XiaoMi-AI文件搜索系统
World File Search System多目标
交错锂离子电池组的PCM-FIN结构的多目标优化
摘要：土壤污染对以下除草剂的影响：Harpun 500 SC，Faworyt 300 SL，Akord 180和Mocarz 75 wg对土壤脱氢酶活性的实验室和剂量实验估计，在该实验中，在土壤中反复确定脱水酶活性在土壤中（Loamy Sand）样品。除草剂在制造商建议的剂量上施加到土壤上，并以10-，50-，50-，100-，150和200倍的剂量高于建议的剂量。还尝试通过增加60 g kg –1 d.m的膨润土来减轻除草剂对脱氢酶的负面影响。土壤。 发现所有分析的除草剂都抑制了土壤脱氢酶的活性。 除草剂的不利影响与土壤污染水平呈正相关，并且在整个实验期（112天）（112天）中观察到它们对脱氢酶的抑制作用，并以非常缓慢的速度降低。 脱氢酶活性被证明是对除草剂污染土壤污染程度的良好指标。 膨润土增强了除草剂对脱氢酶的抑制作用。土壤。发现所有分析的除草剂都抑制了土壤脱氢酶的活性。除草剂的不利影响与土壤污染水平呈正相关，并且在整个实验期（112天）（112天）中观察到它们对脱氢酶的抑制作用，并以非常缓慢的速度降低。脱氢酶活性被证明是对除草剂污染土壤污染程度的良好指标。膨润土增强了除草剂对脱氢酶的抑制作用。
室内路径的多目标进化性人工电位
摘要：路径计划对于机器人技术至关重要，使机器人可以从其当前位置到目标位置找到无碰撞的路线。人造潜力领域（APF）方法利用有吸引力的排斥性领域来指导机器人朝目标，同时避免障碍物。但是，由于局部最小值，常规APF的排斥潜在方程可能会产生次优的结果。为了解决这个问题，引入了一种称为多目标进化性人工电位场（MOE-APF）的新颖方法。MOE-APF修改了排斥电势方程，并采用膜计算和遗传算法（GA）来优化一组新的APF参数。健身函数考虑了多个目标：路径长度，平滑度，成功率和安全性。与最新方法的比较称为膜进化性人工电位场（MEMEAPF）表明，MOE-APF显着提高了各种环境之间的路径质量，优化时间和成功率。MOE-APF的多功能性使其能够应对涉及非全面机器人，多个机器人，工业操纵器和动态障碍的路径规划挑战。
通过奖励模型彩排持续的多目标增强学习
多目标加固学习（MORL）方法通过学习最大化的政策来解决现实世界中的问题，以不同的用户偏好加权。典型方法假定目标在整个代理人的寿命中都没有变化。，在某些现实情况下，代理商可能会遇到动态改变学习的方法，即在不同的学习阶段，不同的矢量值奖励功能。在概率公式或算法设计中尚未考虑这个发展目标的问题。为了解决这个问题，我们首次将设置作为连续的MORL（CMORL）问题，这是为了通过学习过程的目标发展。随后，我们提出了通过Re Ward Model Re re Hearsal（Cor E 3）学习的c ontinual多O型信息，从而使动态代理网络不合转，以快速适应新目标。此外，我们开发了一种奖励模型彩排技术，以恢复以前目标的重新信号，从而减轻灾难性的遗忘。在四个CMORL基准测试基准上进行的实验展示了Cor E 3有效地学习满足所有遇到的目标的不同偏好的政策，并以171％的态度表现出最佳的基线，突显了Cor E 3的能力，可以处理具有渐进目标的情况。
热量和电力地热植物优化的多目标方法
摘要：本文介绍了地热植物的名义条件的设计和操作的同时优化，在该植物的名义条件下，地热流体分为两个流以供应有机的兰金循环（ORC）和区域加热网络（DHN）。还研究了DHN的拓扑结构。使用GAMS软件制定并解决了混合整数非线性编程（MINLP）优化问题，以确定ORC的大小和DHN拓扑。在这项研究中，仅将R-245FA用作ORC工作流体，在ORC中考虑了可选的内部热交换器（IHE），并且DHN中的消费者可以确定或可选。通过最大化年度净利润并最大程度地减少工厂中的充分损失来进行多目标优化。使用目标函数的加权总和用于解决问题。通过改变重量因子，获得了帕累托阵线，并与理想但不可行的解决方案的距离允许选择最佳折衷。根据重量因子观察到四种不同的DHN拓扑。使用合适的标准做出决定，所选的配置对应于最小的利润价值最小的DHN。敏感分析表明，如果地热温度较低，无论重量因素如何，都可以获得独特的DHN拓扑。
基于多目标模糊规则的飞机滑行时间预测和不确定性量化
摘要 — 不断增长的空中交通需求和高度互联的空中交通网络给该行业带来了巨大压力，要求其优化空中交通管理 (ATM) 相关性能并开发强大的 ATM 系统。最近在准确预测飞机滑行时间方面所做的努力已在生成更高效的滑行路线和时刻表方面取得了重大进展，从而使其他关键的空侧操作受益，例如跑道排序和登机口分配。然而，很少有研究致力于量化与滑行飞机相关的不确定性。基于确定性和准确的飞机滑行时间预测生成的路线和时刻表可能无法在由于天气条件、操作场景和飞行员行为等因素而产生的不确定性下恢复，从而损害整个系统的性能，因为滑行延误可能会在整个网络中传播。因此，本文的主要目的是利用多目标模糊规则系统根据历史飞机滑行数据更好地量化这种不确定性。初步结果表明，所提出的方法可以以更具信息量的方式捕捉不确定性，因此代表了一种有前途的工具，可以进一步制定稳健的滑行计划，以减少由于滑行时间不确定而造成的延误。
基于随机多目标优化模型的多能源微电网日前调度
摘要：处理多目标问题有几个有趣的好处，其中之一是它为决策者提供了有关帕累托前沿的完整信息，以及对问题所涉及的各种权衡的清晰概述。选择这样的代表性集合本身就是一个多目标问题，必须考虑选择的数量以显示表示的均匀性和/或表示的覆盖范围，以确保解决方案的质量。在本研究中，由于包含诸如多能源多微电网 (MMG) 的运营成本和配电公司 (DISCO) 的利润等目标，日前调度已转变为多目标优化问题。所提出的系统的目的是确定热电联产 (CHP) 装置、燃气锅炉、储能和需求响应计划以及电力和天然气 (NG) 交易的最佳日前运行。电力和天然气由 MG 与 DISCO 以动态和固定价格进行交易。通过场景生成和概率密度函数，考虑了风速、太阳辐射、电力和热量需求的不确定性。通过使用混合整数线性规划 (MILP) 进行场景缩减，生成的场景数量显著减少。使用 ε 约束方法并将其作为混合整数非线性规划 (MINLP) 进行求解，以获得满足这两个非线性目标函数需求的解决方案。
分布式能源资源规划与存储管理的多目标框架
使用储能系统 (ESS) 和分布式发电机 (DG) 来提高可靠性是当今受到研究人员广泛关注的解决方案之一。在本研究中，我们从多目标优化的角度利用多目标优化方法对配电网中的分布式发电机进行优化规划。目标是提高网络的可靠性，同时降低年成本和网络损耗。使用多目标正弦余弦算法的改进版本来确定 DG 的最佳大小、位置和类型以及 ESS 的最佳容量、位置和运行策略。对具有土耳其 DG 和负载数据的 IEEE 33 总线、69 总线和 141 总线测试系统的三个案例研究，以验证所提方法的有效性。将帕累托前沿解和最佳目标函数的分布与其他已知算法进行了比较。模拟结果表明，测试系统的平均未供应能量和年能量损失分别减少了高达 68% 和 64%。此外，根据三种不同的帕累托优化指标，所提方法的帕累托前沿呈现出更好的分布，并且优于 MOGWO、MOSMA、NSGA-II、MOPSO 和 MOEA-D 获得的帕累托前沿。最后，计算工作量结果显示，与 MOGWO、MOSMA、NSGA-II、MOPSO 和 MOEAD 相比，MOSCA 的收敛速度更快。
使用双峰脑电图进行多目标运动想象训练...
传统康复技术存在局限性，大多数患者在卒中后 1 年恢复情况不佳。因此，神经反馈 (NF) 或脑机接口在卒中康复中的应用越来越受到关注。事实上，NF 有可能增强对目标皮质区域的意志控制，从而影响运动功能恢复。然而，目前的实施受到所用特定成像方式的时间、空间或实际约束的限制。在这项试点工作中，也是在文献中首次，我们应用双模 EEG-fMRI NF 对四名具有不同卒中特征和运动障碍严重程度的卒中患者进行上肢卒中恢复。我们还提出了一种新颖的多目标训练方法，引导训练激活同侧初级运动皮质。除了 fMRI 和 EEG 结果外，我们还使用纤维束成像评估皮质脊髓束 (CST) 的完整性。初步结果表明我们的方法可行，并显示出其有可能根据中风缺陷的严重程度诱导同侧运动区域的增强激活。只有两名 CST 和皮质下病变保留的患者成功上调了同侧初级运动皮质，并表现出上肢运动功能改善。这些发现强调了考虑中风患者群体差异的重要性，并使我们能够确定未来临床研究设计的纳入标准。
基于多目标优化问题的智能能源混合系统最优需求管理
摘要。本文提出了一个能源混合系统能源规划的多目标问题。该问题考虑三个主要目标：最大限度地减少发电侧的排放污染和运营成本、解决消费者对电力需求的不满以及减少未来 24 小时内与最佳水平的偏差以平缓需求曲线。为了实现这一目标，实施了需求灵活性策略，包括使用可延迟负荷对电力需求进行最佳转移。所提出的方法利用增强的 epsilon 约束方法来确定目标的帕累托解。此外，还采用 TOPSIS 决策技术从一组帕累托解中选择最优解。通过两个案例研究验证了所提出方法的有效性和稳健性。总体而言，本文强调了在混合系统的能源调度中考虑多目标的重要性，并证明了所提出的方法在实现环境、经济和消费者满意度目标之间的平衡方面的有效性。需求灵活性策略和多目标优化技术的使用可以显著改善能源系统的运行，为更高效的能源管理实践铺平道路。与没有实施需求侧管理相比，实施需求侧管理已使第一和第二个目标分别显著减少了 2.8% 和 64.9%。
癌症的灯光和阴影多目标抑制剂Rigosertib（ON-01910.NA）
摘要：Rigosertib（ON-01910.NA）是新型合成苄基苯乙酸酯家族的小分子成员。目前正在进行几种骨髓增生综合征和白血病的III期临床试验中，因此接近临床翻译。缺乏对其作用机理的理解，阻碍了Rigosertib的临床进展，因为它目前被认为是多目标抑制剂。rigosertib首先被描述为有丝分裂主调节蛋白酶样激酶1（PLK1）的抑制剂。近年来，一些研究表明，rigosertib也可能与PI3K/AKT途径相互作用，充当RAS-RAF结合模拟物（改变RAS信号途径），作为微管稳定剂，或作为压力诱导的磷酸化循环液的激活剂，最终具有磷酸化的磷酸化和磷酸化的磷酸化。了解Rigosertib的作用机理具有值得探索的潜在临床意义，因为它可能有助于调整癌症疗法并改善患者的结局。