XiaoMi-AI文件搜索系统
World File Search System局部最优
基于模型的剂量查找讨论 Björn Bornkamp 和 Andrew Hooker 的演讲
• 优化标准 • 例如目标剂量估计的精度 • 仅限局部最优 • 取决于要估计的参数 • 以局部最优设计的效率为基准 • 更大数量的剂量组以确保稳健性 • 自适应设计
![arXiv:2204.04024v1 [cond-mat.stat-mech] 2022 年 4 月 8 日](/simg/g:\will\search\icon\source\3\3465770f76cbaee30ab99249168e851a5db89e1a.webp)
arXiv:2204.04024v1 [cond-mat.stat-mech] 2022 年 4 月 8 日
我们提供了低自相关二进制序列问题能量景观结构的最新视图，该问题属于 NP 难类的典型代表。为了研究感兴趣的景观特征，我们使用局部最优网络方法，通过穷举提取问题规模最大为 24 的最优图。使用几个指标来描述网络：最优的数量和类型、最优盆地结构、度和强度分布、通向全局最优的最短路径以及基于随机游走的最优中心性。总之，这些指标为低自相关二进制序列问题的难度提供了定量且连贯的解释，并提供了可用于优化启发式方法的信息，用于解决此问题以及具有类似配置空间结构的许多其他问题。
用于优化井位的代理辅助量子行为算法
摘要 石油天然气行业在优化井位问题方面面临困难。这些问题本质上是多峰的、非凸的和不连续的。已经开发了各种传统和非传统的优化算法来解决这些困难。然而，这些技术仍然陷入局部最优，并且对不同的油藏提供不一致的性能。因此，本研究提出了一种代理辅助量子行为算法，以获得更好的井位优化问题解决方案。所提出的方法在不同的实施阶段采用了不同的元启发式优化技术，例如量子启发式粒子群优化和量子行为蝙蝠算法。使用两个复杂油藏来研究所提出方法的性能。进行了比较研究以验证所提出方法的性能。结果表明，所提出的方法为两个复杂油藏提供了更好的净现值。此外，它解决了其他井位优化方法中表现出的不一致性问题。
基于 qudit 的高效光子量子计算方案
由于集成光子技术的最新进展，线性光学是实现量子计算协议的一种有前途的替代方案。在这种情况下，通常考虑基于量子比特的量子电路，然而，光子系统自然也允许 d 元，即基于量子数位器的算法。这项工作研究了由 d > 2 光学模式中单个光子的可能光子数状态定义的量子数位器。我们展示了如何使用线性光学和光子数解析探测器构建局部最优非确定性多量子数位器门，并探索在 ad 元优化问题中使用量子数位器簇状态。我们发现，与具有相似计算能力的量子比特簇状态相比，量子数位器簇状态需要更少的光学模式，并且由更少数量的纠缠光子编码。我们通过将我们的量子数位器方案应用于 k 着色问题来说明其优势。
优化储能系统运行和...
为改进储能系统充放电策略，提高储能系统经济性，本文提出一种基于增强鲸鱼算法的新方法。考虑到标准鲸鱼算法在高维多目标优化中容易陷入局部最优，本研究引入混沌映射和个体信息交换机制来解决这一问题。该算法通过包围和气泡搜索探索不同储能设备位置和容量的最优配置，评估各种优化多目标函数。此外，该算法改进了系统运行模型和储能配置模型，以分析储能系统年平均收益为目标函数。模型测试结果表明，该算法使储能系统容量衰减更缓和，运行时间延长至3124天，储能系统全生命周期收益高达1821623.68元。此外，无论问题的复杂程度如何，我们的算法都表现出很高的效率，具有最短的测试时间（68.36 秒）和快速优化（每个周期 0.031 秒）。
气候变化对太阳能、水力和风能效率和可靠性的潜在影响
摘要：气候变化通过影响负荷和发电量来影响电力系统。在可再生能源的背景下了解这种影响至关重要，因为它们的市场份额已经增加并将继续增长。本研究通过应用可再生能源工厂所需的间歇性、电力生产和存储的新指标作为历史气候变化的函数，调查了气候变化对可再生能源供应的影响。在这里，我们重点关注并比较了两个不同的地点，即巴利阿里群岛的帕尔马和阿拉斯加的科尔多瓦。对 1950-2020 年期间的风、太阳辐射和降水的分析的主要结果表明，气候变化既影响总供应量，又影响其变化。重要的是，这种影响因地点而异。该分析证明了评估可再生能源的局部最优组合、不断变化的能源存储需求以及评估电网可靠性影响的能力的可行性，包括不断增加的可再生资源的渗透率和资源变化的变化。该框架可用于量化对输电网和微电网的影响，并可指导可能的缓解路径。
使用遗传算法优化特征选择
分析大型数据集以选择最佳特征是机器学习和数据挖掘中最重要的研究领域之一。此特征选择过程涉及降维，这对于提高模型的性能并降低其复杂性至关重要。最近，已经提出了几种类型的属性选择方法，这些方法使用不同的方法来获取属性的代表性子集。然而，已经提出了基于种群的进化算法，例如遗传算法 (GA)，通过避免局部最优并改进选择过程本身来弥补这些缺点。本文对基于 GA 的特征选择技术的应用及其在不同领域的有效性进行了全面的回顾。本综述使用 PRISMA 方法进行；因此，对相关文献进行了系统的识别、筛选和分析。因此，我们的结果暗示该领域的混合 GA 方法（包括但不限于 GA-Wrapper 特征选择器和 HGA-神经网络）通过解决诸如探索不必要的搜索空间、准确性性能问题和复杂性等问题，已经大大提高了它们的潜力。本文的结论将讨论遗传算法在特征选择中的潜力以及提高其适用性和性能的未来研究方向。
通过逻辑编程来解释人工智能
我们专注于归纳逻辑程序的问题，该程序可以解释由支持向量机 (SVM) 算法学习到的模型。自上而下的顺序覆盖归纳逻辑程序设计 (ILP) 算法（例如 FOIL）使用信息论中的启发式方法进行爬山搜索。这类算法的主要问题是陷入局部最优。然而，在我们的新方法中，数据依赖型爬山搜索被模型依赖型搜索所取代，其中首先训练全局最优的 SVM 模型，然后算法将支持向量作为模型中最具影响力的数据点，并归纳出一个涵盖支持向量和与该支持向量最相似的点的子句。我们的算法没有定义固定的假设搜索空间，而是利用可解释 AI 中针对特定示例的解释器 SHAP 来确定相关特征集。这种方法产生了一种算法，该算法可以捕捉 SVM 模型的底层逻辑，并且在诱导子句数量和分类评估指标方面优于其他 ILP 算法。本文正在考虑在“逻辑编程理论与实践”杂志上发表。
量子启发遗传算法解决组合优化问题
工程、金融和基因组学等众多行业都遇到了组合优化问题。这些问题需要通过从有限的集合中选择最佳组合或排列来优化给定的目标函数，但要受到特定限制（Smith，2010 年）。然而，由于这些问题本身就很复杂，因此有时很难通过计算解决，而且需要很长时间。研究人员已经使用了各种优化策略来解决这些问题，其中遗传算法 (GA) 脱颖而出（Goldberg，1989 年）。在问题的解空间中寻找解决方案是通过遗传算法完成的，遗传算法的灵感来自自然选择和进化的思想。它们使用选择、交叉和突变等遗传运算符在几代中开发出一个潜在解决方案群体（Holland，1975 年）。尽管 GA 能够有效地处理各种优化问题，但 Mitchell（1998 年）发现，在处理具有高维解空间的困难组合优化问题时，它们的性能可能会下降。此外，搜索过程可能会陷入局部最优，这使得找到整体最优解决方案变得更加困难（Vose，1999）。
基于超扭转分数阶滑模控制的最优模型预测调节直流微电网直流侧电压
摘要：本文旨在从本质上调节电力系统扰动条件下直流微电网的直流母线电压。因此，提出了一种新型最优模型预测超扭转分数阶滑模控制 (OMP-STFOSMC)，用于三相交流-直流转换器，可有效提高微电网的稳定性和动态性能。传统的模型预测控制器严重影响动态稳定性，导致过冲、下冲和稳定时间过长。可以用滑模控制器代替这些传统控制器，以适当解决此问题。传统滑模控制器的主要缺点是控制信号中的高频抖动，这会影响系统，并且使其在实际应用中不令人满意且不可行。所提出的 OMP-STFOSMC 可以有效提高控制跟踪性能并减少高频抖动问题。随机分形搜索 (SFS) 算法因其高探索性和良好的局部最优规避能力而被用于最佳地调整控制器参数。考虑不同的运行条件来评估所提出的控制器的动态和无抖动性能。通过比较分析的仿真结果，可以观察到所提出的OMP-STFOSMC具有更好的动态稳定性特性。关键词：直流微电网，跟踪性能，抖动问题，OMP-STFOSMC，SFS算法