XiaoMi-AI文件搜索系统
World File Search System遗传算法
1课程1。名称：Adil Amirjanov 2。...
助理教授：1996副教授：2005教授：2010 6。本文6.1主论文•数值和组合优化问题中的遗传算法。•比较遗传算法中的惩罚方法。•消息传递接口和并行虚拟机系统：概念和实现。•数据库驱动的Web应用程序：概念和示例。•多线程软件设计：概念和实现。•绩效改进操作系统过程管理器•对象数据建模作为数据库设计的结构方法6.2博士学位论文•基于客观和主观质量测量值的图像压缩系统的分析和设计（博士生：Kamil Dimililer）7。出版物7.1书•A. Amirjanov，Java学生编程，Bilesim，2006年。•A。Amirjanov，ÖğrencılerijçinJava Programlama，Bileşim，2007年。7.2 SCI / SCI扩展期刊< / div>
在循环经济的背景下，关于锂离子电池的健康状况估计方法的审查
图2：从基于物理的电池模型中检索的特征的SOH估计方法。这些技术的缩写项是库仑计数（CC），电化学阻抗光谱（EIS），开路电压（OCV），Kalman滤波器及其扩展（KF）和遗传算法（GA）。
在复杂的环境中预测：股票流量一致的基于代理的仿真模型中的机器学习销售期望
本文的目的是研究代理人行为规则中复杂程度的不同程度如何影响个人和宏观经济的表现。，我们分析了引入基于代理的宏观模型企业的效果，该公司能够通过使用简单的机器学习算法来制定有效的销售预测。这些技术能够提供公正的预测并具有一定程度的准确性，尤其是在遗传算法的情况下。我们观察到机器学习允许企业可以增加利润，尽管这会导致工资份额下降和长期长期增长率较小。预测方法能够提出期望，这些期望在冲击不大时保持公正，因此提供了预测能力，在一定程度上可能与卢卡斯的批评一致。关键字：基于代理的模型，机器学习，遗传算法，预测，政策冲击。JEL分类：C63，D84，E32，E37。
基于可再生能源的微电网系统频率控制...
本文讨论了一种使用分数阶 PID 控制器的微电网系统控制频率方案。所提出的微电网系统由光伏系统、风力涡轮发电机、柴油发电机、燃料电池和不同的存储系统（如电池储能系统和飞轮储能系统）组成。本文的主要目标是通过应用所提出的控制器来限制频率和功率偏差，该控制器有五个参数需要通过优化技术确定。Krill Herd 算法用于使用平方误差积分确定最佳分数阶 PID 控制器参数。对遗传算法和 Krill Herd 进行了比较，得到的模拟结果表明，所研究的基于控制器的 Krill Herd 在功率和频率偏差波动较少方面优于遗传算法。
上市公司的营运资本管理模型...
实际水平的营运资金和预期水平是营运资金管理效率低下的指标。最初，基于理论基础和专家意见，选择了28个影响营运资金的变量。然后，使用运营营运资本指数，使用多个回归和遗传算法技术估算了研究模型，从2011年到2022年，来自156家公司的数据。鉴定并过滤了影响的变量。最后，根据两个标准确定了合适的营运资本管理模型：（1）拟合模型的错误与公司的营运资本效率之间的强相关性，以及（2）模型确定公司容易出现过多或短缺工作资本的公司的准确性。总共使用回归和遗传算法方法估算了119个不同模型后，确定了四个合适的营运资本管理模型。回归方法的平均准确度分别为77.27％和79.54％的模型，分别为营运资金变量和现金转换周期。遗传算法方法导致平均准确度为89.03％和82.08％的模型。最终模型以现金转换周期为因变量，被确定为最佳模型。它包括上一年现金转换周期，公司特定风险，毛利率，贸易信贷，增长机会，经营周期，经济政策不确定性和汇率变化的变量。
人工智能：表示和问题解决
• 用于 CSP 的具有最小冲突启发式的迭代改进算法 • 爬山法（贪婪局部搜索） • 随机游走 • 模拟退火 • 束搜索 • 遗传算法 • 识别局部搜索算法的完整性和最优性 • 比较不同的局部搜索算法以及与
循环经济背景下锂离子电池健康状态评估方法综述
图 2：从基于物理的电池模型中检索到的特征的 SoH 估算方法。这些技术的缩写是库仑计数 (CC)、电化学阻抗谱 (EIS)、开路电压 (OCV)、卡尔曼滤波器及其扩展 (KF) 和遗传算法 (GA)。
用于预测印度因 COVID-19 传播导致的死亡率的混合人工智能模型
COVID-19 预测模型受到高度欢迎，并且对于当局做出明智的决策必不可少。过去使用的传统模型由于程序缺陷而无法可靠地估计死亡率。遗传算法与人工神经网络 (GA-ANN) 相结合是一种合适的混合 AI 策略，可以通过解决这种困难的 COVID-19 现象来更正确地预测。遗传算法用于同时优化所有 ANN 参数。在这项工作中，GA-ANN 和 ANN 模型是通过应用印度患病、康复和死亡人员的历史每日数据来执行的。通过将设计的混合 GA-ANN 模型与标准 ANN 和 MLR 方法进行比较来验证其性能。确定 GA-ANN 模型优于 ANN 模型。与之前用于预测印度死亡率的模型相比，假设的混合 GA-ANN 模型最为有效。由于该混合 AI (GA-ANN) 模型性能更佳且易于实施，因此建议使用该模型进行预测。
基准元启发式优化
问题，使用局部优化技术通常不足以解决此类问题。搜索受初始点的影响很大，并且不能保证全局最优。 B.全局优化 最近，更复杂的方法集中在全局优化上，即在所有可行邻域中搜索最小的目标值。设计了各种各样的全局优化方法，未来很多年还会引入更先进的技术或方法。 1975 年首次提到全局优化 [ 2 ]。现在几十年后，优化问题已经成熟，一些旨在解决某些问题的方法效果最好。因此，在本实验中，我们将比较多种不同的方法。 III.文献综述 A.遗传算法 计算机模拟进化是一个想法，由 Barricelli 于 1954 年付诸实践，就在艾伦图灵提出具有学习能力的机器四年后。[ 3 ] 遗传算法 (GA) 这个名字本身来自于它模仿进化生物学技术的事实。