需求。所提出的方法的约束是电源供应概率的损失和多余的能量分数。所提出的方法允许不同能源的组合，以提供混合系统的最佳配置。因此，提出的系统得到了优化，并与WT/PV/Biomass/电池存储基于基于的混合能量系统进行了比较。这项研究提出了三种不同的优化算法，用于调整和最小化COE，包括鲸鱼优化算法（WOA），Fife fl Y算法（FF）和粒子群优化（PSO）和优化程序，并使用MATLAB软件执行。这些算法的结果是选择最有效的，并且根据统计分析选择提供最小COE的结果。结果表明，所提出的杂种WT/PV/生物量/泵 - 氢存储能源系统在环境和经济上是实用的。同时，与其他现有系统相比，结果证明了泵 - 氢储能系统在扩大可再生能源的渗透方面的技术可行性。发现，在使用WOA在相同的负载需求下使用WOA确定的电池储存混合系统（0.254 $/kWh），发现泵送 - 氢存储混合系统的COE低于电池存储混合系统（0.254 $/kWh）的低（0.215 $/kWh）。
美国陆军第 106 届准尉团生日庆典
2024 年 7 月 5 日 — 制服：准尉衬衫或 WOC 级衬衫和 APU 短裤 | 地点：Whitside 体育馆。930-1145：WOA 简报和 LPD。发言人：BG KNELL 和 CW5 GOULD。
Pradipta Kumar Mishra、Suresh Chandra Satapathy* 和 Minakhi 使用基于优化的深度卷积神经网络对 MRI 脑肿瘤图像进行分割
摘要：脑图像分割应该准确完成，因为它有助于预测致命的脑肿瘤疾病，从而可能控制事先知道的恶意脑图像片段。通过脑肿瘤分割程序可以提高脑肿瘤分析的准确性。早期的 DCNN 模型不考虑学习实例的权重，这可能会降低分割过程的准确性。考虑到上述观点，我们提出了一个框架，使用基于群体智能的算法（如遗传算法（GA）、粒子群优化（PSO）、灰狼优化（GWO）和鲸鱼优化算法（WOA））来优化 DCNN 模型的网络参数，例如权重和偏差向量。模拟结果表明，WOA 优化的 DCNN 分割模型优于其他三种基于优化的 DCNN 模型，即 GA-DCNN、PSO-DCNN、GWO-DCNN。
RIE 本地系统规划 2023
- TO 的 LSP 项目与 ISO-NE 区域系统计划项目列表相关联，该项目包含由 ISO 发起的包含区域和本地组件的项目。该项目公开列出于：https://www.oasis.oati.com/woa/docs/RIE/RIEdocs/2023 LSP.pdf
软计算与人工智能杂志
在本文中，我们介绍了两种受自然过程启发的混合元启发式算法：蜂群优化 (BCO) 和鲸鱼优化算法 (WOA)。BCO 算法由 Karaboga 于 2005 年首次提出，借鉴了蜜蜂的觅食行为。它以简单和有效解决各种优化问题而闻名。我们将概述 BCO 算法，包括其在群体智能背景下的原理和修改。这种技术研究由众多相互作用的元素组成的分散系统，其探索能力尤为突出。Mirjalili 和 Lewis 于 2016 年提出的鲸鱼优化算法模仿了座头鲸的气泡网狩猎行为。该算法采用群体智能来避免局部最优，并通过模拟渔网方法平衡探索和开发。它的设计有助于实现最优解并有效避免局部陷阱。我们将 BCO 和 WOA 混合成一种新算法，称为 ABCWOA。该混合算法在 16 个优化任务中进行了测试，频率分别为 (100、200、500、1000)。结果表明，ABCWOA 有效地达到了最优解，通常通过在大多数任务中实现较低的最小值 (𝑓_𝑚𝑖𝑛) 来优于传统搜索算法。
人工智能的工程应用 - Ajith Abraham
多级阈值处理是计算机视觉中的一个重要操作，计算机视觉是人工智能 (AI) 的一个子领域，用于理解和解释现实世界中的数据。现有的基于图像直方图的多级阈值熵方法主要处理除碎片边界之外的熵信息的最大化，这降低了准确性。这些问题导致阈值精度差且速度慢。为了解决这个问题，我们提出了一种基于相互依赖性的新技术，该技术使用碎片边界，这是一个最小化问题。研究了一个第一手目标函数，它处理碎片边界。传统的多级阈值技术由于穷举搜索过程而计算成本高昂，另一种方法是使用基于自然启发算法的进化计算。本文还提出了一种用于多级阈值的新优化器，称为自适应平衡优化器 (AEO)，它是对基本平衡优化器 (EO) 的改进，通过为表现不佳的搜索代理实施自适应分散决策。使用标准基准函数将 AEO 性能与最先进的算法——平衡优化器 (EO)、灰狼优化器 (GWO)、鲸鱼优化算法 (WOA)、松鼠搜索算法 (SSA) 和风驱动优化 (WDO) 算法进行了比较。基于定性和定量分析，AEO 的表现优于 EO、GWO、WOA、SSA 和 WDO。通过使用 AEO 最小化目标函数来获得最佳阈值。对于实验，考虑了 BSDS 500 数据集的 500 张图像。考虑了峰值信噪比 (PSNR)、结构相似性指数 (SSIM) 和特征相似性指数 (FSIM) 等流行指标进行定量分析。在计算复杂度降低的同时，阈值精度存在显著差异。强调了本文的优点，以确保其未来在使用软计算（AI 的一个子领域）的工程应用领域中的应用。
基于WOA-BP算法
温度补偿是解决非分散红外CO 2气体传感器检测准确性受到温度影响的问题的主要措施。由于非分散红外CO 2气体传感器的测量精度很容易受到环境温度的影响，因此本文分析了传感器受温度影响的原因，并提出了一种整合鲸鱼算法（WOA）和BP神经网络的温度补偿方法。鲸鱼算法用于优化BP神经网络的权重和阈值，以建立非分散红外CO 2气体传感器的温度补偿模型，并将优势与传统的BP神经网络模型和粒子群群和粒子群优化（PSO）BP神经网络模型进行比较。实验结果表明，WOA-BP算法的温度补偿模型误差低于30 ppm，平均绝对误差百分比为3.86％，远比BP神经网络和PSO-BP神经网络好得多，并且有效地降低了温度对传感器准确性的影响。
减少了1型糖尿病和神经病的成年人的灰质脑体积和皮质厚度
本文的目的是证明有关预测电化学迁移（ECM）引起的故障的案例研究，该迁移发生在印刷电路板上（PCB）。首先，提供了本研究中使用的栅极驱动程序PCB的简要介绍。在冷凝条件下，研究了在受弱有机酸（WOA）污染的PCB板上发生的电化学反应。基于Comsol，提出了一种方法来模拟电化学反应。要校准模拟中使用的参数，测量了表面绝缘电阻（SIR）上的泄漏电流（LC）。因此，执行了一个参数优化过程，以确保模拟LC匹配测量数据。为了验证所提出的方法，在门驱动器PCB上执行湿度测试。在测试中观察到的失败与模拟LC密度进行了比较，该密度被用作形成ECM的指标。最后，当PCB在实际操作条件下运行时，进行仿真。模拟确定可能发生在PCB上的可能发生的ECM路径。