XiaoMi-AI文件搜索系统
World File Search System约束条件
农村电气化：优化方法概述
为了在可持续发展目标 7 (SDG7) 下到 2030 年为所有人提供“负担得起、可靠、可持续和现代化的能源”，农村电气化需要取得重大进展，因为大多数无法用电的人居住在农村地区。优化方法可以在此过程中发挥关键作用，提供一个分析框架来实现受预算、资源、当地人口和其他约束条件限制的各种经济、社会和环境目标。这篇综述论文首次概述了为农村电气化开发或应用的基于优化的解决方法。根据我们的综述，我们首先提出了农村电气化的四个原型问题，即 (i) 最佳系统配置和单位规模、(ii) 最佳电力调度策略、(iii) 最佳技术选择和 (iv) 最佳网络设计。我们讨论了每种问题类型，并根据问题目标、拟议的解决方法、组成部分、规模、区域以及它们与不同 SDG7 组成部分的关系提供了系统的分类。我们揭示了能源研究人员未来研究的差距和悬而未决的问题，旨在引起优化社区对这一关键领域需要紧急关注的挑战性和独特问题的关注。
专业服务行业中的人工智能应用：多案例研究
本研究探讨了影响专业服务公司采用人工智能的因素。基于技术-组织-环境 (TOE) 框架，我们采用了定性、多案例研究方法，通过访谈和二手文件审查调查了三家不同规模的审计公司。我们的研究结果揭示了影响人工智能采用的六个因素，包括技术可供性和约束条件、公司的创新管理方法和人工智能准备情况、竞争环境和监管环境。值得注意的是，这三家公司的这些因素差异很大。较大的公司通常在人工智能渗透率较高的环境中运营，主要感知人工智能的运营可供性而不是营销可供性。这意味着他们对人工智能的采用比小公司更大规模和更深入。然而，这种广泛的采用使他们面临监管框架日益扩大的差距，阻碍了人工智能的采用。此外，规模较小的公司对人工智能的准备程度较弱，不利于它们减轻人工智能带来的限制。本研究通过提供更全面的视角来了解专业服务中人工智能的采用，为现有文献做出了贡献。
2025 年冬季学期 – 经济增长与发展
本课程涵盖了发展经济学的广泛主题。首先概述了马尔萨斯动力学、大加速、大分歧和现代增长模式，强调了生产力和技术的作用。然后，本课程探讨了技术进步的不同近似值，特别强调了制度发展和专业知识——如 Hidalgo 和 Hausmann (2009) 的经济复杂性框架中所述。这种方法论方法评估了特定地点的生产能力，并允许定义特定地点的潜在多样化机会路线图，这些机会可以通过重新部署现有技能和寻找缺失的能力来实现。然后，我们将用课程的很大一部分来实际部署增长诊断框架 (Hausmann、Rodrik 和 Velasco，2008)，以确定阻碍这些机会和潜力实现的最具约束力的限制因素。差异诊断的四项原则通过实际案例进行了说明，展示了如何部署这些原则来测试相关生产要素的约束条件，例如金融、人力资本、基础设施、市场失灵（协调和信息外部性）、政府失灵（税收、法规、产权和腐败）和宏观经济风险。我们将用一些课程来诊断宏观经济学
核系统的人工智能设计
任何工程设计都隐含着一个潜在的优化问题，尽管很少明确说明要优化的确切目标函数。核系统优化与核工程学科一样古老。核工业的先进制造技术为重新审视优化打开了大门，而这在以前是不可能的，即确定给定目标函数的最佳几何形状。一个简单的例子是球体，它是在临界配置中最小化裸裂变材料的体积（或质量）的形状。然而，即使在最简单的多物理场考虑下，这个问题也变得不那么简单了。在这项工作中，我们开发了一种解决方案，用于在强制流冷却条件下，在 1,500 pcm 过量反应性和 618°C 最高燃料温度的多物理场约束下寻找最小体积几何配置。将解决方案几何形状仅限制为直圆柱体，令人惊讶的是，会产生两个不相交的解区域。扁平、宽（盘状）圆柱体和高、窄（棒状）圆柱体都满足约束条件，并产生非常相似的最小体积。然而这项工作的最终追求是真正的任意几何。关键词：核系统设计、优化、任意几何、人工智能。
双标准近似算法，用于负载平衡的无关机器，成本
我们研究了具有成本限制的无关机器上的负载平衡问题的广义版本：给定一组M机器（某些类型）和一组n个工作，在机器上处理的每个作业j都需要P i，j时间单位，并造成成本ci，j，j，j，j，j，j，and j，该目标是为一项工作的工作时间，该工作时间是有序的，这些工作是有序的，该工具是有序的。优化了机器完成时间的矢量的某些客观函数，但要受到以下限制，即按时间表总成本必须在给定的预算范围内b。是由文献的最新结果激发的，我们的重点是机器类型数量是固定常数的情况，我们为研究问题开发了双标准近似方案。我们的结果在某些特殊情况下概括了几个已知结果，例如带有相同机器的情况，或具有恒定数量具有成本限制的机器的情况。构建了Jansen和Maack [15]最近提出的优雅技术，我们构建了一种更通用的方法，该方法可用于将近似方案推导到具有约束条件的更广泛的负载平衡问题上。
研究论文考虑风电和光伏预测输出的可再生能源系统日前经济调度
为缓解全球气候变暖与能源危机问题，各国都在大力发展可再生能源技术，风能、水电、光伏等大规模可再生能源的接入对系统运行调度和经济调度影响巨大。本文提出一种以风电、光伏发电为主要能源来源的风电-光伏-光热-水电系统经济调度方法。采用长短期记忆（LSTM）神经网络对风电和光伏功率进行预测，并利用拉丁超立方抽样（LHS）方法和同步缩减算法得到10个典型的风电和光伏功率场景。建立风电-光伏-光热-水电-电池日前经济调度模型，并考虑相关约束条件。利用光热、水电站、电池和可转移负荷作为灵活资源，提高风电和光伏发电的渗透率。最后通过3个案例验证了所提模型的可行性。结果表明：（1）LSTM神经网络可以很好地预测风电和光伏发电的输出功率，且均方根误差（RMSE）较小；（2）在可再生能源电力系统中引入可转移负荷和CSP电站可以有效降低风电和光伏发电的波动率和限电率。
用于药物发现和开发的机器学习
1. 小分子药物设计。小分子药物又称化学药物，是种类最广泛的药物。小分子药物设计分为两个阶段：从头设计和先导化合物优化。• 从头设计。从头药物设计旨在从头开始生产具有理想药理特性的新型、多样化药物分子。关键挑战是有效地遍历离散的化学空间。具体而言，为了规避药物分子的离散性质并减轻强力试错策略，[2]将离散药物分子放宽为可微分支架树 (DST)，以使基于梯度的数值优化能够直接更新可微分分子，从而实现基于梯度的药物分子优化。实证研究表明，所提出的 DST 方法具有更高的样本效率，能够在数千次评估（Oracle 调用）中识别所需的分子。Oracle 调用可以是体内实验，也可以是体外实验，而且成本总是很高。这意味着我们的方法将大大降低药物设计的成本。此外，受遗传算法优越但不稳定的性能（由于随机游走行为）的启发，强化遗传算法 [ 1 ] 被设计用于抑制随机游走行为，该算法利用强化学习对有希望的搜索分支进行优先排序并智能地导航离散空间。 生成的分子可以紧密结合与某些重大疾病密切相关的目标蛋白，例如 PDB ID 为 7l11 的靶标，它是 SARS-COV-2（2019-NCOV）主蛋白酶。 此外，为了量化不确定性并彻底探索化学空间，多约束分子采样（MIMOSA）[ 15 ]将药物设计问题公式化为从药物空间上的目标分布中抽样的采样问题。 理想的药物分子具有较大的概率，然后设计一种马尔可夫链蒙特卡洛（MCMC）方法与预训练的图神经网络相结合，从目标分布中采样。 与最强基线相比，它获得了高达 49% 的改进。 • 先导化合物优化。先导化合物优化的目的是通过改善先导化合物的药学特性（如降低毒性、改善吸收）并保持其与先导化合物的相似性来增强先导化合物（通常是从头设计中最有前途的分子）。关键挑战在于满足多个约束条件。为了明确增强相似性约束，复制和细化策略（CORE）[17]旨在利用注意机制从输入的药物分子中选择现有的子结构（子结构是基本构建块），而不是在整个子结构空间中搜索。除了在多个任务中不断改进之外，CORE 在具有稀有子结构的分子中取得了尤为出色的表现，成功率提高了 11%。此外，先导化合物优化需要输入和输出药物分子的大小保持一致。为了满足这一要求，提出了带分子奖励的深度生成模型 (MOLER) [ 14 ]，将约束条件代入学习目标中的可微损失函数中。这是一种与模型无关的方法，可以增强几乎所有深度生成模型。
基于路径的汽车行业入站物流优化公式
在汽车行业中，装配厂由多个接收码头 (D) 组成，每个码头专门接收一个或多个供应商 (S) 的特定类型的零件。在混合入站物流网络中，零件通过直接装运（直接在供应商和工厂之间）、循环装运（多个供应商之间的巡回装运）或间接装运（通过交叉对接平台）运送到工厂，通过无限数量的同质车辆（装载米和公斤两种装载能力）运送到工厂。多个利益相关者，每个利益相关者都有不同的运营要求，参与设计运输计划。因此，实际计划应遵守他们的要求和约束。例如，为了减少运输计划的变化，并提高驾驶员对路线的熟悉度，对供应商的最大数量 (MaxS)、接收码头 (MaxD) 和车辆在两个连续供应商之间行驶的最大距离 (MaxL) 施加了限制。此外，必须将供应商划分为已知最大规模 k 的集群。图 1 说明了包含聚类约束的混合入站物流网络的示例。我们的目标是设计一个满足约束条件的运输计划，同时最小化为运输策略分配供应商的总成本。我们问题的可行解决方案决定了运输策略，以及直接供应商和循环供应商的最佳提货行程访问顺序、收集量和频率。
基于计算智能的分层虚拟发电厂优化
摘要 在可再生能源的背景下，虚拟发电厂 (VPP) 被视为智能控制复杂、分散、分布式和异构发电过程的关键技术。然而，VPP 的经济和生态控制是一项非常关键的任务：由于 VPP 在复杂性、技术组合、环境条件和运行期间需要优化的目标方面具有很大的变化性，单个 VPP 的控制需要能够有效地考虑所有这些单独的约束条件。因此，我们在本文中提出了一种结合计算智能 (CI) 元启发式的 VPP 抽象控制方法，该方法旨在灵活适用于不同的 VPP 规模、目标和发电厂类型。此外，该方法还提供了构建分层 VPP 的可能性，因为这通常是系统运营商的要求。为了证明该控制方法的有效性，考虑了三个示例性优化目标，并将其应用于不同组合的扁平/分层 VPP：最小化运行储备需求、最小化 CO 2 排放量和最大化发电厂灵活性。此外，该方法与三个示例性 CI 元启发式方法相结合并进行评估：模拟退火 (SA)、粒子群优化 (PSO) 和蚁群优化 (ACO)。为了使这种先进的 CI 元启发式方法在优化问题中的使用合法化，梯度下降优化 (GDO) 作为一种传统的优化技术也被考虑在内。基于具体的示例场景以及广泛的汇总测试运行，结果表明该控制方法能够有效地优化各种 VPP 组合以实现给定的目标。
AIIB P000927 乌兹别克斯坦 CPBF_更新的 PSI_草案
拟议的计划将支持乌兹别克斯坦政府 (GoU) 应对战略气候优先事项并解决关键约束条件，以帮助实现有弹性、包容性和低碳的经济增长。该计划将由亚洲开发银行 (ADB) 作为牵头联合融资方共同资助。拟议的计划与乌兹别克斯坦更新的国家自主贡献 (NDC, 2021) 相一致，该贡献强调该国减少温室气体排放以及适应气候变化影响所需的缓解和适应措施。它也与国家发展战略“新乌兹别克斯坦 2030”和过渡到绿色经济 2030 战略框架相一致。该计划将侧重于 (i) 加强实施气候变化行动的体制框架、规划、预算和监测机制； (ii) 通过增强水和土地资源管理的气候适应力、提高农业生产力和改善社会保障体系、对国有企业实施气候和可持续性风险披露，加强气候变化适应优先事项；(iii) 通过电子移动和能源效率相关改革，加速向低碳经济转型，特别是在气候关键型交通和能源行业。预期结果预期的计划成果是增强气候适应力并减少气候关键行业的排放。改革建议和成果之间的传输渠道总结如下：(i) 加强气候行动的体制框架，将气候变化纳入规划、预算和资源分配的主流；