XiaoMi-AI文件搜索系统
World File Search System蜂群
蜂群开始
此次任务的主要有效载荷 NEONSAT-1 是一颗地球观测卫星，配备高分辨率光学相机，旨在通过将其图像与人工智能配对来监测朝鲜半岛的自然灾害。NEONSAT-1 是 SaTReC 和韩国顶尖科技大学 KAIST 在 NEONSAT 计划下开发的第一颗卫星，30 多年前，该大学开发并运营了韩国第一颗卫星 KITSAT-1。其他 NEONSAT 卫星计划于 2026 年和 2027 年发射，以构建 NEONSAT 星座。该计划是韩国多个学术、工业和研究机构的合作，其中包括 KAIST 的 SaTReC，它负责领导该计划的系统设计和工程；Satrec Initiative，一家韩国卫星制造商，已成功开发了七颗用于低地球轨道的遥感卫星；以及韩国航空航天研究院 (KARI)，它负责管理 NEONSAT 计划的任务地面部分和技术监督。 NEONSAT 由韩国政府科学和信息通信技术部 (MSIT) 资助。
大脑在蜂群种姓中的生理专业：多巴胺在与女性大黄蜂中的交配相关行为中的作用
我们旨在研究多巴胺在调节bumble蜜蜂中的种姓特异性行为和与蜂ger犬中与交配相关的行为的作用。我们检查了在蜂蜜蜜蜂大脑中编码多巴胺受体的基因的行为，生物胺水平和表达水平的种姓不同，并分析了与多巴胺相关药物对大黄蜂行为的影响。在8天大的妇女中，运动和飞行活动明显更高，而在4至8天大的妇女中，避免光明显低于同一年龄工人。在8天大的妇女中，多巴胺和章鱼的大脑水平明显高于同龄工人，但是种姓之间的酪胺和5-羟色胺水平没有差异。在8天大的妇女中，多巴胺受体基因基因的相对表达水平明显低于同一年龄工人，但其他多巴胺受体基因的表达水平在种姓之间没有差异。多巴胺显着增强了7-9天大的工人的运动和飞行活动，而Dopaine受体拮抗剂Flupentixol抑制了同一妇女的飞行活动和交配接受。这些结果表明，多巴胺在大黄蜂中的妇科特异性行为中起重要作用，并且在女性互联性蜜蜂中具有常见的多巴胺能功能。
AI-WSN：基于蜂群的到达方向估计
人工智能 (AI) 技术是无线传感器网络 (WSN) 中能源利用的最重要考虑因素。AI 通过优化传感器节点的能耗来改变工业运营。因此，它对于提高传感器节点定位精度至关重要，尤其是在不平衡或 Ad-hoc 环境中。因此，本研究的目的是提高传感器节点经常遇到障碍物或障碍物的位置的定位过程的准确性。蜂群优化 (BSO) 算法用于分割传感器节点，以提高锚节点和未知节点对之间的到达方向 (DoA) 估计的准确性。即使在存在不平衡条件的情况下，涉及三个独立蜂群的所提出的 DoA-BSO 也可以识别合理的锚节点以及排列成簇的分段节点。为了获得预期结果，目标函数的设计考虑了锚节点和未知节点对的跳数、能量和传输距离等因素。研究在大规模 WSN 中使用传感器节点对进行，以确定 DoA-BSO 的定位精度。将 DoA-BSO 与传统方法进行比较时，元启发式算法的结果表明，它显著提高了节点的准确性和分割性。
RTG SET-263“用于情报监视和侦察的蜂群系统”分析了蜂群系统的操作和系统问题，这些问题可能
未来部队将陆地、空中和海上自主和半自主平台整合在一起，以提高部队的效率。该系统可自主部署，可在多个梯队、旅级战斗部队中实现多种力量的部署。指挥官们将负责开发和维护对局势的全面了解，以确保在该区域内持续进行监视，并在人类无法进入的区域内进行大规模的持续时间延长。机器人/捕捉器是一种协作系统，一种多机器人/捕捉器，是一种集体行为，可实现系统的实现，包括广阔的区域、信息共享者和不可实现的行为的共享系统个人。
使用人工蜂群算法实现微电网中的最优功率共享
摘要：在智能电网中，将多种可再生能源 (RES) 与存储和备用系统相结合的混合可再生能源系统可以提供最具成本效益和稳定的能源供应。然而，最近研究解决的最紧迫问题之一是如何最好地设计混合可再生能源系统的组件，以尽可能低的成本和最佳的可靠性满足所有负载要求。由于混合可再生能源系统的优化难度，找到一种提供可靠解决方案的有效优化方法至关重要。因此，在本研究中，优化了微电网之间的电力传输，以最大限度地降低整个系统和每个微电网的成本。为此，人工蜂群 (ABC) 被用作优化算法，旨在最大限度地降低微电网外部的成本和电力传输。ABC 算法优于其他基于种群的算法，并且具有需要更少控制参数的额外优势。ABC 算法还具有良好的弹性、快速收敛和强大的通用性。本研究进行了多项实验，以证明所提出的基于 ABC 的方法的有效性。模拟结果表明，所提出的方法是一种有效的优化方法，因为它可以以非常简单且计算效率高的方式实现全局最优。
一种用于 QSAR 特征选择的改进型人工蜂群
摘要：定量结构-活性关系 (QSAR) 旨在将分子结构特性与相应的生物活性关联起来。机会相关性和多重共线性是生成 QSAR 模型时经常遇到的两个主要问题。特征选择可以通过删除冗余或不相关的分子描述符来显著提高 QSAR 的准确性和可解释性。人工蜂群算法 (ABC) 模仿蜜蜂群的觅食行为，最初是为解决连续优化问题而提出的。它已应用于分类的特征选择，但很少用于回归分析和预测。本文使用二元 ABC 算法来选择 QSAR 中的特征（分子描述符）。此外，我们提出了一种改进的基于 ABC 的 QSAR 特征选择算法，即 ABC-PLS-1。交叉和变异算子被引入到已聘用蜜蜂和旁观蜜蜂阶段来修改每个解决方案的几个维度，这不仅节省了将连续值转换为离散值的过程，而且还减少了计算资源。此外，提出了一种新的贪婪选择策略，即选择准确率更高、特征更少的特征子集，有助于算法快速收敛。使用三个QSAR数据集对所提算法进行了评估。实验结果表明，ABC-PLS-1在准确率、均方根误差和所选特征数量方面优于PSO-PLS、WS-PSO-PLS和BFDE-PLS。此外，我们还研究了在跟踪回归问题时是否实施侦察蜂阶段，并得出了一个有趣的结论：在处理低维和中维回归问题的特征选择时，侦察蜂阶段是多余的。
通过使用改进的多策略融合人工蜂群算法
摘要：本工作研究了可以解决农村电力问题的技术经济解决方案。为了维持该村庄区域的连续电源，设计了一个与网格连接的微电网系统，该系统由太阳能光伏（SPV）和电池能量存储系统（BESS）组成。最近引入的多策略融合人工蜂群（MFABC）算法与模拟退火方法杂交，并被称为MFABC+算法。这是用于确定包括集成系统的不同组件的最佳尺寸，并最大程度地提高了技术经济目标。进行验证，将MFABC+算法获得的仿真结果与使用Homer软件，粒子群优化算法和原始MFABC算法获得的结果进行了比较。与这些现有优化工具相比，MFABC+算法具有更好的收敛率和提供折衷结果的潜在能力。也通过全面的评估进行了解决，即拟议的系统具有以最低水平的电力成本来满足村庄24×7的电力需求的潜在能力。
研究基于模拟退火的人工蜂群算法的微网格混合储能系统的能力优化
性能。它们可以通过合理的连接混合和使用。系统具有电池高能密度和超级电容器的高功率密度的优势，并且可以优化电池的工作环境。超级电容器和蓄能器的混合储能系统的应用改善了微电网的电源质量，并改善了微电网的运行稳定性和经济性。为了更好地抑制功率波动的效果，混合储能系统的容量通常很大。，但是随着混合储能系统的能力增加，其成本也会增加[5]。混合储能系统的成本与其水平效果相矛盾。因此，非常有必要在经济和合理地配置混合储能系统的能力。