面向目标的博弈搜索策略及其应用

博弈是人工智能研究的重要分支,它涉及人工智能中的推理技术、搜索方法和决策规划。而搜索策略是博弈问题的关键。针对搜索技术中存在的由于搜索空间巨大而引起的搜索效率下降的缺点,结合五子棋的特点,探讨了相应博弈问题的求解策略,提出一种结合PVS算法、静态着法启发、历史启发算法的搜索策略。实验结果证明,该算法不但能保证博弈水平,还能得到较好的搜索效率。     

基于移动Agent的P2P搜索方法研究

针对一般P2P网络资源搜索方法的搜索效率低等确定,通过引入移动Agent技术,提出了一种基于移动Agent的新的搜索方法。该搜索方法设计了一个确定Agent数量及路线的算法,并利用其进行资源搜索,通过仿真试验实现该算法,证明该方法能有效提高搜索效率和带宽节约。     

面向目标的博弈搜索策略及其应用

博弈是人工智能研究的重要分支，它涉及人工智能中的推理技术、搜索方法和决策规划。而搜索策略是博弈问题的关键。针对搜索技术中存在的由于搜索空间巨大而引起的搜索效率下降的缺点，结合五子棋的特点，探讨了相应博弈问题的求解策略，提出一种结合PVS、静态着法启发、历史启发算法的搜索策略。实验结果证明，该算法不但能保证博弈水平，还能得到较好的搜索效率。     

多维异步随机扰动的粒子群优化算法

针对粒子群优化算法存在易陷入局部最优和在多维空间中搜索效率降低的问题,结合惯性权重凹函数递减策略,提出了随机扰动和多维异步策略。该策略不仅能提高算法的全局搜索能力,而且还能改善维数的束缚。通过对四个典型基准函数的实验表明,该改进算法能够兼顾局部和全局搜索,使得搜索达优率得到较大提高,所得结果精度较高。     

一种GIS拓扑多边形链搜索的改进算法

针对GIS拓扑多边形链搜索中悬挂弧段的处理问题,提出了一种改进算法。该算法利用在一趟搜索中,非悬挂弧段仅经过一次,而悬挂弧段会经过两次这一规律来识别并标记悬挂弧段;在进行多边形链搜索时,通过避让悬挂弧段以避免将其对应的关联弧段加入多边形链,从而保证搜索结果的正确性。测试结果表明,该算法能明显提高多边形链搜索的效率。     

基于后退式二进制搜索的RFID防碰撞算法的研究

标签防碰撞技术是射频识别(RFID)系统中提高识别效率的关键技术。在对基本二进制搜索算法及其各种改进算法进行分析的基础上,提出一种基于后退式二进制搜索算法的改进算法IRBS。该算法引入标签状态计数器Rn来记录标签的状态。首先判定标签的反馈信息碰撞位,然后把最高冲突位作为标签分组的依据,联合利用前、后向搜索方法来减少标签的搜索范围。仿真结果表明,该算法能减少阅读器和标签之间的通信量,有效地提高标签的识别速度。     

搜索空间划分移动策略的研究与实现

针对进化算法收敛效率和搜索能力不能有效兼顾的缺点，提出一种搜索机制与进化机制相分离的方法——搜索空间划分移动策略，并介绍其相关理论。该策略在搜索区域划分理论基础上，加入区域移动机制，使各极值能在不同环境下相互竞争，提高其搜索能力。改进的处理机制无须考虑搜索问题，能让算法迅速收敛。记录器能有效地完成各小区域间的通信，并根据要求控制区域移动。实验结果表明该策略具有较好的准确性和效率。     

扩散遗传算法及其应用研究

针对遗传算法在局部搜索能力方面的缺陷,提出了一种基于扩散算子的遗产算法(简称扩散遗产算法)。该算法中包含的扩散算子是变异算子,其主要作用是在遗传搜索中进行局部搜索。用扩散遗传算法和实数编码遗传算法分别训练用于解XOR问题的神经网络,对比结果表明,论文提出的算法兼具强的全局搜索能力和局部搜索能力,因此,该算法可以不借助其它局部搜索算法而单独作为神经网络训练算法,从而简化训练算法,提高训练效率。该算法对提高遗传算法搜索效率和求解精度具有重要的意义。     

五子棋中Alpha-Beta搜索算法的研究与改进

对五子棋中Alpha-Beta搜索算法进行研究。依据五子棋的特点,提出一种局部搜索的算法,该算法可直接减少搜索的平均分枝因子。结合Alpha-Beta搜索算法效率与子节点着法顺序高度相关的特点,给出静态评价启发以及迭代深化的方法优化着法顺序。实验结果表 明,该方法能提升Alpha-Beta搜索算法的效率。     

基于锦标赛选择变异策略的改进差分进化算法及函数优化

针对差分进化算法传统变异策略在全局收敛鲁棒性和搜索效率上不能达到一个很好的折衷,并且算法的操作算子固定,导致搜索效率低、易早熟收敛等问题,文中在差分进化算法变异策略性能分析的基础上,提出了一种基于锦标赛选择的变异策略。该策略采用“锦标赛选择”对随机选取的变异向量排序选出基向量,差分向量选择有利于搜索的方向并对其 “强化”,以提高收敛速率和维持种群多样性;同时操作算子采用随机正态缩放因子F和时变交叉概率因子CR,以平衡局部搜索和全局搜索;最后,利用4个典型Benchmarks测试函数对改进算法进行测试。实验结果表明,该改进型差分进化算法能有效避免早熟收敛,较好地提高算法的全局收敛能力和搜索效率。     

基于改进引力搜索的混合K-调和均值聚类算法研究

为了解决聚类算法容易陷入局部最优的问题,以及增强聚类算法的全局搜索能力,基于KHM算法以及改进的引力搜索算法,本文提出一种混合K-调和均值聚类算法（G-KHM）。G-KHM算法具有KHM算法收敛速度快的优点,但同时针对KHM算法容易陷入局部最优解的问题,在初始化后数据开始搜索聚类中心时采用了一种基于对象多样性及收敛性增强的引力搜索算法,该方法改进了引力搜索算法容易失去种群多样性的缺点,并同时具有引力搜索算法较强的全局搜索能力,可以使算法收敛到全局最优解。仿真结果表明,G-KHM算法能有效地避免陷入局部极值,具有较强的全局搜索能力以及稳定性,并且相比KHM算法、K-mean聚类算法、C均值聚类算法以及粒子群算法,在分类精度和运行时间上表现出了更好地效果。     

一种新的正交运动估计算法

本文提出了一种新的基于块匹配的运动估计算法,正交运动估计算法。算法由下列两步组成:1)自适应正交法进行粗定位2)菱形精确定位。本文采用了三种视频序列对新算法进行了测试,并把测试结果和全匹配搜索法,菱形搜索法,三步搜索法的测试结果进行了比较。实验结果表明,本算法的优点在于可以使每个宏块的搜索运算次数大为减少,同时预测的准确性接近三步搜索法和菱形搜索法。     

求解可重入并行机调度的混合禁忌搜索算法

为解决带有一台远程服务设备的可重入并行机调度问题,设计了一种混合禁忌搜索算法。针对传统禁忌搜索算法只从单起始点搜索、容易陷入局部最优等缺点,混合禁忌搜索算法设计了一种Restart策略。当传统禁忌搜索算法陷入局部最优时,用Restart策略重新产生初始解以进行禁忌搜索,将传统的禁忌搜索算法从单起始点搜索改进成多起始点搜索。数值实验中将混合禁忌搜索算法与启发式算法CS相比,结果表明该算法具有较高的求解质量,且其计算时间是可接受的。     

基于连续消除的正方形-菱形运动估计算法

在基于搜索起点预测和正方形-菱形算法(SDS)的基础上,结合连续消除算法(SEA),提出了一种新的运动估计算法:基于连续消除的正方形.菱形运动估计算法(SEA-SDS).实验结果表明,该算法以比较小的代价取得了与全搜索算法(FS)相当的效果;在搜索次数和精度方面均优于菱形(DS)和正方形-菱形(SDS)快速运动估计算法.     

引入搜索预测与阈值决策的改进菱形运动估计算法

为了提高视频的压缩效率,在传统菱形搜索算法基础上提出一种改进菱形搜索算 法。该算法通过引入动态阈值,在起始搜索点预测、菱形搜索模式和搜索中止算法方面进行了 优化,减少了SAD 计算的内部冗余和搜索区域中不相关的块匹配计算,同时采用自适应搜索模 式选择技术减少运输复杂度。实验结果表明：提出的改进菱形搜索算法适合各种运动类型的视 频序列,特别适用于运动变化剧烈的序列,相比于FS 算法,能够在PSNR 值和码率值极其接 近于FS 算法的情况下对所有序列的MET 减少约95%,大大减少运动估计时间。     

A novel parallel implementation of partial distortion search algorithm based on template search

This paper proposes a new early terminating partial distortion search algorithm based on template search in fast motion estimation. Our algorithm accomplishes a parallel implementation technique by considering both the idea of partial distortion search and the advantage of the template search. With this technique, the proposed algorithm achieves a better performance by faster updating the current minimum distortion. The proposed parallel implementation that reduces a large amount of distortion computations between pixels outperforms the standard partial distortion search method by faster rejecting the unlikely candidate blocks. Our algorithm is embedded into the diamond search algorithm, star diamond search algorithm and three-step search algorithm respectively. According to the experiment results, it is proved that about 30% reduction of computational complexity has been obtained compared with the standard partial distortion search. Moreover, there is no degradation of the peak signal-to-noise ratio(PSNR) for motion estimation compared with the embedded block-based template search motion estimation algorithm.     

多段扰动的共享型乌鸦算法

乌鸦搜索算法作为新提出的元启发式智能算法,其寻优方式模拟了乌鸦间相互跟随窃食的行为。为了提高算法的收敛精度、后期搜索能力等,基于传统乌鸦搜索算法提出一种新的混合乌鸦搜索算法,其核心思想是在算法中加入共享机制,改进原始算法中随机追踪的位置更新方式,降低搜索盲目性,提高收敛速度;在不同的迭代阶段对全局最优位置进行大小不同的扰动操作,有效提高了跳出局部最优的概率,保证算法全局搜索能力与局部搜索能力的平衡。最后通过8个基准函数对5种算法搜索性能在10、30、50维的情况下进行对比分析,结果表明该改进算法的综合表现要优于其他算法。     

基于Tempered Levy Flight随机游走模型的布谷鸟搜索算法

现实生活的众多领域中存在着各式各样的复杂网络,复杂网络搜索问题是复杂网络理论研究中的重要课题之一,对人们的生活具有重要的现实意义。布谷鸟搜索算法是一种启发式算法,利用Levy Flight能够快速寻找到全局最优解。通过研究复杂网络随机游走模型,并根据经典布谷鸟搜索算法,提出了一种新的改进的Tempered L?vy Flight搜索算法。通过几个经典函数测试表明：改进的算法提高了其搜索精度,加快了搜索算法的收敛速度。此外,改进的搜索算法还能够调整搜索范围,增加种群多样性,增强自适应效果,提高算法的整体性能。     

基于Grover搜索算法的整数分解

非结构化搜索是计算机科学中最基本的问题之一,而Grover量子搜索算法就是针对非结构化搜索问题设计的。Grover量子搜索算法可用于解决图着色、最短路径排序等问题,也可以有效破译密码系统。文中提出基于Grover搜索算法并结合经典预处理实现整数分解。首先基于IBMQ云平台对不同量子比特的Grover算法量子电路进行了仿真,以及模拟使用Grover算法求解N的素因子P和Q;然后将化简后的方程转化为布尔逻辑关系,以此来构建Grover算法中的Oracle;最后通过改变迭代次数来改变搜索到解的概率。仿真结果验证了使用Grover算法求解素因子P和Q的可行性。文中实现了在搜索空间为16且一次G迭代条件下以近78%的成功概率搜索到目标项。文中还比较了Grover算法与Shor算法在求解一些数字时所耗费的量子比特数和时间渐近复杂度的差异。通过Grover量子搜索算法分解整数的实验拓展了该算法的应用领域,Grover算法的加速效果在大型搜索问题中尤为明显。     

蝶形运动估计算法

提出一种运动估计算法,该算法充分利用视频序列的统计特性以节省计算量,提高速度。并采用简单有效的搜索模板-蝶形模板,快速截止技术通过提前判断DCT变换系数全零来停止搜索。采用中值运动向量预测技术以确定初始搜索点。仿真表明,该算法与钻石搜索算法相比,搜索速度提高43.26%~80%,图像质量更好。