XiaoMi-AI文件搜索系统
World File Search Systemmemetic
出版物清单
100。Combining a memetic algorithm with integer programming to solve the prize- collecting Steiner tree problem, (with G. Klau, I. Ljubic, A. Moser, P. Mutzel, P. Neuner, G. Raidl, R. Weiskircher), Proceedings of the GECCO Genetic and Evolutionary Computation Conference, Seattle, 2004, Springer Lecture Notes in Computer Science 3102 , 1304–1315，2004。
![arxiv：2411.01922v1 [CS.NE] 2024年11月4日](/simg/3\3d8777baa2c564922fab1dc64d0a10d1a423f37a.webp)
arxiv：2411.01922v1 [CS.NE] 2024年11月4日
抽象的模因算法是在基于人群和基于轨迹的算法组件之间协调相互作用的技术。在参与中，在这种广泛的解释下可以将一些模型视为一组自主基本优化算法，它们以合作的方式相互作用，以解决特定的优化问题，旨在获得比单独构成其构成的算法更好的结果。超出了这种合作优化算法的传统观点的一步，这项工作解决了深度元合作，即使用合作优化算法，其中某些组件又可以是合作方法，从而表现出深层的算法结构。本文的目的是证明可以将这种模型视为其他传统形式合作算法的有效替代方法。为了验证这一主张，已经分析了不同的结构参数，例如代理之间的通信拓扑或影响合作努力深度的参数（元合并的深度）。为此，已经执行了解决特定组合问题（工具切换问题）的最新合作方法的比较。结果表明，深层模型可有效解决此问题，超过了文献中提出的元启发式学。
在车辆临时网络中的基于模糊的高效和面向区块链的安全路由
车辆临时网络（VANET）代表了无线传感器网络（WSN）的改进，其移动感官节点位于车辆内。车辆Adhoc网络在智能城市的应用中处于关键位置，因为车间通信被认为是维持城市技术效率必不可少的。尽管Vanet提供了好处，但它在智能城市应用程序的背景下遇到了许多挑战和缺点。这样的挑战与Vanet的安全和隐私原则有关。隐私和安全性作为与Vanet相关的主要问题，促使多个研究人员在过去十年中提出安全解决方案。目前的研究工作着重于提高服务质量（QoS）的提高数据通信的安全性水平。通过使用区块链技术以及将椭圆曲线加密功能与安全的哈希功能集成以保护从节点到移动控制单元（MCU）的数据通信来实现此安全性增强。此外，提出的研究工作通过采用神经模糊逻辑来识别从源节点到移动控制单元（MCU）的最佳路径，为移动节点和控制单元之间的数据提供了有效的路由机制。将提出的工作与现有的密码方法以及最新的路由路径优化算法，即粒子群优化（PSO），遗传算法（GA），模因算法（MA）（MA）和Honey Bee优化（HBO），以及在计算时间内交付，以确定其优势，即通过PARTIT和分组，并在计算时间内建立优势。
引用：Eurlings CGMJ、Bektas S、Sanders-van Wijk S 等。利用人工智能评估冠状动脉疾病风险，无需
摘要 目的 预测冠状动脉疾病 (CAD) 的存在与否具有临床重要性。指南中使用的预测概率 (PTP) 和 CAD 联盟临床 (CAD2) 模型和风险评分作为应用侵入性检测或让患者出院的唯一指导不够准确。不需要额外非侵入性测试的人工智能尚未在这种情况下使用，因为该模型的先前结果很有希望，但仅适用于高风险人群。然而，仍然缺乏对临床最相关的低风险患者的验证。设计回顾性队列研究。设置荷兰一家学术医院的二级门诊护理。参与者我们纳入了 696 名从初级保健转诊的患者，以进一步检测是否存在 CAD。使用接收者操作特性 (ROC) 曲线（曲线下面积 (AUC)）将结果与 PTP 和 CAD2 进行比较。 CAD 的定义为侵入性冠状动脉或 CT 血管造影中至少一根冠状动脉狭窄 >50%，或 6 个月内发生冠状动脉事件。结果测量第一个队列验证了在低风险到中等风险队列中的两个高风险人群中开发的基于模因模式的算法 (MPA) 模型，以改善风险分层，从而非侵入性地诊断是否存在 CAD。结果人群中 49% 为男性，平均年龄为 65.6±12.6 岁。16.2% 患有 CAD。MPA 模型、PTP 和 CAD2 的 AUC 分别为 0.87、0.80 和 0.82。应用 MPA 模型导致 67.7% 的患者可能出院，可接受的 CAD 率为 4.2%。结论 在低风险至中等风险人群中，MPA 模型可以很好地对 CAD 的存在与否进行风险分层，并且与传统风险评分相比，ROC 更好。结果令人鼓舞，但需要前瞻性验证。