An Effective Metaheuristic Approach for Building Energy Optimization Problems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Mathematical optimization can be a useful strategy for minimizing energy usage while designing low-energy buildings. To handle building energy optimization challenges, this study provides an effective hybrid technique based on the pelican optimization algorithm (POA) and the single candidate optimizer (SCO). The suggested hybrid algorithm (POSCO) benefits from both the robust local search power of the single candidate method and the efficient global search capabilities of the pelican optimization. To conduct the building optimization task, the optimization method was developed and integrated with the EnergyPlus codes. The effectiveness of the proposed POSCO method was verified using mathematical test functions, and the outcomes were contrasted with those of conventional POA and other effective optimization techniques. Application of POSCO for global function optimization reveals that, among the thirteen considered functions, the proposed method was best at finding the global solution for seven functions, while providing superior results for the other functions when compared with competitive techniques. The suggested POSCO is applied for reducing an office buildings’ annual energy use. Comparing POSCO to POA procedures, the building energy usage is reduced. Furthermore, POSCO is compared to simple POA and other algorithms, with the results showing that, at specific temperatures and lighting conditions, the POSCO approach outperforms selected state-of-the-art methods and reduces building energy usage. As a result, all data suggests that POSCO is a very promising, dependable, and feasible optimization strategy for dealing with building energy optimization models. Finally, the building energy optimization findings for various climatic conditions demonstrate that the changes to the weather dataset had limited effect on the efficiency of the optimization procedure.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle