XiaoMi-AI文件搜索系统
World File Search System分配问题
电池调度中的位置分配方法......
对于日益增长的电池电动公交车 (BEB) 车队市场而言，制定稳健的充电计划对于成功采用至关重要。在本文中，我们提出了一个 BEB 充电调度框架，该框架考虑了时空调度约束、路线调度、快速和慢速充电选项以及电池动态，并以混合整数线性规划 (MILP) 建模。MILP 基于泊位分配问题 (BAP)，这是一种以最佳方式分配服务船只的方法，并采用称为位置分配问题 (PAP) 的修改形式进行调整，该问题分配电动汽车 (EV) 进行充电。包括线性电池动态以模拟公交车在车站的充电情况。为了考虑 BEB 在各自路线上的放电，我们假设每个 BEB 在运输过程中都会经历平均 kWh 的电量损失。优化协调 BEB 充电，以确保每辆车的充电状态 (SOC) 保持在指定水平以上。该模型还最大限度地减少了使用的充电器总数，并优先考虑慢速充电以保证电池健康。使用从犹他州交通局 (UTA) 采样的 35 辆公交车和 338 次充电站访问的一组路线来证明该模型的有效性。该模型还与基于充电阈值的启发式算法（称为 Qin 改进方法）进行了比较。结果表明，MILP 框架通过比 Qin 改进方法更容易地为 BEB 分配慢速充电器来促进电池健康。MILP 使用一个快速充电器和六个慢速充电器，而 Qin 改进方法使用四个快速充电器和六个慢速充电器。此外，MILP 全天保持指定的最低 SOC 25%，并在工作日结束时达到所需的最低 SOC 70%，而 Qin 改进方法在没有任何约束的情况下无法将 SOC 保持在 0% 以上。此外，结果表明，在考虑电池动态并最小化充电器数量和消耗成本的同时，时空约束得到满足。
不确定需求条件下绿色供应链金融利益分配研究
摘要：随着环保意识的增强，绿色供应链金融得到广泛认可，然而由于利益分配机制不完善导致其发展受阻。因此本研究尝试将这一理念融入到绿色供应链金融中，以更好地解决不确定环境下的利益分配问题，并基于夏普利值法构建了多目标绿色供应链金融利益分配模型。根据研究结果，当企业预期利润超过指标利润时，将运用夏普利值法合理配置资源。此外，通过政府监管，也将提高帕累托效率，这不仅可以解决企业开展绿色金融时的公平冲突，还可以保证资源的公平分配，使资源的使用更加有序。
遥感中的支持向量机：综述
人们不断提出和评估各种用于分析机载和卫星图像的方法。在本文中，我们回顾了支持向量机 (SVM) 的遥感实现，这是一种很有前途的机器学习方法。由于近年来发表的著作数量呈指数级增长，因此这次回顾非常及时。SVM 在遥感领域特别有吸引力，因为它们即使在有限的训练样本下也能很好地概括，这是遥感应用的常见限制。但是，它们也存在参数分配问题，这会严重影响获得的结果。提供了一百多篇已发表著作（截至 2010 年 4 月）各种应用的实证结果摘要。我们希望这次调查将为 SVM 的未来应用和可能的算法增强领域提供指导。© 2010 国际摄影测量与遥感学会 (ISPRS)。由 Elsevier B.V. 出版。保留所有权利。
空军理工学院 - DTIC
目录 页码 摘要………………………………………………………………………………………...iv 致谢……………………………………………………………………………………………………...…v 目录…………………………………………………………………………………………vi 图表列表……………………………………………………………………………………...viii 表格列表…………………………………………………………………………………………...ix I. 简介………………………………………………………………………………….1 背景………………………………………………………………………………………1 问题陈述……………………………………………………………………………….2 研究问题……………………………………………………………………………….3 调查问题………………………………………………………………………………..3 研究目标………………………………………………………………………………4 研究范围和局限性……………………………………………………………………4方法论……………………………………………………………………………………..5 总结……………………………………………………………………………………6 II.文献综述…………………………………………………………………………8 介绍………………………………………………………………………………8 全面资产可视性……………………………………………………………………………….....8 射频识别 (RFID) ……………………………………………………………..21 RFID 在民用工业中的应用……………………………………………………………………31 伊拉克自由行动 (OIF) 补给分配问题………………………………...37 OIF 期间自动识别技术的使用………………………….43 综合…………………………………………………………………………………………45 总结……………………………………………………………………………………..46 III.方法论………………………………………………………………………………47 章节概述………………………………………………………………………………....47 问题陈述………………………………………………………………………….…..47 研究范式………………………………………………………………………….…..48 访谈选择……………………………………………………………………….…….52 访谈问题……………………………………………………………………….54 数据来源/数据分析……………………………………………………………...56 总结……………………………………………………………………………….….63
精确打击的演变 - CSBA
战略与预算评估中心 (CSBA) 是一个独立的、无党派的政策研究机构，旨在促进有关国家安全战略和投资选择的创新思维和辩论。CSBA 的目标是使政策制定者能够就战略、安全政策和资源分配问题做出明智的决策。CSBA 为行政和立法部门的高级决策者以及媒体和更广泛的国家安全界提供及时、公正和有见地的分析。CSBA 鼓励深思熟虑地参与国家安全战略和政策的制定，以及稀缺的人力和资本资源的分配。CSBA 的分析和推广重点关注与美国国家安全现有和新出现的威胁有关的关键问题。应对这些挑战需要改变国家安全机构，我们致力于帮助实现这一目标。
量子计算
示例 - 在机场的优化是具有量子优势的用例，慕尼黑机场的QAR-LAB已经确定了门分配问题（差距，优化问题，将飞行证人分配给门口）。在小规模上，我们使用QAOA对D-Wave系统的量子退火硬件以及公司Rigetti和IBM公司的量子计算机进行了建模和执行。对于2号航站楼机场的生产运营，根据QUBO建模计算了12,500 QUAT。这应该是逻辑Qubit，Google 2假设其超导技术需要1,000个物理量子来实施逻辑Qubis，麦肯锡3个名字1,000-10,000，这是技术特定技术的。与Tu Delft合作，我们考虑如何有效地进行误差校正，因此需要少于10 3-10 4的物理量子。此外，连贯性时间为
基于DAG 和AHP-TOPSIS 算法的多乘员协同任务分配方法研究
等方面 . 人机功能分配主要包括静态和动态两种类型 , 静态功能分配是从功能特性和需求分析入手 , 通过比较人 和系统在完成该功能上的能力优势或绩效优劣 , 决定该功能分配给人还是系统 . 动态功能分配方法则是在静态 人机功能分配的基础上 , 当动态触发机制响应时 , 允许系统在运行阶段根据情况的变化将功能在人与系统之间 动态地重新分配 , 提高整体的工作效率 . 多智能体的任务分配是指在作战开始前 , 指挥中心通常会根据已掌握的 战场信息 , 对己方作战单元进行任务预分配 . 但随着战场情景变化以及突发情况的出现 , 预分配方案可能会使得 执行任务的效能降低 , 多智能体如何调整自身任务 , 使得执行任务的效能保持最大是其研究的主要内容 . 计算机 任务调度研究的是将任务动态地调用给各个虚拟机并提供给用户使用 , 怎样合理地将任务分配给不同的虚拟机 , 进而提升整个系统的性能是其研究的重点 . 以上分配原则对于多乘员分配有很好的参考价值 , 但舱室乘员间任 务分配时 , 主要考虑到人的特性 , 需要以人的理论基础来加以研究 [4] . 针对实际作战过程中 , 乘员应对非预期事件效率低下的问题 , 本文提出了一种多乘员协同动态任务分配方 法 . 在非预期事件触发时 , 对任务进行 DAG 分解及分层 , 根据乘员脑力负荷、乘员能力、任务相关度以及时间成 本四个因素 , 按照一定的任务分配顺序 , 基于 AHP-TOPSIS 方法进行乘员的优选 , 实时更新乘员状态 , 并以此为 依据进行下一任务的分配 . 任务分配过程可实现随乘员状态变化而动态调整 , 达到负荷均衡、效能最优 , 从而将 多任务分配问题简化为单个任务的多属性决策问题 .
可解释的人工智能作为解决鸭子曲线问题的一种方法
本文提出了一种解决能源圈内通常称为鸭曲线问题的电力负荷分配问题的新方法。鸭曲线问题是一条曲线，显示公用事业公司为其消费者提供的总电力负荷（来自火力发电厂的能源）与风能和太阳能发电（或本地发电）满足部分负荷（可再生资源或绿色能源）后的负荷之间的差异。这种方法基于无监督学习长短期记忆（LSTM）和注意力机制，旨在对鸭曲线预测做出清晰的解释，并了解这种差异的明确原因，从而帮助决策者更好地解释曲线并有效地解决问题。信息和通信技术（ICT）和物联网（IoT）对于绿色能源的部署是必不可少的。因此，可以利用不同传感器的数据作为支撑，验证本地生产层面的信息，以有效、有针对性的方式解决“鸭子曲线”问题。
量子 QAP 求解器
图上的组合优化 (CO) 是一个关键但具有挑战性的研究课题。最近的量子算法为解决 CO 问题提供了新的视角，并有可能展示出量子优势。量子近似优化算法 (QAOA) 是一种众所周知的由参数量子电路构建的 CO 量子启发式算法。然而，QAOA 最初是为无约束问题设计的，电路参数和解是通过耗时的迭代联合求解的。在本文中，我们提出了一种新颖的量子神经网络 (QNN)，用于以监督的方式学习 CO 问题，以获得更好、更快的结果。我们专注于具有匹配约束和节点置换不变性的二次分配问题 (QAP)。为此，设计了一种称为 QAP-QNN 的量子神经网络来将 QAP 转换为受约束的顶点分类任务。此外，我们在 TorchQauntum 模拟器上研究了两个 QAP 任务：图匹配和旅行商问题，并通过实证证明了我们方法的有效性。
使用整数线性规划的绿色数据中心独立可再生能源系统调度
摘要 考虑到数据中心在世界各地的分布及其巨大的能源消耗，一些研究人员专注于任务调度和资源分配问题，以尽量减少数据中心的能源消耗。其他举措则侧重于实施绿色能源，以尽量减少化石燃料的消耗和二氧化碳排放。作为 ANR DATAZERO 项目 [ 34 ] 的一部分，一些研究团队旨在定义完全绿色数据中心的主要概念，该数据中心仅由可再生能源供电。为了实现这一目标，必须注重高效管理由太阳能电池板、风力涡轮机、电池和燃料电池系统组成的自主混合动力系统。这项工作的目的不是证明独立的数据中心在经济上可行，而是证明其可行性。本文提出了一组基于混合整数线性规划的模型，该模型能够管理能源承诺，以满足数据中心的电力需求。该方法在优化时会考虑季节和天气预报。