XiaoMi-AI文件搜索系统
World File Search System规划问题
PLAN 483/602 ECDEV 612 土地发展规划
课程大纲 日历 描述 研究与私人土地和建筑项目的设计、经济和融资相关的规划问题，包括高层住宅公寓、低层住宅分区、填充、集约化和棕地再开发以及工业/商业用地开发。本课程重点关注开发商的决策、风险分析、融资来源、土地开发的规划、环境和工程方面。 先决条件：本科生至少 3A。研究生需要对土地使用规划原则有基本的了解 课程目标：本课程的目的首先是让学生从私营部门的角度对土地开发的原则有基本的了解；其次，让学生对行业中常用的财务基准有基本的了解；最后，鼓励学生将政府政策（反映在审批过程中）如何影响财务和产品结果以及塑造建筑环境联系起来。最重要的是，本课程将为学生提供一个机会，让他们根据形式财务模型测试自己的土地开发提案的建筑形式结果。这是一门一学期的课程，学分为0.5。
基于规则的多目标蚱蜢优化算法优化的独立于电网的微电网长期最优容量规划能量管理方案
使用可持续能源系统 (SES) 为偏远社区提供离网电气化是实现可持续发展目标的必要条件。尽管如此，SES 的容量规划仍具有挑战性，因为它需要从长期角度满足波动的需求，此外还具有可再生能源 (RES) 的间歇性和不可预测性。由于容量规划问题的非线性和非凸性，必须采用有效的技术来实现具有成本效益的系统。现有技术受到目标函数可导性和连续性方面的一些限制，容易过早收敛，计算要求高，在不同应用中遵循严格的程序来微调算法参数，并且通常无法在优化过程的开发和探索阶段提供公平的平衡。此外，文献综述表明，研究人员在计算微电网容量规划问题时通常不会实施和检查微电网的能源管理方案 (EMS)。本文提出了一种基于规则的 EMS (REMS)，它由受自然启发的草跳优化算法 (GOA) 优化，用于独立于电网的微电网的长期容量规划，该微电网包含风力涡轮机、光伏发电、电池 (BT) 组和柴油发电机 (D gen)。其中，基于规则的算法用于实施 EMS，以优先使用 RES 并协调所提议微电网组件的功率流。随后，尝试探索和确认与 GOA 结合的所提议 REMS 的效率。目标函数的最终目标是最小化能源成本 (COE) 和供电概率不足 (DPSP)。通过长期模拟研究检查 REMS 的性能，以确定 REMS 的弹性并确保不违反 BT 存储的运行限制。将 GOA 的结果与粒子群优化 (PSO) 和布谷鸟搜索算法 (CSA) 进行了比较。模拟结果表明，所提出的技术在收敛到最优解方面具有优越性。模拟结果证实，所提出的 REMS 有助于更好地采用更清洁的能源生产系统，因为与传统的 D gen 相比，该方案分别显着降低了燃料消耗、二氧化碳排放量和 COE 92.4%、92.3% 和 79.8%。算法的比较评估表明，REMS-GOA 的结果更佳，因为它提供的 COE（目标函数）最低，为 0.3656 美元/千瓦时，而 REMS-CSA 为 0.3662 美元/千瓦时，REMS-PSO 为 0.3674 美元/千瓦时，对于期望的 DPSP 为 0%。最后，进行敏感性分析，以突出未来可能出现的不确定性对系统输入的影响。
下一代人工智能规划系统的软件架构
人工智能 (AI) 规划是一门蓬勃发展的研究和开发学科，它提供了强大的工具来搜索实现某些用户目标的行动方案。虽然这些规划工具在基准规划问题上表现出色，但在实际应用中的使用和集成方面，它们代表了具有挑战性的软件系统。事实上，即使深入了解它们的内部机制也不能保证人们能够成功地设置、使用和操作现有的规划工具。我们通过提出一种面向服务的规划架构作为设计、开发和使用下一代 AI 规划系统的核心，为缓解这种情况做出了贡献。我们收集和分类常见的规划功能，以形成规划架构的构建块。我们将软件设计原则和模式融入架构中，以实现规划功能的可用性、互操作性和可重用性。我们的原型规划系统展示了我们的方法在快速原型设计和系统组合灵活性方面的潜力。最后，我们深入了解了与典型规划工具相比，我们的方法在质量上的优势。
APM 项目规划简介
概念阶段是项目生命周期的第一阶段。在此阶段，确认需求、机会或问题，考虑项目的整体可行性并确定首选解决方案。项目发起人代表组织任命项目经理，并向他或她简要介绍项目可能的需求——在此阶段是可能的，因为在项目定义之前，无法对其进行审查和批准实施。项目团队的核心围绕项目经理形成，概念阶段开始。最初，主要是关于项目的问题，但答案很少——目前还没有计划。项目经理应该从发起人那里得到“为什么”的一个很好的想法，并且可能对“什么”有一个指示，即项目的目标、范围和可交付成果的概述。所有其他规划问题都必须得到回答。规划是自上而下的和战略性的，有助于制定商业案例，并提供足够的细节来证明将项目继续进入定义阶段是合理的。就整个项目工作量而言，概念阶段的成本最低，但规划是这项工作的很大一部分。此外，有效的规划至关重要，因为它对项目的成功具有最大的影响力。
![arXiv:2011.09006v3 [cs.AI] 2020 年 12 月 16 日](/simg/7\7538ea554e4c45e8b003e133261c3b3aa4547de9.png)
arXiv:2011.09006v3 [cs.AI] 2020 年 12 月 16 日
简介由于智能系统和人类之间对透明度和信任的需求巨大，可解释人工智能规划（XAIP）最近因其在现实世界应用中的潜在应用而获得了广泛关注。在此背景下，最近出现的一个热门主题称为模型协调（Chakraborti 等人，2017 年）。该领域的研究人员研究了代理如何向可能对同一规划问题有不同理解的人类用户解释其决策。这些解释通过将最少数量的更新从代理模型转移到人类模型，使人类用户的模型更接近代理模型。然而，这些研究的共同点是，它们大多采用自动化规划方法，这并不奇怪。在本研究中，我们从知识表示和推理 (KR) 的角度解决了模型协调问题 (MRP)，其中我们奠定了扩展 Vasileiou 等人 (2019) 提出的基于逻辑的框架的理论基础，并认为它可以有效地对 MRP 进行建模。由于我们的框架建立在各种 KR 技术之上，我们进一步详细阐述了这些技术之间的关系及其对 XAIP 的适用性，并提供了两个示例来强调与我们提出的框架的不同之处。
单视图和多视图机载 SAR 定位误差的比较分析和多视图机载 SAR 最佳定位的航线规划
摘要：机载合成孔径雷达（Airborne Synthetic Aperture Radar，Airborne SAR）利用机载定位定向系统（POS）获取的飞行器飞行参数以及飞行器与目标的相对位置信息，对重点目标及区域进行精确定位。飞行过程中，飞行器会因为大气湍流等原因偏离理想飞行路径，导致计算结果与实际目标位置出现偏差。为了提高目标定位精度，需要研究飞行器运动误差对目标定位误差的影响。本文从线性距离-多普勒算法（RDA）的角度探讨了单视机载SAR的定位精度，并在多视机载SAR定位模型的基础上，推导了多视机载SAR定位误差传递模型。在此基础上，详细分析了影响两种定位方法定位精度的主要因素，定量揭示了多视角机载SAR定位方法较单视角机载SAR定位方法提高目标定位精度的机理，解决了多视角机载SAR优化定位的航向规划问题。研究成果可为定位误差影响因素分析及机载SAR定位误差校正提供理论支撑。
使用基于自动强化学习的多周期预测实现孤立微电网的优化调度
摘要 —为降低负荷与可再生能源出力的不确定性对微电网运行的负面影响，提出一种基于自动强化学习的可再生能源发电与负荷多周期预测的孤立微电网优化调度模型。首先，设计一种优先经验重放自动强化学习（PER-AutoRL）来简化基于深度强化学习（DRL）预测模型的定制化部署，首次提出基于PER-AutoRL的单步多周期预测方法来解决现有多步预测方法存在的误差积累问题，然后通过误差分布对所提预测方法得到的预测值进行修正以提高预测精度；其次，以最小化微电网总运行成本为目标，构建考虑需求响应的调度模型，以修正后的预测值作为调度依据，根据误差分布设置旋转备用机会约束；最后，利用序列运算理论（SOT）将原调度模型转化为易解的混合整数线性规划问题，并利用CPLEX求解器对转化后的模型进行求解。仿真结果表明，与传统的不带预测的调度模型相比，该方法通过提高预测精度，可以显著降低系统运行成本。
高级电力系统传感器研讨会报告
在电网规划中发现了许多挑战，这些挑战可分为三大类：与发电相关的挑战、建模挑战和不断变化的需求（表 2.1）。在规划的发电方面，有许多动态因素需要考虑。与会者指出，可变可再生能源发电来源的非传统特性为规划问题增加了一层复杂性。很难为随机性进行规划。从集中式资源环境转变为消费者和其他非公用事业公司向电网提供能源的环境，由于缺乏可用的能源存储，增加了规划挑战。通常，当系统有需求时，这些可再生能源是不可用的，而缺乏能源存储来弥补它们的不可用性，加剧了维持发电/需求平衡的挑战。在电网的发电侧增加能源存储可以极大地改变发电机的运行特性，使其更加灵活。很难预见配电和输电系统未来的能源存储技术或容量，以及这些解决方案将以多快的速度部署。输配电系统规划人员利用模型来更好地了解未来各个时间点的电网动态。参与者指出了许多与建模相关的挑战，其中大部分与
商业建筑能源优化模型
在本研究中，我们开发了一种新颖的非线性模型预测控制 (NMPC) 框架，用于控制具有可再生能源系统的建筑物的气候，以最大限度地降低电力成本。首先基于质量和能量平衡方程构建建筑物气候和可再生能源系统的非线性动态模型，包括温度、湿度、热舒适度、地热热泵和太阳能电池板。然后将非线性动态模型集成到所提出的 NMPC 框架中，该框架迭代解决非线性规划问题以生成最佳控制输入，从而最大限度地减少能源消耗和碳足迹，实现可持续发展。对位于康奈尔大学校园内的建筑物进行模拟案例研究，以展示可再生能源使用所提出的 NMPC 框架降低建筑物能耗的能力。结果表明，NMPC 框架可以有效地将总电力成本和热舒适度约束违规降至 12.9%，而不同季节的预测平均值指数违规不超过 0.2。实施电力存储组件可以将电力成本降低 19%。结果表明，使用可持续能源和 NMPC 框架的智能建筑具有更好的可持续性。
使用深度卷积精炼自动编码 Alpha GAN 增强 3D 大脑环境的数据
摘要 —基于学习的方法代表了路径规划问题的最新技术水平。然而，它们的性能取决于可用于训练的医学图像的数量。生成对抗网络（GAN）是无监督神经网络，可用于合成逼真的图像，避免对原始数据的依赖。在本文中，我们提出了一种创新类型的 GAN，即深度卷积精炼自编码 Alpha GAN，它能够通过学习数据分布从随机向量成功生成 3D 脑磁共振成像 (MRI) 数据。我们将变分自编码 GAN 与代码鉴别器相结合，解决了共模崩溃问题并降低了图像模糊度。最后，我们在生成器网络中串联了一个精炼器，以平滑图像的形状并生成更逼真的样本。我们使用生成的图像与真实图像之间的定性比较来测试模型的质量。我们还利用多尺度结构相似性度量、最大平均差异和并集交集三个指标进行了定量分析。最终结果表明，我们的模型可以成为解决基于学习的方法所需的医学图像短缺问题的合适解决方案。