XiaoMi-AI文件搜索系统
World File Search System最累
考虑规避风险的农民和零售商，协调三级合同供应链与期权合同
我们考虑了一个三级合同供应链，其中包括规避风险的农民，风险中立的供应商和规避风险的零售商。农民植物并以产量不确定性生长新鲜的农产品，供应商是供应链和合同的设计师的领导者，零售商出售了随机需求的加工产品。根据CVAR标准，本文讨论了供应商与零售商之间的三项期权合同，以及批发价格合同或供应商与农民之间的补充成本分担合同。结果表明，当农民处于风险中立时，有或没有补充成本分享合同的期权合同可以同时提高总利润并同时增加所有成员的利润。当农民和零售商规避风险时，只有与补充成本共享合同的期权合同可以通过调整期权参数并使农民的共享比率等于其风险厌恶系数来确保供应链充分的协调和帕累托的改善。此外，通过数值分析，我们发现帕累托改善的间隔随零售商的风险规避系数和数量损失率而降低，并且随农民的风险规避系数而增加。当损失率太大时，供应商将无法增加自己的利润。因此，领导者应在选择合同之前考虑各方的风险规避程度和新鲜农产品的数量损失率。
运营要务：明智投资以加强美国空军基地抵御中国和俄罗斯的攻击
注：在这种情况下，帕累托边界是一组投资组合，可为给定的投资水平提供最多的出动次数。 APO = 瞄准点优化； APT = 资产配置工具； CONOPS = 作战概念； GF-VAM = 地面部队脆弱性评估模型； Lean-START = 用于分析所需运输的精益战略工具； PRePO = 预置需求计划优化； TAB-ROM = 战区空军基地弹性优化模型；TAB-VAM = 战区空军基地脆弱性评估模型；WRM = 战争储备物资。
![arxiv：2502.07214v1 [cs.lg] 2025年2月11日](/simg/5\5e739b943df494c8c1b2eda5f9ab181fc39eb689.webp)
arxiv：2502.07214v1 [cs.lg] 2025年2月11日
摘要。在决策系统中，算法追索权旨在确定最小成本的动作以改变个人的特征，从而获得预期的结果。这使个人有能力理解，质疑或改变对他们产生负面影响的决定。但是，由于系统环境和个人的敏感性以及量化单个功能的成本几乎是不可能的，同时考虑了多种标准情况。大多数当前的追索性机制都使用基于梯度的方法，这些方法假设成本函数是可区分的，通常不适用于现实世界中的情况，从而产生了损害各种标准的亚最佳解决方案。这些解决方案通常是棘手的，并且缺乏严格的理论基础，从而从可解释的AI（XAI）角度引起了人们对解释性，可靠性和透明度的关注。为了解决这些问题，这项工作提出了一个算法的求程框架，该框架处理了非不同和离散的多成本功能。通过将追索权作为多目标优化问题制定，并根据其重要性将权重分配给不同的会议室，我们的方法确定了帕累托最佳追索权建议。为了证明可伸缩性，我们结合了ϵ -NET的概念，证明了找到近似帕累托最佳作用的能力。实验显示了不同迹象和该方法在大图中的可扩展性之间的权衡。与当前的启发式实践相比，我们的方法提供了更强的理论基础，并更好地将追索权与现实世界的要求保持一致。
游戏理论：基本概念和术语 - 教师
对于每个i = 1，。。。，n，让我表示在可行的策略组合下，球员I获得的payo s =（s 1，。。。，s n）对于n个玩家。如果不存在另一个可行的策略组合S'，则策略组合s被认为是帕特托的，在该策略组合中，我至少达到的每个玩家至少达到了P payo payo效应，而某些玩家J的payo却比P j高。payo效果（p 1，。。。，p n）被认为是帕累托有效的payo效果。
解决马铃薯供应链中粮食损失的根本原因
大幅减少粮食损失需要确定战略措施。大多数损失通常由几个根本原因造成。请考虑帕累托原则：20% 的问题通常会导致 80% 的问题。因此，建议完成流程级测量并准备一份粮食损失平衡表。然后更详细地检查造成总粮食损失的更重要因素，以确定根本原因和潜在补救措施。然后与相关利益相关者讨论这些补救措施，以确保就战略措施及其实施方式达成广泛共识。
2011 年 9 月 20 日核事故应对...
① 累积水处理状况 ・ 累积水处理能力方面，共处理了约 95,420 吨（截至 9 月 18 日），一周平均可用率为 83%（截至 9 月 18 日）。 ・ 累积水位达到目标水位（O.P. 3,000）。 换言之，累积水总量已达到能够承受暴雨以及处理设施长期停运的程度（9 月 11 日）。 ・ 铯处理设施的去污系数*在 Kurion – Areva 装置中为 10 6（截至 8 月 9 日），在 SARRY 中为 10 5（截至 9 月 1 日）。
带有多目标设计的机翼优化设计 - ArTS
摘要。本文介绍了 MH114 高升力翼型的多目标优化。我们寻求一组帕累托最优解，使翼型升力最大化，阻力最小化。由于几何不确定性，升力和阻力被认为是不确定的。概率气动力值的不确定性量化需要大量样本。然而，由于 Navier-Stokes 方程的数值解，气动力的预测成本很高。因此，采用多保真替代辅助方法将昂贵的 RANS 模拟与廉价的潜在流计算相结合。基于多保真替代的方法使我们能够在不确定的情况下经济地优化翼型的气动设计。
利用多保真高斯过程回归对具有几何不确定性的翼型进行多目标设计优化 ⋆
摘要。本文介绍了 MH114 高升力翼型的多目标优化。我们寻求一组帕累托最优解，使翼型升力最大化，阻力最小化。由于几何不确定性，升力和阻力被认为是不确定的。概率气动力值的不确定性量化需要大量样本。然而，由于 Navier-Stokes 方程的数值解，气动力的预测成本很高。因此，采用多保真替代辅助方法将昂贵的 RANS 模拟与廉价的潜在流量计算相结合。基于多保真度替代方法使我们能够在不确定的情况下经济地优化机翼的气动设计。
MDBA 公司计划 2023–2024
我们对河流运营的职责仍然集中在水坝和其他建筑物的安全管理、填满水库以满足下游需求以及限制洪水对下游社区造成的破坏。我们将继续与流域政府合作，向用户供水，平衡目标，在用户要求的时间和地点提供水权，确保最大限度地利用水资源，同时保护和改善环境。我们将代表流域政府开展工作，并遵守《墨累-达令流域协议》中规定的运营规则，同时着眼于未来，实现河流运营的现代化，应对未来的挑战。
协变性下的公平性：通过几乎没有标记的测试样本改善公平 - 准确性的权衡
协变性转移是一种常见的实践现象，可以显着降低模型的准确性和公平性能。在协变量转变下确保不同敏感群体的公平性至关重要，因为诸如刑事司法等社会意义。我们在无监督的制度中运行，其中只有一组未标记的测试样本以及标记的训练集。在这种高度挑战但现实的情景下提高公平性，我们做出了三项贡献。首先是一个基于新型的复合加权熵的目标，以实现预测准确性，并通过代表匹配的损失进行了优化。我们通过实验验证，在帕累托意义上，相对于几个标准数据集的公平性 - 准确性权衡，在帕累托意义上，使用损失配方优化优于最先进的基线。我们的第二个贡献是一个新的环境，我们称之为不对称的协变量转变，据我们所知，以前尚未研究过。与其他组相比，当一个组的协变量显着转移时，发生不对称的协变量转移发生时，当一个主体群体过分代表时，就会发生这种情况。虽然这种设置对当前基线非常挑战，但我们表明我们提出的方法显着胜过它们。我们的第三个贡献是理论，我们表明我们的加权熵项以及训练集的预测损失近似于协变量下的测试损失。通过经验和正式的复杂性界限，我们表明，与看不见的测试损失的近似不取决于影响许多其他基线的重要性采样方差。