XiaoMi-AI文件搜索系统
World File Search System数学优化
Dreamplace 4.0：基于动量的净重和基于拉格朗日的精炼的时序驱动的位置
I. i ntroduction c ircuit放置是一个重要的VLSI设计阶段。放置的目的是在给定的芯片布局上找到电路组件的最佳位置[2]。的放置通常被放置为数学优化问题，其功能可将电路组件之间互连成本的成本降至最低。在大多数以前的位置框架中，互连成本是由所有网的总线索建模的，所有网的总线长度是由半渗透线（HPWL）估算的或其他近似值。除了仅是一个大约涉及的情况外，总的线长对所有网络都同样关注，而不是专注于关键的临界网和路径。这与定时驱动的放置相反，该位置特定针对电线关键路径，通常会产生立即的电路性能受益。的放置可以分为全局位置阶段和详细的位置阶段，并且可以将正时优化应用于两个阶段。按时驱动的全球位置的目标是实现大致不错的负面懈怠
使用深厚的强化学习对工业过程的实时优化
强化学习（RL）在各种应用中显示出巨大的潜力；但是，它在复杂的工业过程中的应用尚待广泛探索。这项工作旨在通过概念研究证明RL在过程工程和控制中的潜力，以证明RL在催化反应器系统中的实时优化（RTO）的应用。目的是在确保过程限制的同时最大化高价值烃的产生。使用了合适的参与者-Critic RL体系结构，并将结果与基于数学优化的基于求解器的基准Mark进行了比较。该研究还评估了Microsoft Project Bonsai的功能，该计划是设计自动系统的AI平台。这项工作的主要贡献包括证明RL在化学过程中的RL应用程序中的应用，分解了RL的适应性和快速推理时间，以及在政策网络培训期间提供处理约束的方法。结果表明，RL可以找到与基于优化的基准相当的可行解决方案。
以人为本的航空人工智能方法 - EASA
人工智能显然是支持飞机设计和运营的广泛应用的推动者。人工智能可以通过就日常任务提供建议（例如飞行剖面优化）或就飞机管理问题或飞行战术性质提供增强建议来协助机组人员，帮助机组人员在高工作量情况下做出决策（例如复飞或改道）。人工智能还可以根据运营环境和机组人员健康状况（例如压力、健康等）预测和预防某些危急情况，从而为机组人员提供支持。由于 2022 年 4 月发布了第一个关于基于机器学习的系统的可信度的特殊条件，1 级人工智能应用已经在通用航空领域进行认证。人工智能还可以用于几乎任何涉及数学优化问题的应用中，无需分析相关参数值和逻辑条件的所有可能组合。机器学习的典型应用可能是飞行控制律优化、传感器校准、油箱数量评估、结冰检测等等。此外，人工智能还可用于在机载系统中嵌入复杂模型，例如通过使用内存和处理效率更高的代理模型。
使用二进制编程支持分布式集成模块化航空电子系统的设计
分布式集成模块化航空电子设备 (DIMA) 是飞机航空电子设备中一个很有前途的概念。飞机系统共享资源，如计算能力、内存和传感器/执行器接口。资源由通用设备提供，这些设备可以安装在飞机的分布式位置。然而，由于规模和复杂性，如果手动进行，有效和最佳地设计此类系统是一项艰巨的任务。通过将架构设计的子任务作为数学优化问题来解决，展示了如何支持这项艰巨的任务。软件映射和设备安装的分配问题都被表述为二进制整数程序。这些用于优化航空电子架构的全部或部分，以实现某些目标，例如质量和运营中断成本，同时考虑所有资源和次要系统要求。提出了一种合适的全局最优求解器来解决由此产生的组合优化问题，这些问题在复杂性和规模上都具有挑战性。通过由四个冗余飞机系统组成的参考架构展示了所提出方法的潜力。与手动映射相比，这揭示了高达 45% 的优化潜力，而计算时间保持在一分钟以下。
具有嵌入式网络微电网和现场可再生技术的电网运行
摘要：国际社会已制定了雄心勃勃的目标，即用可再生能源取代化石燃料发电。使用大规模（例如太阳能发电场）和小规模解决方案（例如现场绿色技术）是实现这些目标的一种方式。本文提出了一个数学优化框架，用于协调配电网和嵌入其中的网络化微电网之间的能源决策。配电网考虑了公用事业规模的可再生和传统发电机，而微电网包括现场可再生发电和能源存储。配电网运营商利用需求侧管理政策来提高网络效率，微电网在这些计划下运行，减少能源使用，在动态关税下安排用电，并向电网供电。可再生能源的不确定性通过稳健优化来解决。配电网和微电网的决策是独立做出的，而提出的协作方案允许协调系统的目标。通过案例研究表明，该模型能够评估多种配置，消除负荷削减的必要性，并提高微电网提供的电力（22.3 兆瓦）和可再生能源份额高达 5.03%。
新冠病毒带来的权衡
最近的冠状病毒疫情使各国政府面临一个不便的权衡选择，即在拯救生命和拯救经济之间做出选择，这迫使他们在不知道最终结果对整个社会会是什么的情况下，在备选行动方案中做出影响深远的决定。本文试图将冠状病毒权衡问题定义为经济优化问题，并提出了数学优化方法，以便在面临权衡情况（例如在应对最近的冠状病毒大流行时所涉及的权衡情况）时做出合理的最佳决策。本文介绍的框架和提出的方法基于社会层面的理性选择理论，该理论假设政府是一个理性的、仁慈的代理人，系统地、有目的地考虑其行为对公民的社会边际成本和社会边际效益，并做出最大化整个社会福祉的决策。我们从静态和动态的角度来解决这个权衡问题。最后，我们提供了几个数值示例，阐明了如何在现实世界中应用所提出的框架和方法。
以人为本的航空人工智能方法 - 欧洲航空安全局
人工智能显然是支持飞机设计和运营的广泛应用的推动者。人工智能可以通过就日常任务提供建议（例如飞行剖面优化）或就飞机管理问题或飞行战术性质提供增强建议来协助机组人员，帮助机组人员在高工作量情况下做出决策（例如复飞或改道）。人工智能还可以根据运营环境和机组人员的健康状况（例如压力、健康等）预测和预防某些危急情况，从而为机组人员提供支持。由于 2022 年 4 月发布了第一个关于基于机器学习的系统的可信度的特殊条件，1 级人工智能应用已经在通用航空领域进行认证。人工智能还可以用于几乎任何涉及数学优化问题的应用中，无需分析相关参数值和逻辑条件的所有可能组合。机器学习的典型应用可能是飞行控制律优化、传感器校准、油箱数量评估、结冰检测等等。此外，人工智能还可用于在机载系统中嵌入复杂模型，例如通过使用内存和处理效率更高的代理模型。
使用飞蛾优化的有效算法（...
Divya Rawat 1，Pushpendra Singh 2 1,2电气工程系，政府。女子工程学院，印度AJMER-305002摘要蛾火焰优化（MFO）算法是Swarm Intelligence家族的成员，可用于解决各个现实世界中的复杂优化问题。MFO及其不同的变化，可以简单地理解和易于操作。这些算法在解决诸如电力和能源系统，工程设计，经济调度，图像处理和医疗应用等各个领域的优化问题方面取得了巨大成功。这篇全面的评论探讨了MFO的不同变体，包括经典版本，二进制类型，修改版本，混合版本，多目标版本以及不同扇区中MFO算法的应用方面。此外，提出了MFO算法的评估以评估其相对于其他算法的性能。该文献的主要重点是对MFO及其应用进行调查和分析。此外，总结的评论部分深入研究了MFO算法及其变体的潜在研究方向。关键字：飞蛾火焰优化（MFO），蛾火焰优化算法（MFOA），复杂优化，MFO分析，应用程序。1。辛格拉姆 - 弗拉姆优化算法是一种新的元启发式优化方法，该方法是由Seyedali Mirjalili在2015年提出的，基于夜间特殊导航方法的飞蛾行为的模拟。他们利用一种称为横向方向的机制进行导航。在这种方法中，飞蛾通过保持相对于月球的固定角度而飞行，这是一种非常有效的机制，可以在直路上长距离行驶，因为月球远离飞蛾。这种机制确保了夜间直线飞翔的飞蛾。但是，我们通常会观察到飞蛾在灯光周围螺旋飞行。实际上，飞蛾被人工灯所欺骗并表现出这种行为。由于这种光非常接近月球，因此，保持与光源相似的角度会导致飞蛾的螺旋蝇路径。在MFO算法中，飞蛾以对数螺旋的方式在火焰中飞来飞去，并最终汇聚到火焰。螺旋方式表示勘探区域，并确保利用最佳解决方案。优化是指为特定问题找到最佳解决方案的过程。随着问题的复杂性增加，在过去的几十年中，对新优化技术的需求比以前更为明显。数学优化技术曾经是在提出启发式优化技术提出之前优化问题的唯一工具。数学优化方法主要是遇到一个主要问题的确定性：local
可持续城市和社会
本文介绍了一种考虑家庭能源管理系统 (HEMS) 和其他消费者的本地能源社区内的联营交易模型。提出了一种透明的市场清算机制，以激励积极的产消者在本地能源社区基于规则的联营市场内交易他们的剩余能源。基于价格的需求响应计划 (PBDRP) 被认为可以提高消费者改变消费的意愿。数学优化问题是一个标准的混合整数线性规划 (MILP) 问题，可以快速评估拥有大量消费者的真实能源社区的交易市场。这允许在模型中的不同客户端之间制定新颖的能源交易策略，并在本地能源社区层面整合联营能源交易模型。能源社区的目标函数是在满足所有参与者需求的同时尽量减少他们的总账单。已经评估了两种不同的场景，即独立和集成操作模式，以显示不同最终用户之间协调的影响。结果表明，通过合作，本地能源社区市场的最终用户可以减少总电费。独立运行情况下成本降低 16.63%，集成情况下成本降低 21.38%。与 HEMS 独立运行相比，协调情况下主动消费者的收入有所增加。
多目标方法，用于管理从点对点能源平衡体系结构内的可再生能源交付的不确定交付
摘要：在能源市场上，有意识的客户可能不仅有兴趣最大程度地减少购买能源的成本，而且同时优化了其他一些质量标准（由于生态问题或能源生产者的社会责任引起）。在本文中，我们既开发一个数学优化问题，又是平衡点对点市场设置中的电力系统的市场框架，可以直接在市场上考虑产品差异化。因此，可以清楚地识别能量的起源，并且各种参与者（包括家庭）可以理解产品质量特征。我们得出了一个多目标（混合成员）线性编程优化问题，用于平衡点对点能源交易环境中的能量系统，不仅成本，而且还考虑了其他其他质量标准。我们已经确定了许多可能的参与者，这些参与者都存在于拟议的市场设置中。它们包括带有存储空间的消费者，生产者，经纪人和灵活的生产商。通过分析各种参与者/同伴活动和不同扩展的影响，在三种不同的情况下，在IEEE 30总线标准测试系统上测试了该方法。已经表明，可以通过精心设计的优化问题制定多目标能量平衡方案，并且每种类型的研究同行可能会为电力系统平衡带来一些附加值。