全启发式教学法在“金属切削机床与刀具”课程中的应用

针对当代大学生的特点,阐述了来自于建构主义的全启发式教学方法的理论,对“金属切削机床与刀具”课程内容进行问题分解,采用以启发诱导、共同协作为核心的全启发式教学方法,对该课程的教学环节进行了合理的设计。     

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。     

Ring Network Design by Lagrangean Based Column Generation

We discuss the problem of designing a telecommunication network with the survivability requirement that the network should be composed of connected rings of links. The network design problem is then to choose links from a given network, and compose them into a number of rings. Furthermore, the rings should be connected at certain transit nodes. The traffic between rings may pass through other rings. Each ring is associated with a certain fixed cost depending on the length of the ring. We describe the problem, modeled as a linear integer programming problem, and a heuristic solution method, based on column generation and Lagrangean relaxation.     

Heuristic circuit simulation using PROLOG

Through the use of the logic programming language PROLOG, digital logic circuitry can be conveniently represented in predicate calculus in a manner amenable to various forms of computation. Axioms define the behavior of primitive gates in a given technology, and implications hierarchically characterize the behavior of non-primitive modules.Simulation of circuitry proceeds by theorem proving, viewed as constraint satisfaction. A PROLOG-based simulator is presented for the investigation of heuristics to efficiently solve problems of ‘backward’ simulation which arise in a number of areas, such as reasoning about fault isolation. The heuristic simulator can also serve as the basis for an elegant implementation of Roth's D-algorithm.     

PPT技术在化工原理蒸发单元启发式教学的应用

将PPT技术与启发式教学方法结合到化工原理课程教学中,达到了化工原理从基础课程到专业课程的过渡目的,学生在学习本门课程时,深入思考,大大提高了学生的学习效率,为化工原理课程教学提供了一次很好的教学示范。     

TSP问题的脂肪计算复杂性与启发式算法设计

旅行商问题(traveling salesman problem,简称TSP)是经典的NP-难解组合优化问题之一,求解它的高效启发式算法一直是计算机科学研究的热点.脂肪作为描述TSP结构特征的新工具,对启发式算法设计具有重要意义.目前,TSP问题的脂肪研究还处于初始阶段,缺乏理论分析结果及相关的启发式算法.首先分析了TSP问题的脂肪计算复杂性,通过构造偏移实例的技巧,证明了获取TSP的脂肪是NP-难解的,即在P(NP的假设下,不存在算法可以在多项式时间内获得完整脂肪.在此基础上,通过分析TSP问题局部最优解与脂肪的关系,给出了求解TSP问题的元启发式算法--动态候选集搜索(dynamic candidate set search,简称DCSS)算法.利用该算法,改进了目前求解TSP问题最好算法之一的LKH.TSPLIB典型实例的实验结果表明,改进后的算法在解的质量上有较为明显的提高.新的基于脂肪的启发式算法对于求解其他NP-难解问题具有一定的参考价值.     

求解风力发电机布局问题的超启发式算法研究

针对大规模问题求解效率不高、结果不理想等问题,以影响参数多变的风力发电机布局问题为研究对象,设计并实现了超启发式算法策略,底层算子用差分进化（Differential Evolution,DE）算法和适应性协方差策略（Covariance Matrix Adaptation Evolution Strategy,CMA-ES）算法,高层策略用启发式调用策略选择底层算子求解在不同场景、不同风力参数等多种情况下的风力发电机布局情况。实验将权值选择策略与DE算法、CMA-ES算法和随机调度策略进行比较,最终数据表明该策略求解风力发电布局的效果远高于其他三种。     

面向AGV全局路径规划的蚁群算法多策略改进研究

传统蚁群算法在应对大规模复杂场景时,普遍存在收敛效率偏低、全局搜索能力不足以及易陷入局部最优等缺陷。提出了一种多策略改进的蚁群算法。通过增强启发函数的导向性和自适应性,提高算法的寻优能力;利用伪随机转移策略改进状态转移规则并对信息素启发因子和期望启发因子进行动态调节,增强全局搜索能力,避免局部最优问题。同时,采用多策略优化信息素更新机制,并结合自适应调节挥发系数,显著提升收敛效率和搜索性能。此外,通过冗余点去除的二次优化,进一步优化路径质量。通过栅格地图的仿真实验表明,蚁群算法经多策略改进后在搜索能力和收敛速度上获得了较大提升,可为AGV解决复杂环境下的路径规划提供理论支持。