求解八数码问题的几种搜索算法比较

本文针对八数码问题的求解,给出了深度优先搜索、广度优先搜索和启发式搜索之间的算法比较,并得出结论：在通常情况下,采用启发式搜索算法来进行状态空间的搜索更为方便、快捷。     

宽度优先反复加宽及其启发式搜索算法研究

首先针对搜索树中深度固定且目标唯一的寻优问题，指出宽度优先反复加宽的搜索效率要比深度优先反复加深的搜索效率高，基于此，提出了基于宽度优先反复加宽的启发式搜索算法ＩＷＡ＊，算法ＩＷＡ＊是可采纳的。为了保持算法ＩＷＡ＊的搜索效率高于算法ＩＤＡ＊的搜索效率，同时又使算法ＩＷＡ＊的存贮空间复杂度减低，文中基于分层技术，提出了基于深度优先的ＩＷＡ＊算法──ＩＤＷＡ＊。算法ＩＤＷＡ＊也是一个可采纳的启发式搜索算法。     

游戏地图最短路径搜索设计与实现

最短路径搜索是directx游戏的一项核心技术,文章分析了常用的搜索算法:宽度优先,深度优先和启发式搜索,最后剖析采用搜索树的A*算法来实现大地图与复杂地形的最短路径搜索。     

基于粗糙集理论的增量式规则获取

基于粗糙集理论提出了一种新的规则提取算法：基于粗糙集和搜索树的规则提取算法。该算法是以现有规则集中的信息为启发信息,通过对解空间进行宽度优先启发式搜索,产生新规则。以该算法为基础,产生关于新增对象的规则,并对现有规则进行更新。     

基于宽度优先搜索的路径生成算法

宽度优先搜索和深度优先搜索是图论中常用的两种搜索算法.两者各有优势,但深度优先搜索算法的效率在低连通度图中会大大降低,这时更适合采用宽度优先搜索算法.本文提出了一种基于宽度优先搜索的路径生成算法,具有较好的时间复杂性和空间复杂性.     

N皇后问题的启发式算法探讨

搜索策略的选择与设计是人工智能领域问题求解的核心问题之一,直接影响到问题求解过程中存储空间的占用和计算的复杂性,影响到问题求解的效率。在给出N皇后问题形式化描述和现有搜索算法的基础上,设计了3种解决N皇后问题的启发式算法,并将其与深度优先和宽度优先等搜索策略进行了分析和比较,得出了几点关于设计启发式算法的启示。     

迷宫搜索算法的比较研究

研究面向搜救的应用,将事故环境抽象为一个迷宫,通过仿真实验比较研究了深度优先搜索算法和三种不同启发式函数的A*算法在Perfect迷宫中的应用,并分别将深度优先搜索算法和A*算法用于实际迷宫中进行实现与比较.在实验中,迷宫环境对机器人是未知的,而由于迷宫环境的特殊性——未知的迷宫环境中很少有不会碰撞的路径,从而增加了机器人搜索的难度.通过仿真实验对比了不同启发式函数的A*算法与深度优先搜索算法的性能,最后得出在迷宫搜索中A*算法要优于深度优先搜索算法;同时,在实际迷宫中实现了深度优先搜索算法与A*算法的搜救应用.     

四种最短路径算法实例分析

通过理论分析,结合实际应用,在GIS节点数很大的数字地形图中,从完备性、最优性、时间复杂度、空间复杂度几种性能问题实例分析,较系统地总结出深度优先搜索(DFS)、广度优先搜索(BFS)、双向广度优先搜索(DBFS)、A★算法四种算法代价及优缺点.     

基于TurboPROLOG的搜索策略实现技术

本文对深度优先搜索、广度优先搜索、启发式搜索进行了探讨,提出了应用TurboPROLOG语言实现这些算法的方法和技巧。     

用MFC动态编程实现8数码问题求解

介绍了深度优先算法、宽度优先算法、启发式搜索算法3种方法实现8数码问题,分析了3种算法的可采纳性系统的特点,并用MFC编程实现.     

迷宫最短路径问题新算法

提出了求解迷宫最短路径问题的新算法,该算法抛弃了经典算法(深度优先搜索和广度优先搜索)中繁杂低效的递归、回溯思想。通过合理的变换,将原问题转化为迷宫路径深度图的生成问题。最后对算法进行了严谨的分析和实例测试,显示出该算法易于理解、易于编程、时间空间复杂度低等优点。     

基于变精度粗集和搜索树的增量规则获取算法

基于可变精度粗糙集模型和搜索树提出了一种新的增量式规则获取算法。该算法引入可变精度粗糙集模型以已获取规则集为启发信息,通过对解空间进行深度优先启发式搜索产生新的不确定性规则;并通过对原有规则置信度的更新,给出了原有规则集的更新算法;最后给出了实例分析。     

非结构化P2P资源搜索策略研究

通过从盲目搜索策略和启发式搜索策略两方面来分析无结构化P2P(peer-to-peer)系统的资源搜索策略。从泛洪搜索算法、迭代泛洪算法、随机漫步搜索算法以及基于超级节点的查询算法等四个方面对盲目搜索策略进行分析,而从基于兴趣的查询算法、移动代理、高速缓存及启发式泛洪搜索算法等四个方面对启发式搜索算法进行阐述。最后在以上算法分析的基础上对未来的工作进行了展望。     

广度优先搜索的一种实现算法

广度优先搜索是图的一种常用遍历方法,在许多书籍中所提到的广度优先搜索算法均对不带权图的搜索,本文提出利用迪杰斯特拉算法实现广度优先搜索,不仅能对不带权的图实现搜索,而且对带权的图也同样适用。     

基于广度优先搜索的空间搜索算法

广度优先搜索是图的遍历的一种重要的算法。本文在广度搜索算法的基础上实现空间搜索算法。算法的实现在二维和三维空间同时适用,而且可以根据实际情况及搜索条件在方位和方式上进行调整。该算法还用到了C＋＋标准模板库中的队列。在空间搜索算法实现上本文有较大的参考价值。     

A~*算法的改进及其PROLOG实现

在人工智能领域中,A~*算法是实现有向图最佳优先搜索的一种启发式算法。本文介绍了A~*算法和对A~*算法的改进——B算法,并叙述了用Turbo Prolog实现B算法的方法。     

面向混合属性数据集的双重聚类方法

面对复杂信息环境下的数据预处理需求,提出了一种可以处理混合属性数据集的双重聚类方法。这种双重聚类方法由双重近邻无向图的构造算法或其改进算法,基于分离集合并的双重近邻图聚类算法、基于宽度优先搜索的双重近邻图聚类算法、或基于深度优先搜索的双重近邻图聚类算法来实现。通过人工数据集和UCI标准数据集的仿真实验,可以验证,尽管这三个聚类算法所采用的搜索策略不同,但最终的结果是一致的。仿真实验结果还表明,对于一些具有明显聚类分布结构且无近邻噪声干扰的数据集,该方法经常能取得比K-means算法和AP算法更好的聚类精度,从而说明这种双重聚类方法具有一定的有效性。为进一步推广并在实际中发掘出该方法的应用价值,最后给出了一点较有价值的研究展望。     

改进Dijkstra算法在GIS导航应用中最短路径搜索研究

研究GIS在电子导航系统应用中的最短路径搜索效率问题。在电子导航系统中对最短路径的搜索效率要求很高。随着城市发展交通线路剧增,传统的基于Dijkstra算法的GIS导航系统不能适应日益复杂的交通线路,存在最短路径搜索效率过低的问题。考虑到GIS空间分布的特性,提出了改进的Dijkstra算法用以解决GIS导航中的最短路径搜索问题。改进算法不仅避免了传统Dijkstra算法逐个节点遍历搜索,而且根据方向优先特性缩小搜索范围,大大减少了搜索工作量,并通过改变搜索节点存储的数据结构提高了最短路径的搜索效率。实验表明,这种改进算法较之传统算法能够有效提高最短路径的搜索效率,满足了电子导航系统对最短路径搜索效率的要求,取得了满意的结果。     

组合优化问题的一种精确求解方法

本文分析了深度优先搜索方法(DFS)和广度优先搜索(BFS)方法的特点，提出了一种混合使用动态规划方法和下界(上界)算法的精确求解方法求解组合优化问题。实验结果表明，下界(上界)非常接近问题的最优值时，这种方法非常有效。     

基于BFS的轻量级P2P搜索模型

针对当前P2P搜索中存在的扩展性差和查询绕路问题,提出一种新颖的基于广度优先搜索的搜索方法——局部广度优先搜索（LBFS）,构建了轻量级混合式P2P搜索模型,对LBFS的算法进行了正确性与效率分析,通过实验测试了LBFS与模型的性能。结果表明,该模型很好地克服了查询绕路问题,有效地减少消息冗余,具有较高的搜索效率和较好的扩展性能。