XiaoMi-AI文件搜索系统
World File Search System求解
强化学习基于通用干扰的非线性系统的输出稳定控制
摘要 - 本文提出了一种新的干扰观察者（DO）基于无线性干扰的非线性系统的基于基于（RL）的控制方法。虽然非线性干扰观察者（NDO）用于测量植物的不确定性，但植物中可能通过与控制信号的障碍存在障碍；从理论上讲，所谓的不匹配的障碍很难在系统状态的渠道内衰减。通过消除输出通道的不确定性影响来解决不确定性取消问题，以解决不确定性取消问题。con-目前，通过求解与补偿系统有关的理想价值函数的综合参与者RL方案，通过求解与补偿系统有关的理想价值函数，以求解汉密尔顿 - 贾科比·贝尔曼（HJB）方程的在线和同时进行流量。稳定性分析验证了所提出的框架的收敛性。仿真结果以说明拟议方案的有效性。
实时的混合二次二次编程，用于车辆决策和运动计划 /作者= Quirynen，Rien； Safaoui，Sleiman； di cairano，Stefano /creationDate = 2024年9月4日 /受试者=控制，动态系统，优化，机器人技术< /div < /div>
摘要我们为自动驾驶的实时可行的基于组合编程的决策（MIP-DM）系统开发。使用线性车辆模型在公路对准的坐标框架中，车道变化限制，避免碰撞和运行规则可以作为混合成分不平等的配方，从而导致混合构成二次统一程序（MIQP）。提出的MIP-DM通过在每个采样瞬间求解MIQP来执行操纵选择和轨迹产生。过去认为实时求解MIQP是棘手的，但我们表明我们最近开发的求解器BB-ASIPM能够实时解决嵌入式硬件的MIP-DM问题。在各种情况下，在仿真中说明了这种方法的性能，包括合并点和交叉点，以及在dspace scalexio和microautobox-iii中的硬件式仿真。最后，我们显示了使用小型车辆的实验。
量子计算对金融领域的影响
金融领域的许多重要任务通常依赖于复杂且耗时的计算。量子技术的快速发展提出了一个问题：量子计算是否可以比传统计算更有效地解决这些任务。本论文通过使用商用量子资源解决均值方差投资组合选择模型的不同大小问题实例，研究了量子计算在金融领域的潜在用途。实验采用了基于门的量子计算机和量子退火，这是实现量子计算机的两种主要技术。为了解决基于门的量子计算机上的均值方差优化问题，该模型被公式化为二次无约束二元优化 (QUBO) 问题，然后将其用作最大的量子计算即服务 (QCaaS) 平台上可用的量子资源的输入，IBM Quantum Lab、Microsoft Azure Quantum 和 Amazon Braket。为了使用量子退火解决问题，采用了服务 D-Wave Leap 上提供的混合量子经典求解器，它将均值方差模型的约束二次形式作为输入。问题实例也在该模型的 QUBO 形式上以经典方式求解，其中结果作为量子资源性能的基准。结果基于三个性能指标进行评估：求解时间、解决方案质量和求解成本。研究结果表明，基于门的量子计算机还不够成熟，无法始终找到最佳解决方案，计算时间长且成本高昂。此外，使用基于门的量子计算机并非毫无问题，大多数量子计算机甚至无法完成任务。另一方面，量子退火表现出更高的成熟度，混合求解器能够快速准确地进行优化，即使对于非常大的问题实例也是如此。使用混合求解器的结果证明了对量子退火的进一步研究是合理的，以更好地了解该技术的能力和局限性。结果还表明，量子退火已经达到了一定的成熟度，它有可能对金融机构产生重大影响，创造使用传统计算无法获得的价值。
通过二进制分类检测肺炎：支持向量机（SVM）的经典，量子和混合方法
早期肺炎的早期诊断对于增加生存机会并减少患者的恢复时间至关重要。胸部X射线图像是实践中最广泛使用的方法，它具有挑战性地进行分类。我们的目的是开发一种机器学习工具，该工具可以准确地将图像分类为属于正常或受感染的个体。支持向量机（SVM）很有吸引力，因为二进制分类可以表示为优化问题，特别是作为二次不约束的二进制二进制优化（QUBO）模型，而这又自然地映射到Ising模型上，从而使退火 - 级别，阶级，量子，量子和杂种 - 以探索有吸引力的方法。在这项研究中，我们进行了不同方法之间的比较：（1）SVM（LIBSVM）的经典最新实施； （2）用经典求解器（Gurobi）求解SVM，有或没有分解； （3）用模拟退火解决SVM； （4）用量子退火求解SVM（D-WAVE）； （5）使用Graver增强多种子算法（GAMA）求解SVM。使用模拟退火和量子退火，尝试了几个不同数量的graver元素和许多种子。我们发现模拟的退火和GAMA（带有模拟退火）是可比的，可以快速提供准确的结果，与LIBSVM竞争，并且优于Gurobi和Quarobi和Quantum退火。
重新审视综合车辆和机组人员调度的丰富性
摘要 近几十年来，各个领域（航空业、公共交通）的综合车辆和机组人员调度取得了长足进步。随着信息和通信技术以及通用求解器的不断改进，可以制定出这些问题越来越丰富的版本。在公共交通中，排班、延迟传播或休息日模式等问题已成为这些综合问题的一部分。在本文中，我们旨在重新审视早期结合休息日模式的公式，并研究现在是否可以使用标准求解器进行求解，以及在多大程度上结合其他方面可以使问题设置更加丰富，同时仍然保持可能的可解性。这尤其包括延迟传播等问题，在公共交通中，延迟传播通常指（主要）干扰后的二次延迟。此外，我们研究了一个强大的版本来支持增加丰富性是可能的说法。提供了数值结果来强调预期的进展。
学习配置数学...
我们讨论了为给定问题的特定实例找到良好的数学编程求解器配置的问题，我们提出了一种解决该问题的两相方法。在第一阶段，我们了解了实例上的实例，配置和性能之间的关系。学习一个好的求解器配置的特定困难是参数设置可能并非全部是独立的。这需要执行（硬）约束，这是许多广泛使用的监督学习方法无法本地实现的。我们在方法的第二阶段中解决了此问题，在该问题中，我们使用学习的信息来构建和解决一个优化问题，具有对配置参数设置的依赖关系/一致性约束的明确表示。我们讨论了这种方法的两种不同实例化的计算结果，这些单位承诺问题是在水力谷的短期计划中引起的。我们将逻辑回归用作监督的学习方法，并将CPLEX视为感兴趣的求解者。
微分方程分析的量子优势
用于微分方程求解、数据处理和机器学习的量子算法可能比所有已知的经典算法提供指数级加速。然而，在有用的问题实例中获得这种潜在加速也存在障碍。量子微分方程求解的基本障碍是输出有用信息可能需要困难的后处理，而量子数据处理和机器学习的基本障碍是输入数据本身就是一项艰巨的任务。在这项研究中，我们证明了，当结合起来时，这些困难可以相互解决。我们展示了量子微分方程求解的输出如何作为量子数据处理和机器学习的输入，从而允许在主成分、功率谱和小波分解方面进行动态分析。为了说明这一点，我们考虑了流行病学和社会网络上的连续时间马尔可夫过程。这些量子算法比现有的经典蒙特卡罗方法具有指数级优势。
![arXiv:2011.11511v1 [cond-mat.mtrl-sci] 2020 年 11 月 23 日](/simg/g:\will\search\icon\source\2\22f9ab58d425bf8a2a541263a12de9452579352d.webp)
arXiv:2011.11511v1 [cond-mat.mtrl-sci] 2020 年 11 月 23 日
现今许多科学家在量子纳米和微电子器件的投影或实验[1, 2]中采取的方法都是努力寻找由于所涉及电现象维度长度缩放而引起的物质量子本征态的解。哈密顿量[5–7]方法用于理论求解该问题，需要写出特征值微分方程，这些方程可以通过现代计算技术求解。我们将在解决问题的过程中纳入这些方法，以简化投影过程本身。许多作者[8–11]提出了几项工作，但尚未给出明确的基于 DFT[3, 4]的特征值方程，本文通过扩展 Kohn-Sham 微分方程的变分方法找到了该方程。下一节将介绍几个由量子方程求解引起的问题，这些问题主要是在无限周期系统或由有限或周期性复制品制成的有限物质采样的背景下寻找解决方案。本文的最后一部分将报告结论。