返回
Can quantum computing surpass classical algorithms in optimizing building performance? A benchmark study with 15,000 simulations
DOI:10.1016/j.enbuild.2025.116156.png)
摘要
En 中文
• 量子与经典算法被用于性能优化的基准测试。
• 一个代理模型基于15,000次IDA ICE模拟进行训练以进行预测。
• NSGA-II在能耗与热舒适度之间实现了最佳权衡。
• 量子方法能提供更快的计算结果,但解的质量有所降低。
• 量子计算展现出未来实时建筑优化的潜力。
Keyword:
Quantum computing
Building performance optimization
Machine Learning
Non-dominated Sorting Genetic Algorithm II (NSGA-II)
Multi-Objective Particle Swarm Optimization (MOPSO)
期刊
IF:
7.1
论文数:
1.6W
被引数:
6.8W
机构
暂无机构信息
引用论文
Predicting tunnel squeezing using support vector machine optimized by whale optimization algorithm
ACTA GEOTECHNICA
IF5.7

