XiaoMi-AI文件搜索系统
World File Search System优化目标
rw aac hen Univ ersity Inst It a ...
本报告是DLR设计挑战2024的一部分创建的，并展示了EcoAir，这是一架针对76名乘客的区域飞机，计划于2050年进入服务。该报告包含最初的设计概念注意事项，详细的技术数据和成本计算的任务分析。ATR-72-600是EcoAir的参考和基线飞机。在概念设计阶段，主要优化目标是操作灵活性，直接运营成本和飞机效率。所得设计利用低温液体氢作为唯一的燃料来源。燃料在燃料电池中用于为4个主要发动机和创新的边界层摄入发动机供电，从而显着提高了空气动力学效率。这使EcoAir能够完全无排放。电池可在需要时从燃料电池中存储过多的电能，并在板载系统中供应。这保证了最佳能源利用。其他关键功能包括翅膀上的鲨鱼皮技术和混合层流控制控制，从而减少了空气动力学的阻力。此外，可折叠的机翼可以允许在较小的类别中将生态航空归类，从而可以访问众多机场。许多机场。被分类为较小类别的另一个优点还需要减少限制性操作要求。通过电动的鼻子起落轮进一步降低了这些要求，这使自动滑行并因此驱逐了对卡车的需求。ecoAir wird mit der atr-72 als referenz- undflugzeug verglichen。通过无窗的机身最小化制造成本，同时保持了乘客友好的机舱，并带有反对布局和OLED屏幕，可以投射外部视图。飞机用单个飞行员运行，并得到AI系统的支持，可维持高安全标准并降低成本。论文特征与参考飞机相比，总体导致的直接运营成本明显降低。本报告是DLR设计挑战2024的一部分创建的，并引入了EcoAir，这是一架针对2050年计划调试的76名乘客的简短飞机。该报告显示了有关基本概念，详细技术数据和成本计算的任务分析的第一个考虑因素。在指定，操作灵活性，直接运营成本和环境影响方面是优化目标。结果是唯一的燃料。燃料用于燃料电池中，以驱动四个主要发动机和创新的后引擎，以用于边界移动吸收，从而显着提高了空气动力学效率。以这种方式，Ecoair完全无效 - 无效。电池可在燃料电池中存储过多的电能，并在必要时将其转发到内部系统。这保证了能源的最佳使用。关键特征是鲨鱼皮技术和降低空气阻力的机翼上的混合层流控制控制。此外，翼展可以是可折叠的，以便在较小的飞机类别中获得更便宜的分类，该类别可以使用更多的机场。较小类别中分类的另一个优点是限制性的操作要求较小。通过启用自动角色的电动错误，这些要求将进一步降低，因此不再需要推动力。无窗机身的制造成本保持较低，而带有自由空间平面图和OLED屏幕的乘客机舱则设计了外观的设计。飞机由一名飞行员提供服务，该飞行员得到了基于AI的系统的支持，以确保高安全标准并降低机组人员的成本。与参考飞机相比，这些特征导致直接运营成本明显降低。
考虑效率下降和定期重新接种疫苗的 SIRS 模型
在本文中，我们扩展了数学流行病学中的经典 SIRS（易感-感染-恢复-易感）模型，加入了一个接种疫苗的区间 V，以解释不完善的疫苗，其效力会随着时间的推移而减弱。SIRSV 模型将人群分为四个区间，并引入了定期重新接种疫苗以减弱免疫力。假设疫苗的效力会随着接种疫苗后的时间推移而衰减。对人群进行定期重新接种疫苗。我们为连续接种疫苗时间开发了一个偏微分方程 (PDE) 模型，并在离散化接种期时开发了一个耦合的常微分方程 (ODE) 系统。我们分析了 ODE 模型的均衡，并研究了无病平衡 (DFE) 的线性稳定性。此外，我们探索了一个优化框架，其中疫苗接种率、重新接种疫苗时间和非药物干预 (NPI) 是控制变量，以尽量减少感染水平。优化目标是使用不同的基于规范的感染个体测量来定义的。使用路径跟踪方法对模型在不同控制参数下的动态行为进行数值分析。分析重点关注疫苗接种策略和接触限制措施的影响。分岔分析揭示了复杂的行为，包括双稳态、折叠分岔、前向和后向分岔，强调需要结合疫苗接种和接触控制策略来有效管理疾病传播。
天空地一体化网络中的移动边缘计算：架构、关键技术与挑战
摘要：天空地一体化网络（SAGIN）为异构网络中无处不在的用户提供了无缝的全球覆盖和跨域互联，极大地促进了智能移动设备和应用的快速发展。然而，对于计算能力和能量预算有限的移动设备来说，满足计算密集型无处不在的移动应用的严格延迟和能量要求仍然是一个严峻的挑战。因此，鉴于地面移动网络的巨大成功，在SAGIN中引入移动边缘计算（MEC）已成为解决该挑战的有前途的技术。通过在移动网络边缘部署计算、缓存和通信资源，SAGIN MEC既提供低延迟、高带宽，又提供广泛覆盖，大大提高了移动应用的服务质量。由于其高度动态、异构和复杂的时变拓扑结构，仍然存在许多前所未有的挑战。因此，在SAGIN中有效的MEC部署、资源管理和调度优化具有重要意义。然而，现有的研究大多只关注网络架构和系统模型，或对计算卸载的具体技术进行分析，而没有对SAGIN的关键MEC技术进行完整的描述。基于此，本文首先提出了SAGIN网络系统架构和服务框架，随后描述了其特点和优势。然后，详细讨论了SAGIN中的MEC部署、网络资源、边缘智能、优化目标和关键算法。最后，讨论了SAGIN中MEC的潜在问题和挑战。
Majid K. Abbas、Qusay Hassan*、Marek Jaszczur、Zuhair S. Al-Sagar、Ali N. Hussain、Ali Hasan 和 Abdulmajeed Mohamad 模拟 ph 的能量可见性
摘要：本文对两种与电网连接的能源系统（传统和可再生能源）进行了技术和经济分析。调查使用实验测量所需负载和天气数据（太阳辐照度和环境温度）进行，测得的日能耗为 5.1 kWh，太阳辐照度的年平均值为 4.6 kWh/m 2 /天。模拟过程使用 MATLAB 和 HOMER 软件以 1 分钟的时间步长分辨率完成。针对两种能源系统方案（i）光伏/电网和（ii）柴油/电网提出的经济优化目标考虑了基于伊拉克市场和法规的经济方面和组件价格。柴油发电机在农村地区非常受欢迎，设计为与光伏系统在同一时间（仅在白天）工作。年运行时间为 4380 小时/年，发电量约为 2349 kWh/年，燃料消耗为 1826 升/年。结果表明，情景 (i) 中的光伏系统可产生约 7895 千瓦时的电能，情景 (ii) 中的柴油发电机可产生约 2346 千瓦时的电能。此外，情景 (i) 的平准化净现值成本为 1079 美元，能源成本约为 0.035 美元/千瓦时，而情景 (ii) 的平准化净现值成本为 12,287 美元，能源成本为 0.598 美元/千瓦时。与柴油发电机相比，强烈建议使用太阳能，因为太阳能成本最低，并且能将能源输送到电网。此外，它每年可捕获约 5295 千克二氧化碳。
基于计算智能的分层虚拟发电厂优化
摘要 在可再生能源的背景下，虚拟发电厂 (VPP) 被视为智能控制复杂、分散、分布式和异构发电过程的关键技术。然而，VPP 的经济和生态控制是一项非常关键的任务：由于 VPP 在复杂性、技术组合、环境条件和运行期间需要优化的目标方面具有很大的变化性，单个 VPP 的控制需要能够有效地考虑所有这些单独的约束条件。因此，我们在本文中提出了一种结合计算智能 (CI) 元启发式的 VPP 抽象控制方法，该方法旨在灵活适用于不同的 VPP 规模、目标和发电厂类型。此外，该方法还提供了构建分层 VPP 的可能性，因为这通常是系统运营商的要求。为了证明该控制方法的有效性，考虑了三个示例性优化目标，并将其应用于不同组合的扁平/分层 VPP：最小化运行储备需求、最小化 CO 2 排放量和最大化发电厂灵活性。此外，该方法与三个示例性 CI 元启发式方法相结合并进行评估：模拟退火 (SA)、粒子群优化 (PSO) 和蚁群优化 (ACO)。为了使这种先进的 CI 元启发式方法在优化问题中的使用合法化，梯度下降优化 (GDO) 作为一种传统的优化技术也被考虑在内。基于具体的示例场景以及广泛的汇总测试运行，结果表明该控制方法能够有效地优化各种 VPP 组合以实现给定的目标。
基于强化学习
摘要：乘车共享中的核心问题是设计合理的算法以匹配驱动程序和Pasengers。受到各种约束的影响，例如在现实世界中的天气，流量和供应按需动态，需要优化多个目标，例如总平台收入和乘客等待时间。由于其在约束和优化目标方面的复杂性，乘车共同的匹配问题成为移动运输领域的核心问题。但是，现有的研究缺乏对驾驶员收入公平性的探索，并且某些算法实际上不适用于工业环境。为了解决这些缺点，我们开发了一种面向公平的动态匹配算法，用于乘车共享，有效地优化了驾驶员之间的总体平台效率（预期的总驾驶员收入）和收入公平（驱动程序之间加权摊销公平信息的熵）。首先，我们在场景设置中引入了匹配结果对随后匹配的时间依赖性，并使用了强化学习来预测这些时间依赖性，克服了仅依赖历史数据和当前情况下订单分配的传统匹配算法的限制。然后，我们实施了一系列优化解决方案，包括引入时间窗口匹配模型，修剪操作和度量表示调整，以增强算法的适应性和大型数据集的可伸缩性。这些解决方案还确保该算法的效率。最后，在实际数据集上进行的实验表明，基于强化学习的公平性算法分别在公平，平台效用和匹配效率方面，比传统算法相比，改善了81.4％，28.5％和79.7％。
联合学习的最佳客户选择算法
research p oster s ummary联合学习（FL）系统[5]允许培训机器学习模型分布在多个客户端，每个客户都使用私人数据。传统上，在几轮中，FL执行三个步骤直到停止条件发生：1。服务器将全局模型权重发送给客户端； 2。每个客户端在本地使用私人数据训练模型，并将其权重发送给服务器；和3。服务器合并了客户端的权重，以制定改进的全局模型。由于资源和数据的异质性，客户选择在FL系统的功效[1]，[2]，[6]，[8]，[8]，[11] - [14]中起着至关重要的作用。训练回合所花费的时间由最慢的客户确定。此外，能源消耗和碳足迹也被视为主要问题。在这种情况下，我们提出了FL：MEC和ECMTC的两种最佳时间和能源的客户选择算法。第一个将训练时间和总能量消耗最小化，而第二个则逆转了两个指标之间的优先级，同时还要满足截止日期。尽管相关工作的贡献，但据我们所知，这项工作是第一个提出算法，通过共同优化执行时间和能源消耗，同时定义每个客户应在本地使用多少数据，从而使具有异质资源的客户选择算法。在我们的方法中，客户选择被建模为必须分配给一组客户端r的任务t数。每个客户端I具有一组分配容量（A I），其中任务象征着本地数据单位。此外，我有时间（P I）和能量（E I）成本与其分配的任务数（X I）相关的每个客户端。给定的一轮具有与其所选客户端相关的pan和en gy的费用，分别表示为优化目标c max和σe，它们定义为c max：= maxi∈Rp i（x i）和σe：= p
迈向利用量子计算机解决优化问题的自动化框架
摘要 — 利用量子计算机优化目标函数将带来巨大好处，有望在未来提高各个应用领域的解决方案质量。然而，要发挥量子求解器的潜力，就必须根据二次无约束二元优化 (QUBO) 模型来制定问题，这需要具备丰富的量子计算和 QUBO 公式专业知识。这种专业知识障碍限制了量子解决方案的获取。幸运的是，将传统优化问题自动转换为 QUBO 公式为提高量子求解器的可访问性提供了一种解决方案。本文解决了尚未满足的全面自动化框架需求，该框架可帮助用户利用量子求解器进行优化任务，同时保留与传统优化实践非常相似的界面。该框架提示用户指定变量、优化标准以及有效性约束，然后允许他们选择所需的求解器。随后，它会自动将问题描述转换为与所选求解器兼容的格式并提供最终解决方案。此外，该框架还提供了分析解决方案有效性和质量的工具。与文献中现有的库和工具的比较分析突出了所提框架的全面性。考虑了两个用例（背包问题和线性回归）来显示该框架在实际应用中的完整性和效率。最后，所提出的框架代表了在自动化量子计算解决方案和扩大更广泛用户对量子优化的访问方面取得的重大进步。该框架作为 Munich Quantum Toolkit (MQT) 的一部分在 GitHub (https://github. com/cda-tum/mqt-qao) 上公开提供。索引术语 —QUBO、量子计算、设计自动化、量子优化、量子退火器、量子近似优化算法、变分量子特征求解器、Grover 自适应搜索
人工智能在增强成人减肥方面的潜力：范围审查
摘要 目的：概述如何使用人工智能 (AI) 来调节饮食和节食行为、运动行为和减肥。设计：根据 Arksey 和 O'Malley 的五步框架，对从创刊到 2020 年 12 月 15 日发表的全球文献进行范围界定审查。搜索了八个数据库（CINAHL、Cochrane – Central、Embase、IEEE Xplore、PsycINFO、PubMed、Scopus 和 Web of Science）。两名审阅者独立筛选纳入的研究以确定其是否符合资格，具有良好的评分者间信度（k = 0.96）。结果：在 5573 项潜在研究中，共纳入 66 项，代表超过 2031 名参与者。确定了自我调节的三个原则 - 自我监控（n 66, 100%）、优化目标设定（n 10, 15.2%）和自我控制（n 10, 15.2%）。文章也被分为三种人工智能应用，即机器感知（n 50）、仅预测分析（n 6）和具有个性化微干预的实时分析（n 10）。机器感知侧重于识别食物、饮食行为、身体活动和估计能量平衡。预测分析侧重于预测体重减轻、干预依从性、饮食失误和情绪化饮食。最后一个主题的研究重点是评估人工智能辅助的体重管理干预措施，这些干预措施可即时收集行为数据、优化行为失误事件的预测模型，并通过自适应和个性化的推动/提示增强行为自我控制。只有六项研究报告了平均体重减轻（2.4 – 4.7%），其中两项具有统计学意义。结论：人工智能在减肥方面的应用仍未得到发展。根据目前的研究结果，我们提出了一个人工智能在减肥方面的适用性框架，但警告称，其取决于参与度和情境化。
原创科学论文《巴基斯坦工业需求的混合微电网规划、规模和优化》
摘要：工业部门对每个国家的经济增长都具有重要意义。巴基斯坦的能源危机已成为该国经济发展的主要绊脚石。许多工业过程需要不间断供电；即使是微不足道的停电也可能造成数百万美元的损失。巴基斯坦“负荷削减”的主要原因是其大部分能源来自化石燃料，而化石燃料的价格和需求不断上涨。大多数工业和商业客户在电网供应不可用时使用柴油发电机 (D i G ) 作为可靠的替代电力来源。在负荷削减时段使用 D i G 会增加每千瓦时的能源成本 (COE )，也会增加环境排放。巴基斯坦拥有广泛的可再生能源，如生物能源、风能、太阳能、水力发电、地热能等。本文特别强调了在巴基斯坦费萨拉巴德实施工业微电网。微电网的预期效益主要分为三类：降低成本、节省燃料和改善环境排放。本工作的优化目标是最大化这些优势。此外，在设计混合微电网系统时，它会遇到许多设计挑战，例如组件的尺寸、系统可行性、COE、系统可靠性等。这项研究有助于正在进行的混合微电网系统研究，并提请关注考虑多种技术经济因素的最佳设计和尺寸，包括净现值（NPC）、COE、供应可靠性、容量短缺约束、电池充电状态（SOC）、调度策略、光伏发电和光伏阵列跟踪系统。研究了不同的案例；使用（可再生能源混合优化模型）HOMER 解决微电网规模、技术经济探索、敏感性分析和环境影响。结果表明，所提出的系统的 COE 和环境排放已显着减少。关键词：环境排放；化石燃料；HOMER；工业微电网；巴基斯坦能源危机，可再生资源 1 引言