通过整数编程进行多机器人路径规划（提交SoCG 2021） 这是塔夫茨大学一个实施项目，是我们对提交的一部分。 我们对其他算法的探索。 该项目在Yu和LaValle的“图上的最佳多机器人路径规划：完整算法和有效启发式算法” 实现了最小化跨机器人多运动计划算法。 根据SoCG挑战的要求，我们添加了其他约束来处理连续的网格运动。 正在安装 该项目依赖于Python 3.8，Gurobi 9.1和其他一些依赖项。 Gurobi可以一起并且需要许可证 。 其他依赖项可以通过pip install -r requirements.txt 。 跑步 求解器在小型实例（最大25x25）上效果最佳。 要为最小实例生成解决方案，请运行 python solve_instance.py --db cgshop_2021_instances_01.zip --name small_000_10x10_20_

我们对基于量表-希格斯统一的大统一理论（GUT）启发的理论进行了详细研究。 使用适应性数值技术扫描模型的参数空间，我们将场景的低能量限制与现有的SM和对撞机搜索约束进行了对比。 我们讨论了强子对撞机上的双希格斯现象学的潜在修改，作为希格斯自相互作用的轨距特征的灵敏探针，并发现对于现象学上可行的参数选择，与SM横截面相比，修改量约为20％ 预期。 虽然在大型强子对撞机上很难观察到这些修改，但未来的100 TeV强子对撞机可能能够通过更精确的di-Higgs测量来约束这种情况。 我们指出了可以在不久的将来约束此模型的替代签名。

我们在E6大统一理论（GUT）的启发下，在疏血性U（1）'模型的框架内讨论了LHC @ 13TeV处的750 GeV双光子过量。 在此模型中，标准模型（SM）的手性费米子在U（1）'规范对称性的额外电荷下被U（1）'带电荷的单重态标量（Φ）自发破坏。 另外，引入了额外的夸克和轻子以实现无异常条件，这是假定的E 6 GUT的自然结果。 这些新的费米子在SM标尺群下是矢量似的，但在新的U（1）'下是手性的，它们的质量完全来自于Yukawa相互作用的Φ的非零真空期望值。 然后，可以通过胶子聚变在LHC处在LHC处产生来自Φ的CP均匀标量hΦ，并通过涉及额外夸克和轻子的单环图衰变为双光子，并且可以将其识别为双光子过量的起源。 750 GeV。 在这个模型中，hΦ可以衰减成一对暗物质粒子和一对标量玻色子，因此几十个衰变宽度是可能的。

博文《python做了一个极简的栅格地图行走机器人，到底能干啥？[第四弹]——解锁路径自动规划功能》我们用python手搓了一个极其简单的行走机器人，建立了机器人速度控制模型，具有： 带UI 雷达测距 键盘控制行走功能， 加速设置 雷达数据的可视化 任意地图尺寸的创建 任意障碍物数量的随机生成 编辑地图功能 自动避障功能 自动路径规划模块 路径自动控制

采用ocx控件实现的vb6图像文字识别程序，亲测好用！！！

CPLEX二阶锥规划考虑Wind+CB+SVG+OLTC+ESS多时段24h，参考文献：主动配电网多源协同运行优化研究_乔珊 摘要：最优潮流研究在配 电网规划运行 中不可或缺 ， 且在大量分布式能源接入 的主动配 电网环境下尤 为重要 。传统的启发式算法 在全局最优 解和求解 速度上均 无法满足主动配电网运行要求 ， 而基于线性化的最优潮流方法在高阻抗的配 电网中适用性也较 弱。 基于此，文章建立 了基 于二阶锥规划的动态最优潮流模型框架，力图将原非线性规划模型松弛转化为SOPC进行快速求解 。 首先 ，给出了基于二阶锥松弛 的配 电网动态最优潮流基本模 型； 然后,对主动配 电网中各重要参与元素进行相应 的线性化建模处理 以便 高效求解，如主动管理设备、配 电网重构、需求响应及综合负荷等；同时，分析 了松弛模型和近似等效 的准确性。

我们研究了非局部SU（3）Polyakov-Nambu-Jona-Lasinio模型的特征，该模型包括波函数重新归一化。 考虑到晶格QCD启发的非局部形状因素，从真空现象学确定模型参数。 在此框架内，我们分析了轻质标量子和拟标量子介子在有限温度下的性质，并确定了脱限和手性还原跃迁的化学势确定特性。

我们分析了自重系统的稳定性，并使用无碰撞Boltzmann方程和爱丁顿启发的Born-Infield引力的改进的Poisson方程研究了动力学。 这些方程式描述了Jeans范式的描述，该范式用于确定此类系统崩溃的临界标度。 在平衡状态下，使用与时间无关的麦克斯韦-玻尔兹曼分布函数$$ f_0（v）$$ f0（v）来描述系统。 考虑到对该平衡状态的微小扰动，我们获得了修正的色散关系，并且找到了新的特征尺度长度。 我们的结果表明，自引力天体物理系统的动力学可以在爱丁顿启发的Born-Infeld引力中得到充分解决。 后者改变了高密度环境中的吉恩斯不稳定性，而在恒星形成区域的影响可忽略不计。

- 基于GA的车间设施布局优化 - 各设施长宽、功能关系、物流量、搬运成本数据均在Excel中 - 待优化的两个变量分别存放设施的横纵坐标、横纵摆放抉择 - 设置了适应度函数和约束条件 - 完整matlab代码，main直接运行 以下是一些学习matlab的经验：1. 开始学习MATLAB之前，建议你阅读官方提供的MATLAB文档和教程，了解MATLAB的基本语法、变量和操作符等。2. MATLAB支持不同类型的数据，包括数字、字符串、矩阵和结构体等。学习如何创建、操作和处理这些数据类型是很重要的。3. MATLAB官方网站上有大量的示例和教程，可以帮助你学习各种MATLAB功能和应用。你可以按照这些示例逐步学习和实践。

Minimax算法和机器学习技术已经研究了数十年，以在象棋和五子棋等游戏领域中达到理想的优化。 在这些领域中，几代人试图为修剪和评估功能的有效性优化代码。 因此，存在装备精良的算法来处理游戏场合中的各种复杂情况。 但是，作为传统的零和游戏，Connect-4与使用传统minimax算法的零和家族的其他成员相比，受到的关注较少。 近年来，基于研究结论，专业知识和游戏经验，创造了新一代启发式方法来解决此问题。 但是，本文主要介绍了一种自行开发的启发式方法，并结合研究和我们自己的经验证明了与网上可用的Connect-4系统版本相抗衡的结果。 尽管大多数以前的工作都集中在赢得算法和基于知识的方法上，但我们通过启发式分析来补充这些工作。 我们已经进行了三个功能，搜索深度和特征数量之间的关系的实验，并与在线样本进行了对比测试。 与基于总结经验和通用特征的样本不同，我们的启发式方法主要集中于船上部件之间的详细连接。 通过分析当我们的版本与具有不同搜索深度的在线样本进行对抗时的获胜百分比，我们发现采用minimax算法的启发式算法在零和游戏的早期阶段是完美的。 由于游戏树中的某些节点对minimax算