XiaoMi-AI文件搜索系统
World File Search System混合优化
基于蒙特卡洛树搜索的变分量子电路混合优化
变分量子算法是近期和未来容错量子设备模拟的前沿。虽然大多数变分量子算法只涉及连续优化变量，但有时可以通过添加某些离散优化变量来显著增强变分假设的表示能力，广义量子近似优化算法 (QAOA) 就是一个例子。然而，广义 QAOA 中的混合离散-连续优化问题对优化提出了挑战。我们提出了一种称为 MCTS-QAOA 的新算法，它将蒙特卡洛树搜索方法与改进的自然策略梯度求解器相结合，分别优化量子电路中的离散变量和连续变量。我们发现 MCTS-QAOA 具有出色的抗噪特性，并且在广义 QAOA 的具有挑战性的实例中优于先前的算法。
将聚光太阳能发电技术集成到混合优化和性能平台 (HOPP)
随着世界可再生能源部署的增加，人们越来越有兴趣将各种发电和存储技术结合起来，以最大限度地提高开发商和/或承购商的净收益。一种特别有趣的可再生能源技术组合是聚光太阳能发电 (CSP) 与热能存储 (TES)、光伏 (PV) 和电化学电池储能系统 (BESS)。CSP 与 TES、PV 和 BESS 的混合有可能以比单独的 PV-BESS 或 CSP 系统更低的成本提供持续的高容量因子能源生产。这种配置可以服务于电网连接或需要发电曲线变化最小的远程负载，例如采矿作业。
使用混合优化算法改进的深度卷积神经网络，利用增强 MRI 图像检测和分类脑肿瘤
提出了一种改进的 HHO 技术。该模型自动从 MRI 图像中识别脑肿瘤，通过特征提取进行分类。首先，将脑部的 MRI 图像作为预处理的输入，以生成图像进行进一步处理。之后，通过 Otsu 阈值技术将预处理后的图像引入分割过程。分割过程完成后，提取每个片段中按纹理和统计数据的特征。特征包括肿瘤的大小、方差和均值。此外，在特征向量中，这些提取的特征被公式化。最后，通过 DCNN 和特征向量进行脑肿瘤识别，其中提出的增强型 HHO 训练深度 CNN 技术。
使用电动可再生（Homer）软件的混合优化模型对混合可再生能源系统（HRES）的经济评估 - 案例研究
本文揭示了可持续的能源计划，以最佳利用可用的电气资源来为一个缺乏的村庄提供。选定的村庄是南部的南贾布（Barnala），印度旁遮普邦（Barnala）附近。主要是记录和详细记录450户家庭的电能要求。为此，从可用的能源资源中确定了利用电力及其有效利用的潜力：生物量，农业废物和太阳能光伏（PV）技术。为了实现这一目标，提出了一个混合可再生能源系统（HRES）模型，其性能是通过在电动可再生（Homer）软件的混合优化模型中实施的。荷马软件为商业沼气工厂提供了最佳解决方案，以供烹饪气体需求。另外，还提供了用于灌溉，乡村供水和太阳能PV路灯的协调解决方案。通过这种方式，通过估计最佳电力需求及其经济利益来研究拟议模型的准确性。已经揭示了通过拟议的HRES系统的参数评估，计算出的能源成本和总净现在成本分别为$ 0.032/kWh和76,837美元。可以预见，拟议的模型可以成为未来研究工程师设计有效的村庄能源利用的路线图。