XiaoMi-AI文件搜索系统
World File Search System动态规划
基于模式匹配的量子电路重写框架
摘要 量子算法的实现依赖于根据底层量子处理器进行特定的量子编译。然而，在不同的物理设备中，有各种方法来物理实现量子比特并操纵这些量子比特。这些差异导致了不同的通信方法和连接拓扑，每个供应商都实现了自己的一组原始门。因此，量子电路必须重写或转换才能从一个平台移植到另一个平台。我们提出了一个基于模式匹配的量子电路重写框架，称为 QRewriting。它利用了一种使用符号序列的量子电路新表示。与使用有向无环图的传统方法不同，新的表示使我们能够轻松识别非连续出现但可简化的模式。然后，我们将模式匹配问题转换为寻找不同子序列的问题，并提出了一种基于多项式时间动态规划的模式匹配和替换算法。我们开发了一个用于基本优化的规则库，并将算术和 Toffoli 电路从常用的门集重写为 Surface-17 量子处理器支持的门集。与在 BIGD 基准上优化的最先进的量子电路优化框架 PaF 相比，QRewriting 进一步将深度和门数分别平均减少了 26.5% 和 17.4%。
实时电力市场中的最佳提前一小时竞价...
摘要。随着风能和太阳能使用量的增加，人们越来越关注使用电网级存储来平滑可能出现的供应变化。能源套利，即购买、储存和出售电力以利用电力现货价格变化的过程，正在成为支付电网级存储昂贵投资的重要方式。独立系统运营商（如纽约独立系统运营商 (NYISO)）要求电池存储运营商在一小时前市场中投标（尽管结算可能以最小 5 分钟的增量进行，这被认为是接近“实时”的）。运营商必须在不知道小时开始时电池中的能量水平的情况下进行这些投标，同时考虑小时结束时剩余能量的价值。该问题被表述为动态程序。我们描述并使用了一种收敛近似动态规划 (ADP) 算法，该算法利用价值函数的单调性来寻找创收竞标策略；使用最佳基准，我们通过经验展示了该算法的计算优势。此外，我们提出了一种与分布无关的 ADP 算法变体，该算法不需要了解价格过程的分布（并且不对特定的实时价格模型做出任何假设）。我们证明，使用这种与分布无关的方法，根据来自 NYISO 的历史实时价格数据训练的策略确实是有效的。
R18 技术学士CSE（数据科学）III 和 IV 年 JNTU ...
能够分析算法的性能 能够为指定的应用程序选择合适的数据结构和算法设计方法 能够理解数据结构的选择和算法设计方法如何影响程序的性能 UNIT - I 简介：算法、性能分析-空间复杂度、时间复杂度、渐近符号-大 oh 符号、欧米茄符号、西塔符号和小 oh 符号。 分而治之：一般方法，应用-二分查找、快速排序、归并排序、施特拉森矩阵乘法。 UNIT - II 不相交集：不相交集合运算、联合和查找算法 回溯：一般方法、应用、n 皇后问题、子集和问题、图着色 UNIT - III 动态规划：一般方法，应用-最佳二叉搜索树、0/1 背包问题、所有对最短路径问题、旅行商问题、可靠性设计。第四单元贪婪法：通用方法，应用-有截止期限的工作排序，背包问题，最小成本生成树，单源最短路径问题。第五单元分支定界：通用方法，应用-旅行商问题，0/1背包问题-LC分支定界解决方案，FIFO分支定界解决方案。NP-Hard和NP-Complete问题：基本概念，非确定性算法，NP-Hard和NP-Complete类，Cook定理。教科书：
R18 B.Tech. CSE（网络安全）III 和 IV 年
能够分析算法的性能 能够为指定的应用程序选择合适的数据结构和算法设计方法 能够理解数据结构的选择和算法设计方法如何影响程序的性能 UNIT - I 简介：算法、性能分析-空间复杂度、时间复杂度、渐近符号-大 oh 符号、欧米茄符号、西塔符号和小 oh 符号。 分而治之：一般方法，应用-二分查找、快速排序、归并排序、施特拉森矩阵乘法。 UNIT - II 不相交集：不相交集合运算、联合和查找算法 回溯：一般方法、应用、n 皇后问题、子集和问题、图着色 UNIT - III 动态规划：一般方法，应用-最佳二叉搜索树、0/1 背包问题、所有对最短路径问题、旅行商问题、可靠性设计。第四单元贪婪法：通用方法，应用-有截止期限的工作排序，背包问题，最小成本生成树，单源最短路径问题。第五单元分支定界：通用方法，应用-旅行商问题，0/1背包问题-LC分支定界解决方案，FIFO分支定界解决方案。NP-Hard和NP-Complete问题：基本概念，非确定性算法，NP-Hard和NP-Complete类，Cook定理。教科书：
M.TECH.（采矿工程）部分 - 瓦拉纳西
M.TECH.（采矿工程）第一部分第一学期 MN5101：运筹学（3 个学分）运筹学简介基本概念。线性规划单纯形法、对偶问题和后最优性分析。动态规划概念、递归方程方法、计算程序、正向和反向计算以及维数问题。网络分析网络表示、关键路径计算、项目调度中的概率和成本考虑、时间表的构建和资源平衡。库存模型定义、确定性和概率模型。排队论基本概念、到达和离开的公理推导、泊松队列的分布、泊松排队模型、非泊松排队模型、具有服务优先级的排队模型。非线性规划无约束外部问题、约束外部问题、规划 - 可分离、二次、随机和几何。 MN5102：应用岩石力学（3 学分）地应力地壳中的地应力。地应力测定方法。矿井开口周围的应力各种形状的矿井开口周围的应力分布。矿井开口和矿柱的设计支架设计岩石锚杆、锚索、顶板封堵、喷射混凝土、房柱支撑和长壁工作面。采空区支撑崩落和填充力学。岩爆和冲击机制、预测和控制。沉降机制、预测和控制。竖井柱设计。
汽车动力传动系统能量转换器的选择和优化方法
AC 交流电 AFC 碱性燃料电池 APU 辅助动力装置 ASE 车用斯特林发动机 ATDC 上止点之后 B 电池 BMEP 制动器平均有效压力 BSFC 制动器燃油消耗率 BTDC 上止点之前 C 冷凝器 CC 燃烧室 CCB 燃烧室鼓风机 CO 一氧化碳 CVT 无级变速器 CCGT 联合循环燃气轮机 DC 直流电 DMFC 直接甲醇燃料电池 DOE 能源部 DP 动态规划 E 能源 EC 能量转换器 ECGT 外燃式燃气轮机 ECU 电子控制单元 EECU 发动机电子控制单元 EG 电动发电机 EG 废气 EM 电机 EMS 能源管理策略 EPA 环境保护署 EREV 增程式电动车 FC 燃料电池 FC 燃油消耗 FCS 燃料电池系统 FCV 燃料电池车 G 变速箱 GHG 温室气体 GT 燃气轮机 GWP 全球变暖潜能值 H2 氢气 He 氦气 HEV 混合动力电动车 HEX 热交换器 HSS 氢气储存系统 ICE 内燃机 IcRGT等温压缩再生式燃气轮机 IcRIeGT 等温压缩再生式等温膨胀燃气轮机 IcRReGT 等温压缩再生式再热燃气轮机 IRGT 中间冷却再生式燃气轮机 IRReGT 中间冷却再生式再热燃气轮机
太阳能与电池储能系统的最佳整合
摘要 —本文利用实际数据讨论了光伏 (PV) 系统与电池储能系统 (BESS) 的优化设计。具体来说，我们确定了光伏板的最佳尺寸、BESS 的最佳容量以及 BESS 充电/放电的最佳调度，以使包括电费和光伏系统在内的长期总成本最小化。优化是通过考虑大量参数来执行的，例如能源使用、能源成本、天气、地理位置、通货膨胀以及太阳能电池板和 BESS 的成本、效率和老化效应。为了捕捉老化效应、通货膨胀和折现经济回报等长期因素的影响，该问题被表述为混合整数非线性规划 (MINLP) 问题，时间范围涵盖太阳能电池板和 BESS 的整个生命周期，约为十年或更长时间，而几乎所有现有的光伏系统设计工作都考虑了几天或几周的短得多的时间范围。将 MINLP 转化为混合整数线性规划 (MILP)，并通过分支定界 (B&B) 算法进行求解。由于时间范围较长，MILP 的复杂度较高。然后，使用动态规划提出了一种新的低复杂度算法，其中表明 MINLP 问题可以转化为满足贝尔曼最优原理的问题。将新开发的算法应用于旧金山商业用户的实际数据表明，该系统在第 66 个月达到盈亏平衡点，并将系统总成本降低了 29.3%。
![arXiv:2006.01610v1 [cs.AI] 2020 年 6 月 2 日](/simg/g:\will\search\icon\source\c\c14b5ee8297f1f5ec8a1eefd93238c5c993dbd04.png)
arXiv:2006.01610v1 [cs.AI] 2020 年 6 月 2 日
组合优化已应用于从航空航天到交通规划和经济学等众多领域。其目标是在有限的可能性集合中找到最佳解决方案。组合优化面临的众所周知的挑战是状态空间爆炸问题：可能性的数量随着问题规模的增加而呈指数增长，这使得解决大问题变得困难。近年来，深度强化学习 (DRL) 已显示出其在设计专门用于解决 NP 难组合优化问题的良好启发式方法方面的前景。然而，当前的方法有两个缺点：（1）它们主要关注标准旅行商问题，不能轻易扩展到其他问题，（2）它们仅提供近似解，没有系统的方法来改进它或证明最优性。在另一个背景下，约束规划 (CP) 是解决组合优化问题的通用工具。基于完整的搜索过程，如果我们允许执行时间足够长，它将始终找到最佳解决方案。一个关键的设计选择是分支决策，它决定了如何探索搜索空间，这使得 CP 在实践中变得不可或缺。在这项工作中，我们提出了一种基于 DRL 和 CP 的通用混合方法来解决组合优化问题。我们方法的核心是基于动态规划公式，它充当了两种技术之间的桥梁。我们通过实验表明，我们的求解器可以有效解决两个具有挑战性的问题：带有时间窗口的旅行商问题和 4 矩投资组合优化问题。获得的结果表明，引入的框架优于独立的 RL 和 CP 解决方案，同时与工业求解器具有竞争力。
控制与仪表工程
16MA607 数值方法与优化 4 - 0 - 0 - 4 方程和特征值问题的解：线性插值法、假位置法、牛顿法、不动点定理陈述、不动点迭代、高斯消元法解线性系统、高斯-约登法和迭代法、高斯-约登法求矩阵逆、幂法求矩阵特征值。常微分方程的初值问题：单步法、泰勒级数法、欧拉法和修正欧拉法、用于解一阶和二阶方程的四阶龙格-库塔法。多步法：Milne 和 Adam 的预测器和校正器方法。线性规划：公式化、图形和单纯形法、大 M 方法、两相法、对偶单纯形法、原始对偶问题。无约束一维优化技术：必要和充分条件。无限制搜索方法：斐波那契和黄金分割法、二次插值法、三次插值和直接根法。无约束 n 维优化技术：直接搜索法、随机搜索、模式搜索和 Rosen Brooch 的山丘声称法、下降法、最速下降法、共轭梯度法、拟牛顿法。约束优化技术：必要和充分条件、等式和不等式约束、Kuhn-Tucker 条件、梯度投影法、割平面法、罚函数法。动态规划、最优化原理、递归方程方法、最短路线应用、货物装载、分配和生产计划问题。教科书/参考文献：1.S. S. Rao，“能源优化理论与实践”，John Wiley and Sons，2009 年。2.Taha H. A.，“运筹学——导论”，第八版，Prentice Hall
RAPIDx：用于序列比对的高性能 ReRAM 处理内存加速器
摘要 — 基因组序列比对是许多生物应用的核心。测序技术的进步产生了大量的数据，使序列比对成为生物信息学分析的关键瓶颈。现有的比对硬件加速器存在片上内存有限、数据移动成本高、比对算法优化不佳等问题。它们无法同时处理测序机产生的大量数据。在本文中，我们提出了一种基于 ReRAM 的加速器 RAPIDx，使用内存处理 (PIM) 进行序列比对。RAPIDx 通过软硬件协同设计实现了卓越的效率和性能。首先，我们提出了一种适用于 PIM 架构的自适应带状并行比对算法。与原有的基于动态规划的比对相比，所提出的算法显著降低了所需的复杂度、数据位宽和内存占用，而准确性下降却微不足道。然后，我们提出了实现所提算法的高效 PIM 架构。 RAPIDx 中的数据流实现了四级并行，我们在 ReRAM 中设计了一个原位比对计算流，与我们之前的 PIM 设计 RAPID 相比，效率和吞吐量提高了 5.5-9.7 倍。所提出的 RAPIDx 可重新配置为集成到现有基因组分析流程中的协处理器，以增强序列比对或编辑距离计算。在短读比对中，RAPIDx 分别比最先进的 CPU 和 GPU 库提供了 131.1 倍和 46.8 倍的吞吐量改进。与用于长读比对的 ASIC 加速器相比，RAPIDx 的性能高出 1.8-2.9 倍。