XiaoMi-AI文件搜索系统
World File Search System进化算法
不断发展的深度神经网络：权重的优化...
神经网络训练进化算法的实现。我们探讨了它在监督学习问题上的表现，并将其与随机梯度下降进行比较。在强化学习环境中也演示了一种类似的神经网络训练进化算法。这两种方法都展示了进化算法训练大规模神经网络的能力，但忽略了
替代辅助进化算法中替代模型准确性对性能和模型管理策略的影响
替代辅助进化算法（SAEAS）来解决昂贵的优化问题。尽管SAEAS使用使用机器学习技术近似解决方案评估的替代模式，但先前的研究并未充分研究SAEAS中搜索性能和模型管理策略的Sherrotage模型准确性对搜索性能的影响。这项研究分析了替代模型准确性如何影响搜索绩效和模型管理策略。为此，我们构建了一个具有可调节精度的伪气管模型，以确保在不同的模型管理策略之间进行公平比较。我们比较了三种模型管理策略：（1）预选前（ps），（2）基于个人（IB）和（3）基于一代的基准基准问题的基于生成（GB）的基线模型，而基线模型不使用替代物。实验结果表明，较高的替代模型精度可提高搜索性能。但是，影响根据所使用的策略而变化。具体来说，随着估计精度的提高，PS证明了性能的明显趋势，而当准确性超过一定阈值时，IB和GB表现出强大的性能。模型策略
一种新型的心肌炎检测，结合了深钢筋学习和改进的差异进化算法
抽象的心肌炎是一种严重的心血管疾病，如果不及时治疗，可能会导致严重的后果。它是由病毒感染触发的，并出现诸如胸痛和心脏功能障碍之类的症状。早期检测对于成功的治疗至关重要，心脏磁共振成像（CMR）是识别这种情况的宝贵工具。但是，由于对比度较低，噪声可变以及每名患者的多个高CMR切片的存在，使用CMR图像检测心肌炎可能具有挑战性。为了克服这些挑战，该方法融合了先进的技术，例如卷积神经网络（CNN），改进的差异进化（DE）算法（DE）算法以及用于培训的基于增强学习（RL）模型。开发这种方法由于来自德黑兰OMID医院的Z- Alizadeh Sani心肌炎的分类不平衡，提出了重大挑战。为了解决这个问题，培训过程被构建为一个顺序决策过程，在该过程中，代理会获得更高的奖励/罚款，以正确/错误地对Mi-Nority/多数派类进行分类。此外，作者提出了一种增强的DE算法来启动反向传播（BP）过程，从而克服了基于梯度的方法的初始化灵敏度问题，例如训练阶段的后退传播。通过基于标准性能指标的实验结果证明了拟议模型诊断心肌炎的有效性。总的来说，这种方法显示出加快CMR图像的分类，以自动筛查，促进早期检测和成功治疗心肌炎。
自动QML：通过在灰度图像上使用进化算法的稳健量子启发的分类器的自动生成和培训
提出了一种新的混合系统，用于通过使用多目标遗传算法在灰度图像上自动生成和训练量子启发的分类器。定义了动态适应性函数，以获得最小的电路复杂性和最高的观点数据精度，从而确保所提出的技术是可以推广且健壮的。同时，它通过惩罚其外观和门数来最大程度地减少生成电路的复杂性。通过使用二维降低方法来减少图像的大小：主成分分析（PCA），该方法在个人内部编码并由系统进行了遗传优化，以及一个小的卷积自动编码器（CAE）。这两种方法相互比较，并采用经典的非线性方法来理解其行为，并确保分类能力是由于量子电路而不是用于降低维度的预处理技术引起的。
强度帕累托进化算法，用于融合风电场和储能系统的动态经济发射问题
I。由于能量短缺和保护环境的增加压力，风能引起了人们的注意。风被认为是清洁能源，可以减轻对化石燃料的依赖。但是，风速的随机特征导致风能输出的波动性和不确定性。因此，风能的高渗透可能会对系统稳定性产生负面影响，并导致侵犯能量平衡约束[1]。实际上，一旦风力渗透成为总能源产量的5％以上，功率质量将受风力发电的不确定性的影响[2]。因此，在风热系统中，重要的是要完美地分配包括风能在内的所有单元的产生，以减轻风力降低。此问题称为功率调度问题。几项研究工作已处理了风热系统的最佳调度。此类问题的解决方案是基于二次编程，遗传算法（GA）[3]，粒子群优化（PSO）[4]，模拟退火[5]，Harmony Search [6]，Firefly AlgorithM [7]，化学反应[8]等，等等。风的不确定性
通用策略博弈的投资组合搜索与优化
摘要 — 投资组合方法代表一种简单但有效的行动抽象类型，它已被证明可以提高一系列战略游戏中基于搜索的代理的性能。我们首先回顾现有的投资组合技术，并提出一种基于滚动水平进化算法的优化和行动选择新算法。此外，还开发了一系列变体来解决不同方面的问题。我们进一步分析了所讨论的代理在一般战略游戏任务中的表现。为此，我们对 S TRATEGA 框架的三种不同游戏模式进行了实验。为了优化代理的参数和投资组合集，我们研究了 N 元组强盗进化算法的使用。由此产生的投资组合集表明游戏风格高度多样化，同时能够持续击败样本代理。对代理性能的分析表明，所提出的算法可以很好地推广到所有游戏模式，并且能够胜过其他投资组合方法。索引术语 — 投资组合方法、一般战略游戏、Stratega、N 元组强盗进化算法
人工智能中的神经进化
Prajwal Pawar 1，教授。 PUNAM SHINDE 2 1，2 2 1，工程系，计算机工程学院，Savitribai Phule大学浦那摘要 - 神经进化，神经网络与进化算法的融合，是推进人工智能（AI）的变革性力量。本文的展开目的是阐明神经进化的基本概念和应用，旨在提供对其在推动AI领域的重要性的细微理解。从探索进化算法与神经网络之间的协同作用开始，本文强调了展示神经进化在解决各种领域中复杂问题的现实世界中适用性的总体目标。检查神经网络的不断发展的体系结构，包括复发性神经网络（RNN）和长期短期记忆（LSTM）网络的适应性，以阐明神经进化的适应性。纸张研究了可扩展性和效率策略，阐明了处理更大的神经网络体系结构并提高计算效率。集成到多代理系统中，强调了神经进化在复杂相互作用中优化合作和竞争行为方面的作用。神经交流网络的鲁棒性和适应性分析构成了关键方面，评估了它们在各种条件及其概括能力中的弹性。最终概述了神经进化对更广泛的AI景观的贡献，为研究人员和从业人员提供了见解，并在神经网络和进化算法的交汇处促进了发展。索引术语 - 神经进化，人工智能，进化算法，神经网络，遗传算法，学习算法，优化技术，机器学习，强化学习，增强学习，进化策略
朝着高效且可持续的供应链
对于诸如此类的NP硬性问题，由于解决方案空间的指数增长，通常在很大的尺度上无法获得精确的解决方案，并且经常采用启发式方法。一种针对此问题的启发式方法（不能保证找到最佳解决方案）是使用进化算法[2]。特别是遗传算法[3]是最流行的进化算法类型，通常用于组合优化问题。另一种启发式方法是使用答案集编程[4]。这是一种声明性编程的一种形式，针对这样的复杂搜索问题。文献中可以找到许多其他方法，但是到目前为止，迄今为止尚未证明适用于工业规模的问题，而决策通常会基于专家判断。因此，对空中客车和宝马是否对量子方法可能提供了一种实用方法来为诸如此类的物流问题提供最佳或近乎最佳的解决方案。