多机器人路径规划（MRPP）或多智能体路径规划（MAPF）在众多领域如物流仓储、智能工厂、救援行动等具有重要应用。其目标是为多个机器人或智能体规划出无冲突的路径，使其从起始位置移动到各自目标位置。启发式搜索与增量启发式搜索方法能够在复杂环境中快速找到可行路径，提高路径规划效率，为多机器人系统的高效运行提供保障。假设有 n 个机器人分布在一个二维或三维空间中，空间内存在各种障碍物。每个机器人都有其特

电力负荷预测对于电力系统的规划、运行和调度至关重要。准确的负荷预测能够帮助电力公司合理安排发电计划、优化电网资源配置，降低运营成本，提高供电可靠性。然而，电力负荷受多种复杂因素影响，如天气、季节、工作日 / 休息日等，呈现出非线性和非平稳的特性。传统的预测方法在处理这类复杂数据时存在一定局限性。为了更有效地捕捉负荷数据的特征，提升预测精度，本文提出基于变分模态分解（VMD）、卷积神经网络（CNN）

随着分布式能源的广泛应用和电力市场的发展，虚拟电厂（VPP）作为一种新型的电力系统组织形式，在提高能源利用效率、促进可再生能源消纳等方面发挥着重要作用。在多虚拟电厂的环境下，动态定价和能量管理是实现系统优化运行的关键问题。主从博弈模型能够有效描述虚拟电厂与电网之间以及虚拟电厂相互之间的决策关系。而元模型优化算法可以在复杂的解空间中高效地寻找最优解，为解决多虚拟电厂的动态定价和能量管理问题提供了有力

在远程太空探索中，多智能体系统常用于执行复杂任务，如太空船的交会与维修。这些任务通常包含多个子任务，需要合理分配给不同的智能体，以实现高效、可靠的操作。基于共识的捆绑算法（CBBA）作为一种有效的多智能体任务分配方法，能够在分布式环境下实现任务的合理分配，提升系统的整体性能。本文将探讨如何运用 CBBA 解决远程太空船交会和维修的 RPO（Resource - Process - Object，资

在数据分析领域，变量选择和模型稀疏性问题至关重要。LASSO（Least Absolute Shrinkage and Selection Operator，最小绝对收缩和选择算子）作为一种强大的回归分析方法，通过在目标函数中添加 L1 正则化项，能够实现变量选择和参数估计的同时进行，使得估计的模型具有稀疏性。然而，直接求解 LASSO 优化问题可能面临计算复杂度较高的挑战。交替方向乘子法（ADM

汽车传动系统对于车辆性能起着关键作用，其中扭转振动可能导致零部件疲劳损坏、降低驾乘舒适性等问题。三自由度汽车传动系统扭转模型能够有效反映传动系统的动力学特性。离合器作为传动系统的重要部件，其刚度对系统扭转振动模态有着重要影响。通过对三自由度汽车传动系统扭转系统进行模态分析，研究离合器刚度效应，有助于优化传动系统设计，提升汽车整体性能。模态是结构系统的固有振动特性，每一个模态具有特定的固有频率、阻尼

1 简介针对变压器故障的特征,结合变压器油中气体分析法以及三比值法.提出了基于遗传算法改进极限学习机的故障诊断方法.由于输入层与隐含层的权值和阈值是随机产生.传统的极限学习机可能会使隐含层节点过多,训练过程中容易产生过拟合现象.该方法运用遗传算法对极限学习机的输入层与隐含层的权值与阈值进行优化,从而提高模型的稳定性和预测精度.将诊断结果与传统的基于极限学习机故障诊断进行对比,结果表明,基于遗传算法

零等待流水车间调度问题 (No-Wait Flow Shop Scheduling Problem, NWFSP) 是一种具有重要实际意义的生产调度问题。在NWFSP中，每个工件必须在机器上连续加工，不允许任何等待时间。这使得NWFSP比传统的流水车间调度问题更具挑战性。本文研究了使用减法平均优化算法 (Subtraction-Averaging Based Optimizer, SABO) 求解

​1 简介针对基于传统BP神经网络的海水水质评价模型存在易陷入局部极小等问题,提出了一种新的利用头脑风暴优化算法(BSO)优化BP神经网络的海水水质评价模型(BSO-BP).该模型引入具有全局寻优特点的头脑风暴优化算法,用于模拟人类提出创造性思维解决问题的过程,具有强大的全局搜索和局部搜索的能力,同时利用BP神经网络所具有良好的非线性映射能力,学习适应能力和容错性,最大程度上考虑到海洋水质评价因素

随着工业自动化、金融预测、环境监测等领域的快速发展，多输入多输出(MIMO)预测的需求日益增长。传统预测模型难以有效处理非线性、时变性强、耦合关系复杂的MIMO数据。长短期记忆神经网络（LSTM）作为一种特殊的循环神经网络，凭借其记忆单元和门控机制，在处理时间序列数据方面展现出优异性能，尤其擅长捕捉长期依赖关系。然而，标准LSTM网络的超参数选择往往依赖于经验或人工调整，效率低下且难以保证模型的全