XiaoMi-AI文件搜索系统
World File Search System贪婪的
ngia：一种新型的基于基因序列聚类的基于贪婪的增量对准算法✩
基因序列聚类在计算生物学和生物信息学中非常重要且重要，用于研究系统发育关系和基因功能预测等。随着生物学数据量的快速生长（基因/蛋白质序列），基因序列聚类算法在低精度和效率方面面临着更多挑战。 基因序列数据库中增长的冗余序列通常有助于大多数聚类方法的记忆和计算需求的增加。 例如，原始的基于贪婪的增量比对（GIA）聚类算法获得了很高的精度聚类结果，但效率非常低。 已经开发了有效的贪婪增量聚类算法，其精确成本降低了，通常可以关闭速度的贸易聚类精确度以提高速度。 需要在精度和速度之间取得更好平衡的算法。 本文提出了一种新型的基于贪婪的增量比对算法，称为NGIA，用于具有高效率和精度的基因聚类。 ngia由一个预滤波器，修改后的短词过滤器，一种新的数据包装策略，一种修改的贪婪增量方法组成，并通过GPU并行化。 四个独立数据集上的实验评估表明，所提出的工具可以以99.99％的高精度聚类。 与CD-HIT，VSEARCH和UCLUST的结果相比，NGIA平均快13.6倍，6.2倍和1.7倍。 此外，我们开发了一个多节点版本来处理大型数据集。 该软件可从https://github.com/siat-hpcc/gene-sequence-clustering获得。随着生物学数据量的快速生长（基因/蛋白质序列），基因序列聚类算法在低精度和效率方面面临着更多挑战。基因序列数据库中增长的冗余序列通常有助于大多数聚类方法的记忆和计算需求的增加。例如，原始的基于贪婪的增量比对（GIA）聚类算法获得了很高的精度聚类结果，但效率非常低。已经开发了有效的贪婪增量聚类算法，其精确成本降低了，通常可以关闭速度的贸易聚类精确度以提高速度。需要在精度和速度之间取得更好平衡的算法。 本文提出了一种新型的基于贪婪的增量比对算法，称为NGIA，用于具有高效率和精度的基因聚类。 ngia由一个预滤波器，修改后的短词过滤器，一种新的数据包装策略，一种修改的贪婪增量方法组成，并通过GPU并行化。 四个独立数据集上的实验评估表明，所提出的工具可以以99.99％的高精度聚类。 与CD-HIT，VSEARCH和UCLUST的结果相比，NGIA平均快13.6倍，6.2倍和1.7倍。 此外，我们开发了一个多节点版本来处理大型数据集。 该软件可从https://github.com/siat-hpcc/gene-sequence-clustering获得。算法。本文提出了一种新型的基于贪婪的增量比对算法，称为NGIA，用于具有高效率和精度的基因聚类。ngia由一个预滤波器，修改后的短词过滤器，一种新的数据包装策略，一种修改的贪婪增量方法组成，并通过GPU并行化。四个独立数据集上的实验评估表明，所提出的工具可以以99.99％的高精度聚类。与CD-HIT，VSEARCH和UCLUST的结果相比，NGIA平均快13.6倍，6.2倍和1.7倍。此外，我们开发了一个多节点版本来处理大型数据集。该软件可从https://github.com/siat-hpcc/gene-sequence-clustering获得。强可伸缩性测试表明，NGIA的多节点版本可以以31％的并行效率扩展32个线程。©2022 Elsevier B.V.保留所有权利。
是基于探索的重复随机联盟游戏的感兴趣策略吗？
摘要。联盟游戏是合作的模式，在该模型中，Selfer -Sher -Fiment必须组成群体（联盟）以最大程度地提高其效用。在这些模型中，通常假定联盟的效用是固定和已知的。由于这些假设在许多应用中都不是现实的，因此有些工作通过考虑重复的随机联盟游戏来解决此问题。在这样的游戏中，代理商反复组成联盟，并观察其实用性后验，以更新他们的知识。但是，通常认为代理具有贪婪的行为：它们始终在给定时间步骤中构成他们估计的最佳联盟。在本文中，我们研究了其他策略（行为）是否允许代理商探索未经评估的联盟的策略。为此，我们提出了一个重复的随机联盟游戏的模型，其中代理使用神经网络来估计联盟的效用。我们比较了不同的探索策略，并且我们表明，由于联盟游戏的结构，尽管基于事实探索的策略可以更好地估算公用事业，但贪婪的策略还是最好的。
基于贪婪优先级的搜索次优多代理路径查找
多代理路径查找（MAPF）是在共享环境中发现无碰撞路径的问题，每个代理一个是每个代理的一个问题，同时最小化了旅行时间的总和。由于最佳地求解MAPF是NP-HARD，因此研究人员已经使用了副本且有效地求解MAPF的算法。基于优先级的搜索（PBS）是为此目的的领先算法。它一次找到一个单个代理的路径，并通过将优先级分配给碰撞代理并在其搜索过程中重新确定其路径来解决碰撞。但是，对于具有高密度的代理和障碍物的MAPF实例，PBS变得无效。因此，我们介绍了贪婪的PBS（GPB），该PBS（GPBS）使用贪婪的策略来通过最大程度地减少代理之间的碰撞数量来加快PBS。然后，我们提出了进一步加速GPB的技术，即部分扩展，目标推理，诱导的约束和软重新启动。我们表明，具有所有这些改进的GPB的成功率高于1分钟的运行时间限制的最先进的次优算法，尤其是对于具有小地图和密集障碍的MAPF实例。
学习启发式搜索的离散世界模型
对于许多顺序决策问题，通常需要计划才能找到解决方案。但是，对于诸如机器人技术中遇到的域，换句函数（也称为世界模型）通常是未知的。虽然基于模型的强化学习方法学习了可以用于计划的世界模型，但此类方法受到在许多时间段应用模型应用时会累积的错误限制，并且无法重新识别计划的状态。为了解决这些问题，我们介绍了DeepCubeai，这是一种算法，该算法学习了一个世界模型，该模型代表了在离散的潜在空间中代表状态，使用增强学习学习学习一种启发式功能，该功能使用该学识渊博的模型将概括性和目标状态概括，并将学习的模型结合在一起，并将启发式功能与启发式搜索相结合，以解决问题。由于潜在空间是离散的，因此我们可以通过舍入来防止小错误的积累，我们可以通过简单地比较两个二进制向量来重新识别状态。在我们对Rubik Cube，Sokoban，Icelider和DigitJump的像素表示的实验中，我们发现DeepCubeai能够将模型应用于数千个步骤，而不会出现任何错误。此外，DeepCubeai在所有领域中解决了99％以上的测试实例，跨目标状态概括了，并且大大优于贪婪的政策，而贪婪的政策没有与学识渊博的世界模式计划。
自动架：用于在量子计算中实现有效的表面代码通信的框架
量子计算机可以使用最强大的古典计算机解决难以纠缠的问题。但是，Qubits是善变的，容易出错。有必要在执行量子电路中积极纠正错误。量子误差校正（QEC）代码是为了启用易于故障的量子计算的。使用QEC，将一个逻辑电路转换为编码电路。大多数关于量子电路汇编的研究都集中在具有10-100吨且不容忍断层的NISQ设备上。在本文中，我们专注于易于故障量子硬件的汇编。特别是，我们专注于优化基于表面代码QEC的通信并行性。表面代码电路的执行涉及对大型纠缠物理量子晶格的非平凡的几何操纵。表面代码中的两个Qubit Gate在时空中以虚拟“管道”的形式实现，称为编织路径。应仔细路由编织路径以避免交通拥堵。Qubits之间的通信被认为是主要的瓶颈，因为它涉及调度和寻找量子位之间的同时路径。我们提供了有效安排编织路径的框架。我们发现，对于具有局部并行性模式的量子程序，我们的框架是一个最佳解决方案，而以前的基于贪婪的 - 基于贪婪的解决方案则不能。此外，我们建议扩展到局部并行分析框架，以解决通信框架。我们的框架在解决了通信瓶颈后取得了数量级的改善。
gastronomiq：使用AI ...
Gastronomiq是一个创新的项目，利用人工智能（AI），自然语言处理（NLP）和贪婪的优化算法，以彻底改变进餐计划。利用Python库，例如Tensorflow，Pytorch和Scikit-Learn，Castronomiq集成了先进的AI技术来分析和预测用户偏好。NLP库，包括NLTK和Spacy，处理和理解用户输入，例如饮食限制，最喜欢的美食和餐食偏好，产生了高度个性化的膳食计划。该系统采用贪婪的优化来有效地分配成分和食谱，从而确保成本效益并最大程度地减少食品浪费。通过根据用户反馈和季节性成分可用性动态调整进餐计划，Castronomiq提供了一种高度适应性和以用户为中心的解决方案。该项目还具有直观的用户界面，可促进无缝的互动和对膳食计划的实时调整。Gastronomiq旨在通过为用户提供量身定制，营养和美味的饮食选择，最终促进更健康的饮食习惯并减少食品消费对环境的影响，从而增强饮食计划。通过其对Python和NLP库，AI方法和优化技术的复杂使用，Astronomiq站在智能进餐计划技术的最前沿。总而言之，Astronomiq提供了一种实用且聪明的方法来进行日常营养管理，并为个性化的膳食计划解决方案设定了新的标准。
利用工业机器工作负载平衡的约束优化
有效的生产计划是基于约束的优化技术的重要应用领域。问题域（例如流程和工作店计划）是广泛的研究目标，解决方法从完整和本地搜索到机器学习方法。在本文中，我们设计和比较了基于约束的优化技术，以在建筑物到印刷业务中调度专业制造过程。目标是分配生产设备，以便尽可能及时完成客户订单，同时尊重机器能力并最大程度地减少解决瓶颈所需的额外轮班。为此，我们提供了几种方法，用于将未决的生产任务安排到一个或多个工作日以执行它们。首先，我们提出了一种贪婪的自定义算法，该算法允许快速筛选改变资源需求和可用性的影响。此外，我们利用这种贪婪的解决方案来参数化和温暖整数线性编程（ILP）和约束编程（CP）求解器对相应的问题公式进行的优化。我们的经验评估是基于Kostwein Holding GmbH的生产数据，GmbH是建筑直通业务的全球供应商，因此证明了我们调度方法的工业适用性。我们还提出了一个用户友好的Web界面，用于为基础求解器提供客户订单和设备数据，图形显示计算的时间表，并促进对更改资源需求和可用性的调查，例如，由于更新订单或包括额外的偏移。
CBSE类12英语（核心）试卷2022 Set
（1）如今太多的父母不能说不。因此，他们发现自己抚养了“孩子”，他们对针对它们的广告做出了贪婪的回应。即使得到他们想要的东西也不满足某些孩子；他们只想要更多。现在，越来越多的心理学家，教育工作者和父母认为是时候停止疯狂并开始向孩子们讲述什么真正重要的价值观，例如辛勤工作，满足，诚实和同情。设定极限的斗争从未如此艰难 - 赌注从未如此高。最近对成年人过度放纵的一项研究，描绘了他们未来的沮丧图景：当给予太早的时候，他们成长为成年人，他们很难应对生活的失望。他们还具有扭曲的权利感，在工作场所和人际关系中取得成功。