XiaoMi-AI文件搜索系统
World File Search Systemswarm
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。
无线传感器网络中的孔检测和愈合的群智能
对监视特定区域的无线传感器网络的需求不断增长，促使人们对随着时间的推移维持覆盖率进行了广泛的研究。对此目标的主要威胁是由随机节点部署或失败引起的覆盖漏洞。本研究提出了一种基于智能的算法，以检测和治愈覆盖孔。群的群依赖于局部和相对信息，以响应检测到的孔，并将潜在的磁场导航到最接近的孔。代理将其看法量化以有效分散，从不同方向接近孔以加速愈合。基于几何标准，群体在沿孔边界的本地最佳位置部署，同时防止冗余部署。代理部署更新了潜在的领域，引导其余的群体朝着未弄脏的区域，并确保对新洞的动态检测和跟踪，甚至在地区边界附近。实验研究表明，与最先进的溶液相比，覆盖范围较高，显示出良好的可扩展性和对不同孔尺寸，形状和多重性的灵活性。此外，它对代理商的看法及其失败的腐败表现出很高的鲁棒性，同时有效地管理电池水平。
基于Solana区块链技术的战斗无人机群（CDSS）
摘要本文研究了Solana区块链技术在管理战斗无人机群中的应用，重点是提高军事和救灾操作中的安全性，可靠性和透明度的能力。我们提出了一个模型，即无人机群网，该模型利用了Solana的高吞吐量和低潜伏期，以确保无人机之间的实时决策和稳健的通信。我们的分析包括与传统系统的比较研究，强调了区块链在可伸缩性和安全性方面的优势。我们以现实世界中的适用性，监管挑战以及整合新兴技术的未来方向结束。区块链群管理可以帮助在区块链平台上注册每个无人机。数字签名的交易，数据出处和共识机制可以立即识别和无人机之间已损坏的数据。生存能力和整体战斗有效性使其能够完成诸如群体对抗和森林消防等艰难任务。
基因组分辨的元文字组学揭示了合成微生物群中保守的根定植决定因素
摘要：近年来，协作机器人已成为行业4.0的主要动力之一。与工业机器人相比，自动化的导向车辆（AGV）更具生产力，灵活，多功能和更安全。它们在智能工厂被用于运输货物。今天，许多工业机器人的生产商和开发商都进入了AGV领域。但是，他们在设计AGV系统（例如设计过程的复杂性和不连续性）以及定义分散系统决策的困难方面面临着一些挑战。在本文中，我们提出了一种基于群体机器人技术的新的集成设计方法，以应对功能，物理和软件集成的挑战。此方法包括两个阶段：一个自上而下的阶段，从需求规范到使用系统建模语言（SYSML）的功能和结构建模；在机器人操作系统（ROS）中进行模型集成和实现的自下而上阶段。选择了自动导向车辆（AGV）系统的案例研究以验证我们的设计方法，并说明了其对AGV的有效设计的贡献。这种提出的方法的新颖性是SYSML和ROS的结合，以解决AGV系统的不同设计级别之间的可追溯性管理，以实现功能，物理和软件集成。
通过约束航空结构粒子群优化进行飞机螺旋桨设计
摘要：通过螺旋桨设计方法与粒子群优化 (PSO) 相结合，开发了一种降低螺旋桨驱动飞机能耗的航空结构算法。优化过程中考虑了多种螺旋桨参数，包括每个螺旋桨截面的翼型几何形状。螺旋桨性能预测工具采用收敛改进的叶片元素动量理论，该理论由从 XFOIL 和经过验证的 OpenFOAM 获得的翼型气动特性提供。根据实验 NACA 4 位数据估计失速角校正，并在出现收敛问题时使用。对气动数据进行校正以考虑压缩性、三维、粘性和雷诺数效应。根据实验数据拟合提出了旋转校正系数。采用基于欧拉-伯努利梁理论的结构模型，并根据有限元分析对其进行验证，同时讨论了离心力的影响。进行了一个案例研究，将弦长和螺距分布与涡流理论的最小损失分布进行了比较。使用印刷螺旋桨进行风洞试验，以得出整个程序的可行性以及 XFOIL 和 CFD 最佳螺旋桨之间的差异。最后，将最佳 CFD 螺旋桨与具有相同直径、螺距和运行条件的商用螺旋桨进行比较，显示出更高的推力和效率。
XPRIZE 利用 Swarm AI 技术优化 Visioneers 峰会创意
对于 XPRIZE 分组讨论会的导师们来说，Swarming 让来自世界各地的不同领导者能够在短时间内就大量提案的优点进行协商。与之前使用传统投票方法的会议相比，Swarm AI 技术不仅确保了会议上的每个人的声音都能被听到，而且这一过程还优化了这一特殊思想聚会的集体智慧。
使用粒子群优化人工神经网络检测黑色素瘤
黑色素瘤是一种最可怕的皮肤癌，死亡率很高，最初是通过临床筛查、皮肤镜分析、活检和组织病理学检查进行目视诊断的。如果诊断和早期治疗延误，就会变得很危险。图像处理技术的最新发展有助于有效地检测黑色素瘤，因为由于病变的细粒度变化，检测黑色素瘤是一项艰巨的工作。本文研究了一种使用粒子群优化人工神经网络分析病变不规则性的新分类程序。在本研究论文中，提取病变的颜色特征并使用 PSO-ANN 分类器进行分类。通过标记假阳性率和真阳性率获得的接收者操作特性在分析计算机辅助诊断系统的诊断潜力方面起着至关重要的作用。应用于 ISIC 数据库的分类技术表明曲线下面积为 0.96853，特异性为 90.0%，灵敏度为 94.07%，准确率为 93.04%。
在混乱环境中基于激光雷达的空中跟踪的分散群轨迹生成
摘要 - 具有多个无人机（UAV）的航空跟踪在各种应用中具有广泛的潜力。但是，现有的群追踪作品通常缺乏在混乱环境中保持高目标可见性的能力。为了解决这种缺陷，我们提出了一个分散的计划者，该计划者可以最大化目标可见性，同时确保无碰撞的动作进行群体跟踪。在本文中，首先通过分散的动力学搜索前端对每个无人机的跟踪性能进行了分析，该搜索为初始化安全的飞行走廊和可见扇区提供了最佳的指导路径。之后，满足走廊约束的多项式轨迹是由空间 - 周期性优化器产生的。车间碰撞和避免阻塞也被纳入优化目标。通过与其他尖端作品进行广泛的基准比较来验证我们方法的范围。与基于自主激光雷达的群体系统集成在一起，提出的计划者在现实世界中展示了其效率和鲁棒性，这些实验杂乱无章。
使用多组学聚类和量子猫群优化增强癌症亚分类
癌症因其复杂性和严重性一直是医学界面临的最大挑战之一 [1]。癌症分类至关重要，因为确定癌症的具体类型对于确定适当的治疗方法至关重要，而适当的治疗方法最终将提高患者的生活质量 [2]。先前对癌症亚型分类的研究依赖于临床和组织病理学特征，但这些方法往往不足以捕捉癌症的分子异质性 [3]。随着高通量技术的进步，多组学数据（包括基因组学、转录组学、蛋白质组学和代谢组学）变得更容易获取。多组学数据的整合可以更准确、更全面地了解癌症亚型 [4]。然而，这些矩阵中的高维度和海量数据给分析和解释带来了重大挑战。
使用粒子群优化算法进行可再生能源系统中的储能优化
1 莫斯科国立土木工程大学，129337，Yaroslavskoe shosse, 26，莫斯科，俄罗斯 2 电子工程系，GRIET，Bachupally，海得拉巴，特伦甘纳邦，印度。 3 机械工程系，KG Reddy 工程技术学院，Chilkur(Vil)，Moinabad(M)，Ranga Reddy(Dist)，海得拉巴，500075，特伦甘纳邦，印度。 4 奇特卡拉大学研究影响与成果中心，拉贾普拉- 140417，旁遮普，印度 5 北阿坎德邦大学，德拉敦 - 248007，印度 6 洛夫利专业大学，帕格瓦拉，旁遮普，印度 7 奇特卡拉研究与发展中心，奇特卡拉大学，喜马偕尔邦 - 174103，印度 8 计算机工程与应用系，GLA 大学，马图拉-281406（UP），印度 9 计算机技术工程系，伊斯兰大学技术工程学院，纳杰夫，伊拉克 通讯作者：nidziyen@mgsu.ru