XiaoMi-AI文件搜索系统
World File Search System最优解
用于二次二进制优化的更快的量子和经典 SDP 近似
这一问题自然出现在各个科学学科的许多应用中，例如图像压缩 [ 52 ]、潜在语义索引 [ 36 ]、社区检测 [ 48 ]、相关性聚类 [ 17 , 46 ] 和结构化主成分分析，例如参见 [ 38 , 37 ] 及其参考文献。从数学上讲，MaxQP s ( 1 ) 与计算矩阵的 ∞→ 1 范数密切相关。反过来，该范数与割范数密切相关（将 x ∈ {± 1 } n 替换为 x ∈ { 0 , 1 } n ），因为这两个范数之间的差只能为一个常数因子。这些范数是理论计算机科学中的一个重要概念 [ 24 , 3 , 2 ]，因为诸如识别图中最大割（ MaxCut ）之类的问题可以自然地表述为这些范数的实例。这种联系凸显了在最坏的情况下，（1）式的最优解是 NP 难计算的
用于集成数据和能量传输的无细胞网络
摘要 — 无蜂窝网络可实现分布式接入点 (AP) 之间的全面协作。本文重点研究如何降低无蜂窝网络在下行链路综合数据和能量传输 (IDET) 中的长期能耗，以实现能源可持续性。最终的设计包括大时间尺度上的 AP 分类和小时间尺度上的 AP 波束成形，以同时满足数据用户和能源用户的 IDET 要求。为了同时处理二进制整数动作 (AP 分类) 和连续动作 (波束成形)，我们创新地提出了一种稳定的双参数化深度 Q 网络 (DP-DQN)，该网络可以通过智能核心处理器 (ICP) 中运行的数字孪生 (DT) 来增强，从而实现更快、更稳定的收敛。因此，无蜂窝网络可以避免在训练过程中遭受性能波动。仿真结果表明，我们的 DP-DQN 在收敛性方面优于其他基准，同时保证了最优解。
深部脑刺激自动轨迹规划的帕累托前沿与加权和
摘要。深部脑刺激 (DBS) 的术前路径规划是一个多目标优化问题，即在多个放置约束之间寻找最佳折衷点。它的自动化通常通过使用聚合方法将问题转变为单目标来解决。然而，尽管这种方法很直观，但它以无法找到所有最优解而闻名。在本文中，我们引入了一种基于多目标优势的 DBS 路径规划方法。我们将它与经典的多个约束的聚合加权和以及由神经外科医生对 14 个 DBS 病例进行的回顾性研究的手动规划进行了比较。结果表明，基于优势的方法优于手动规划，并且与传统的加权和方法相比，它涵盖了更多相关的最佳切入点选择，因为传统的加权和方法会丢弃外科医生可能喜欢的有趣解决方案。
量子囚徒困境如何支持谈判
最优经济学研究 NR 5 (71) 2014 Marek SZOPA 1 量子囚徒困境如何支持谈判 2 摘要 囚徒困境游戏模拟谈判双方的决策。该游戏以量子方式制定，其中玩家策略是基于相反决策选项建立的量子位的幺正变换。量子策略通过量子纠缠机制相互关联，游戏结果通过所得变换状态的崩溃获得。量子玩家允许的策略范围比经典游戏更丰富，因此可以更好地优化游戏结果。另一方面，量子游戏可以防止窃听，玩家可以确信这种类型的量子仲裁是公平的。我们表明，量子囚徒困境比其经典类似物具有更有利的纳什均衡，并且它们接近帕累托最优解。并提出了一些利用量子博弈纳什均衡的经济实例。关键词：博弈论；量子博弈；囚徒困境；纳什均衡；帕累托最优解。1. 谈判如同博弈谈判方做出的许多决策依赖于他们之间的战略互动。这意味着谈判方可以在不同的策略之间进行选择，通常是冲突或合作。他们都同意相互合作是最可取的行为，但他们的选择是在不知道对方决定的情况下同时做出的。这产生了拒绝合作（背叛）的诱惑。这种互动通常用经典博弈论来描述。囚徒困境 [PD] 博弈是该类型中最著名的博弈之一。它最早由 Flood 和 Dresher [Flood, Dresher, 1952] 提出，并由 Albert Tucker 推广，他的两个囚犯的故事是该游戏当前名称的基础。PD 的流行源于其通用的游戏方案，它描述了日常生活中非常常见的谈判困境。一个典型的场景包含一个假设，即两个玩家 Alice 和 Bob 彼此独立地在合作 (C) 和背叛 (D) 之间做出选择。这两个玩家的选择是收益矩阵的基础，如表 1 所示。
加氢源站综合能源系统两层优化规划模型
摘要：随着全球环境污染问题的加剧和能源结构调整的需要，氢能作为一种高度清洁的资源逐渐成为世界各国研究的热点。面对分布式氢气在原有加氢站运输及其他用途中的应用需求，本文提出了一种加氢站综合能源系统规划模型，以获得加氢站所需的设备建设、设备容量决策以及各设备的最优运行行为。与传统规划模型中单一的制氢工艺相比，本文提出的模型融合了水电解和甲醇两种生产工艺，并针对该综合系统设计了两级优化模型。数值研究的结果表明，所提出的模型能对分布式制氢得到更好的最优解，并且考虑了当一种主要资源的价格高于另一种时单一生产的情形。
佘雨辰、李爽、刘宇飞、曹梦龙，“大型太空望远镜在轨机器人组装任务设计与规划”，J. Ast
摘要：研究大型空间望远镜（LST）的概念设计和在轨装配任务规划问题。提出了分段式镜面设计，并开发了考虑机械手工作空间覆盖范围的机器人装配概念。为了减少在轨装配周期并保护易碎的镜面结构，采用几种新算法优化机器人装配路径。首先，建立装配路径与装配件数之间的映射，快速生成优化问题的候选解。其次，提出了结合蚁群算法和遗传算法的两级混合优化框架。混合优化方法能够快速收敛到接近全局最优解。通过仿真验证了所提出的模型和算法，结果表明所开发的方法可以显著提高LST的在轨装配任务效率。 © 2020 光学仪器工程师协会 (SPIE) [DOI: 10.1117/1.JATIS.6.1.017002]
动态系统的在线多目标模型独立自适应跟踪机制
摘要：在机器人文献中，最佳跟踪问题通过使用各种鲁棒和自适应控制方法来解决。然而，这些方案与实施限制有关，例如在具有完整或部分基于模型的控制结构的不确定动态环境中的适用性、离散时间环境中的复杂性和完整性以及复杂耦合动态系统中的可扩展性。开发了一种在线自适应学习机制来解决上述限制，并为跟踪控制类问题提供通用的解决方案平台。该方案使用同时线性反馈控制策略最小化跟踪误差并优化整体动态行为。采用基于值迭代过程的强化学习方法来求解底层贝尔曼最优方程。生成的控制策略以交互方式实时更新，而无需任何有关底层系统动态的信息。采用自适应评论家的方法实时逼近最优解值函数和相关控制策略。在仿真中说明了所提出的自适应跟踪机制，以在不确定的气动学习环境下控制柔性翼飞机。
应用人工智能进行露天采矿的优化生产调度和阶段设计
露天矿生产调度 (OPPS) 问题旨在确定矿体的采矿块的开采顺序。OPPS 提出了一些限制，这些限制产生了一个被归类为 NP 难的组合优化问题。通常，使用线性规划无法在可接受的计算时间内获得 OPPS 的最优解；因此，人们使用称为启发式的近似方法来解决这个问题。本文提出了一种基于人工智能 (AI) 的方法，用于在露天矿中获得符合操作和设计约束的可操作回推。这种综合方法是通过遗传算法和聚类算法 (k-means) 实现的。遗传算法是一种受查尔斯·达尔文自然进化论启发的搜索启发式算法，用于解决 NP 难问题。该方法已在铁矿和金矿中进行了测试，并被证明是一种实用、可行的方法。结果表明，获得的回推符合矿坑开采的设计和操作约束，同时还最大化了净现值 (NPV)。
船舶分区多微电网系统分布式实时功率管理方案
海上运输对降低燃料消耗的需求日益增加，这推动了高燃料效率发电厂的使用和电源管理系统 (PMS) 的开发。目前对船上 PMS 的研究大多属于集中式，这种系统易于实施，能够收敛到全局最优解。然而，集中式技术可能存在计算负担过重和单点故障的问题。考虑到船舶未来向区域电力分配 (ZED) 发展的趋势，分布式 PMS 正成为一种替代选择。为了在高波动推进负载下实现船舶高燃料效率运行，本文开发了一种实时分布式 PMS，它可以获得与集中式 PMS 一样好的燃油经济性，但计算速度更快。分布式 PMS 以高度计算高效的方式结合了基于过滤器、基于规则和基于优化的方法，基于三层构建，不仅可以保证高燃料效率，还可以在不同航行模式甚至故障条件下保留足够的能量。通过收敛测试和多个案例研究，证明了所提出的 PMS 在收敛速度快、燃油效率高和弹性增强方面的有效性。
利用深度学习解码脑电图脑活动信号
本文介绍了寻找脑电图 (EEG) 分类任务的最优解的研究。考虑到训练数据有限的限制，我实施了三种数据增强策略：频谱图变换、基于聚类的增强和带噪声的子采样。为了确定最有效的策略，我还对数据预处理和特征工程进行了两项消融研究，结果表明数据的最佳时间范围是 0-700，最有效的数据增强方法是带噪声的子采样。根据从数据集探索和文献综述中获得的见解，我选择了五种模型进行进一步研究：CNN、RNN、CNN+LSTM、CNN+GRU、ResNet。该模型基于受试者 1 和所有受试者的数据进行训练，结果表明，基于所有受试者数据训练的模型比基于受试者 1 数据训练的模型具有更强的通用性和更高的性能。此外，我建立了一个 9 倍交叉验证流程来微调模型，结果在所有受试者数据的组合上使用 CNN 模型实现了 73% 的测试准确率，使用 CNN+GRU 模型实现了 70% 的测试准确率。