动态环境中的一种实时启发式搜索算法

实时启发式搜索算法一直是实时人工智能感兴趣的研究问题。讨论了实时与离线启发式搜索算法的不同,提出了动态环境中一种实时启发式搜索算法。通过实验分析,算法比LRTA*算法有更好的性能。最后讨论了今后的发展方向。     

基于问题结构的边界启发式方法

现有启发式方法在处理Composed问题时会生成过多节点,造成求解效率下降。基于此类问题结构特性,设计并实现了一种新的变量排序启发式方法——边界启发式。针对问题结构,提出了边界变量的概念,在Composed问题上实现了对边界变量的筛选,检索过程中,同普通变量相比边界变量被赋予更高的实例化优先级,文中给出了新启发式方法的两种实现策略。实验结果表明,新启发式方法在求解效率上明显优于原有启发式方法。     

一种启发式的计算机局域网故障诊断方法

介绍了概率诊断的思想;给出了一种考虑网络对象相关性的局域网故障诊断概率模型。由于故障诊断问题是一个NP-C问题,提出了一种启发式算法,克服了现有故障诊断算法在故障相关性、计算复杂度等方面存在的不足。通过分析比较,该启发式算法有效地降低了计算复杂度。实验仿真结果表明该启发式算法具有较好的性能,诊断概率高。     

一种改进启发式算法在解决组合优化问题中的应用

启发式算法是解决组合优化问题的良策,介绍了一种改进的启发式算法和该算法在解决组合优化相关问题上的应用,分析该算法的详细流程,并通过仿真实验验证该算法的性能,并对其优势和不足进行了分析。     

几何集成的改进——特征边界点快速计算

针对优化几何集成方法(optimized geometric ensembles, OGE)在计算特征边界点集合的过程中包含大量冗余运算且效率较低的缺陷,分别利用Gabriel近邻规则及其启发式搜索法加速特征边界点的选取过程,提出了两种改进的几何集成方法--Gabriel OGE和启发式OGE,并与OGE进行比较实验。实验结果表明,虽然Gabriel OGE中计算特征边界点的时间复杂度与OGE一样,但是因为减少了大量数学运算,计算速度明显提高;而启发式OGE不仅将平均时间复杂度降低为O(dM²),而且在处理大数据集时,计算效率最高。Gabriel OGE和启发式OGE在保证分类结果的同时有效提高了特征边界点集合的计算速度,大幅度减少时间消耗。     

基于AC-4的动态值启发式约束满足问题求解算法

通过对弧相容算法AC-4的研究,提出了基于AC-4的动态值启发式约束满足问题求解算法MAC-DMSV。算法充分利用AC-4在初始化阶段建立的计数器信息,选择计数最大者为优先实例化的值。将此值启发式加入MAC算法之中,在MAC的相容性检查时,更新计数器的值,实现了动态值启发式。实验结果表明,MAC-DMSV算法比MAC和BT+MPAC算法具有更高的求解效率。     

基于启发式强化学习的AGV路径规划

针对传统算法、智能算法与强化学习算法在自动引导小车(automated guided vehicle,AGV)路径规划中收敛速度慢、学习效率低的问题,提出一种启发式强化学习算法,并针对传统Q(λ)算法,设计启发式奖励函数和启发式动作选择策略,以此强化智能体对优质行为的探索,提高算法学习效率.通过仿真对比实验,验证了基于改进Q(λ)启发式强化学习算法在探索次数、规划时间、路径长度与路径转角上都具有一定的优势.     

考虑碳排放的选址-路径问题研究

针对物流配送中的选址-路径问题,在车辆路径安排时加入了碳排放的考虑,建立了包含碳排放、配送成本和客户满意度的多目标优化模型,提出了一种基于禁忌搜索的超启发式算法.在超启发式算法的框架中,构建了一系列基于问题特征的底层启发式算子,设计了禁忌搜索作为高层启发式策略.以某地区物流配送实例进行仿真实验,通过超启发式算法和NSGA-II算法比较证明,所提算法可以更好地解决选址路径的多目标问题,能较快地找到更优解,达到较高的搜索效率和算法稳定性.与传统的启发式算法相比,该算法具有很好的通用性,可以很容易推广到其他选址-路径变种问题上.     

一种用于手写速记连笔符切分的改进型启发式搜索算法

以人群速记连笔符切分为研究对象,根据ＧＴ启发式搜索算法和分层规划的观点,提出了一种改进型启发式搜索算法ＧＴ。该算法从新状态的产生到估计函数的建立都充分利用了问题中的启发式信息。理论分析和实验结果表明,该算法既考虑了搜索的完备性又兼顾民搜索的快速性,因此大大提高了搜索效率。该算法的基本概述和设计思想对其他类型的切分和边界检测问题也有很大指导作用。     

Lin-Kernighan算法初始解的启发式构造策略

Lin-Kernighan算法被认为是求解旅行商问题效率最高的启发式算法之一,而初始解构造策略是影响Lin-Kernighan算法路径改进效率重要环节。以往的研究中通常采用某一种启发式策略构造初始解,但目前尚无相关研究对不同启发式构造策略在Lin-Kernighan算法中的性能给出对比。以经典的旅行商问题为对象,分析了8种常用启发式构造策略解的生成情况,得出其中最远插入法,最近插入法,最邻近法和节约算法适用于Lin-Kernighan算法的初始解构造。通过对TSPLIP中6个经典TSP实例仿真,进一步验证了这4种启发式构造策略均可以在保证解具有较高质量的情况下,显著缩小搜索空间和计算时间,提高寻优效率。此外,实验结果表明节约算法由于初始解构造效果较好,较其他启发式构造策略具有更快的收敛速度,而最近插入法在寻优率方面优于其他策略。     

一种用于手写速记连笔符切分的改进型启发式搜索算法

以人群速记连笔符切分为研究对象,根据 Ｇ Ｔ 启发式搜索算法和分层规划的观点,提出了一种改进型启发式搜索算法 Ｇ Ｔ该算法从新状态的产生到估计函数的建立都充分利用了问题中的启发式信息理论分析和实验结果表明,该算法既考虑了搜索的完备性又兼顾了搜索的快速性,因此大大提高了搜索效率该算法的基本概述和设计思想对其他类型的切分和边界检测问题也有很大指导作用     

基于有序爬山法的前向启发式搜索规划

根据快速前向启发式搜索规划器FF中放宽规划图和有利动作之间的关系,定义了状态适用度函数的概念,可对后继扩展状态的启发式估值进行快速近似的比较。在此基础上,结合增强型爬山法搜索后继状态的贪婪选择机制,提出了一种改进的局部搜索算法——有序爬山法,即根据状态适应度函数对所有待扩展的后继状态进行排序,并加入到扩展优先队列。在启发式估值阶段,适应度高的状态将被优先计算评估,有利于更快地发现较优状态,从而减少调用启发式估值程序的次数。通过在国际规划大赛基准测试领域的实验结果表明,该方法减少了搜索节点的数目和搜索时间,有效地提高了启发式搜索效率,而计算状态适应度及对状态进行排序的时间消耗几乎可以忽略,因此整体规划性能比FF有显著的提升。     

二元判决图变量排序新方法

从遗传算法入手,利用已有的几种启发式变量排序方法的结果作为最初的染色体群体,并适当加入随机变量顺序,然后按照遗传算法的方法进行运算,经过多代循环找到近似最优解。实验结果表明,该方法比已有的启发式方法更有效,能够在全局范围内搜索最优解,对BDD的变量编序和遗传算法的运用具有参考价值。     

关于普通高校数学课程体系改革的思考与实践

通过实践与思考，认为普通高校数学应注重数学实验，精选内容，把优秀数学软件引进教材，把数学建模课部分内容纳入教材，把少量现代数学融进教材之中，把教材的论文式结构改为启发式结构，并在教学中打破传统的思维方式，注重因材施教，采用启发式授课，实行CAI教学。     

基于膜计算的VRPTW启发式算法研究

使用传统的启发式算法求解带时间窗的车辆路径问题(VRPTW)所得解的质量不高。本研究受计算机领域膜计算思想的启发,设计出了将蚁群系统和禁忌搜索算法有效结合的改进算法,即VRPTW-ECP系统。最后使用算例分析来验证算法有效性,实验结果表明,该算法在计算效率与结果质量上均优于其它启发式算法。     

二元判决图变量排序新方法

从遗传算法入手,利用已有的几种启发式变量排序方法的结果作为最初的染色体群体,并适当加入随机变量顺序,然后按照遗传算法的方法进行运算,经过多代循环找到近似最优解.实验结果表明,该方法比已有的启发式方法更有效,能够在全局范围内搜索最优解,对BDD的变量编序和遗传算法的运用具有参考价值.     

基于Codec Engine下车牌定位方法研究

该文针对车牌识别中的定位问题,在传统水平和垂直投影法基础上,提出了基于启发式筛选的车牌定位算法,以提高车牌定位准确率.车牌定位算法通过Codec Engine框架,快速移植到DM6446处理器平台.实验表明,基于启发式筛选的定位算法可有效实现车牌的定位,Codec Engine框架可实现算法快速移植,运行稳定、开发简单...     

基于冲突域的测试成本独立决策系统属性约简

针对决策系统存在冲突对象的情况,提出一个基于冲突域的λ-权重约简的启发式算法来降低属性约简的测试成本。首先对决策系统进行简化,将不一致对象的决策属性值异类化,进而删除重复对象,然后对简化后的决策系统根据冲突强弱计算出核属性和属性重要性,在此基础上,利用启发式函数来求解测试成本较低的属性约简,其中启发式函数由属性重要性和权重共同组成,权重由测试成本和非正参数λ决定。实验结果表明该方法在保证降低测试成本的同时加快处理效率。     

一种基于条件熵的特征选择算法

特征选择是一种处理维数约简的有效方法。以条件熵为特征子集评价条件,采用随机搜索和启发式搜索相结合的搜索策略,设计了一种新的特征选择方法。该方法不仅能够求得经典启发式特征选择方法的选到特征子集,还可以得到一些与其不同的满足条件特征子集,同时在多数情况下可以减少时间消耗。实验研究表明了提出的算法的有效性。     

时相关旅行时间车辆路径高效启发式算法

研究时相关旅行时间车辆路径问题经典启发式算法的改进策略,通过更新路线的到达时间和最晚出发时间,减少局部搜索算法的计算时间.该策略可用于Or-opt、2-opt、1-shift和CROSS等交换算法.通过数值计算实验,评估改进策略的性能,结果表明,对于单路线和多路线过程,高效启发式算法的计算复杂度明显低于常规算法.