仿真家庭服务机器人行动序列规划研究

随着社会的进步和科技的发展,服务机器人日益受到人们的关注.服务机器人在复杂的家庭环境中如何做到自主决策以便更好的辅助人类生活,将是一个研究热点.回答集程序是一种具有非单调推理能力的知识表示和推理的方式,同时也是一种问题求解的工具.文中探讨了基于服务机器人模型的回答集程序规则的编制,并通过实验证明,回答集程序能方便、高效地求解出最优的行动序列,并且在划分搜索空间后,回答集程序求解的效率得到进一步的提高.     

一般克隆选择算法的收敛性证明*

克隆选择算法已经广泛应用于计算智能领域,而针对克隆选择算法理论方面的分析和研究工作却很少。为了丰富克隆选择算法的理论基础,采用了与研究遗传算法相似的方法,研究了克隆选择算法的收敛性,推导出克隆选择算法在求解优化问题时,收敛到全局最优解的充分条件。因此,对基于克隆选择算法的各种应用如BCA和CLONALG算法,只要检查这些充分条件是否满足就可以证明算法的收敛性。     

Keepaway抢球任务中基于策略重用的迁移学习算法

在RoboCup Keepaway中,球员使用强化学习能获得很好的高层策略.然而由于Keepaway任务的状态空间巨大,强化学习需要探索很多步才能收敛,学习过程十分耗时.针对这一问题,对于5v4规模的Keepaway任务,将策略重用技术应用于抢球球员高层决策的强化学习中,以实现迁移学习.首先合理设计了球员在4v3和5v4任务间的迁移学习方案及状态与动作空间的映射,然后提出了基于策略重用的迁移学习算法.实验表明,对于5v4任务,在训练时间约束下,迁移学习比强化学习获得了更短的任务完成时间和更高的抢断成功率,从而学习到了较优的高层策略.因此,为达到相同策略水平,迁移学习所需的训练时间明显比强化学习少.     

基于Petri网的UML形式化建模应用分析

UML是功能强大的图形化建模语言,但存在缺乏精确的语义描述的特点,因此UML形式化研究一直是一个热点。Petri网既有直观的图形表示,又有坚实的数学基础,拥有许多成熟的分析方法可以直接用于分析模型的性能。结合一个图录编纂应用系统,使用基于Petri网的建模方法,对该系统的UML状态图和序列图进行了形式化分析。排除UML模型中的缺陷,在软件设计阶段发现错误,降低软件开发的花销,最终达到提高了软件的质量的目的。     

一种改进的基于属性频率的约简算法

分析HORAFA算法和HORAFA-A算法的不足,给出一种获得最优约简的启发式算法.算法以核属性为初始约简集,以属性频率为启发式信息,选择必要的属性加入约简集.该算法不仅适用于相容决策表系统,也适用于不相容决策表系统;同时,改进了反向消除方法,可以更快速地删除多余条件属性.实验表明,该算法是正确的,并且效率优于HORAFA-A算法.     

基于新型协调量化容差关系的不完备数据填补方法

提出一种基于新型协调量化容差关系的不完备数据补齐算法。首先求出属性值不完备对象的容差类,结合属性的重要度,将容差类里面的对象容差关系量化,再根据决策规则独立原则,在尽可能保持系统协调性的前提下对缺失属性值进行补齐。大量实验证明了本算法的有效性。     

软件逆向工程技术研究

随着计算机技术的发展,软件系统的规模和复杂度日益增长,软件维护在整个系统开发过程中愈发重要,越来越多的遗产系统需要维护和改善,逆向工程已经成为软件维护的关键技术之一.介绍了逆向工程的基本概念,综述了主要步骤和分析方法,最后通过分析逆向工程在国内外的研究现状,指出了存在的一些问题,并给出了未来的发展趋势     

基于神经网络的批强化学习在Robocup中的应用

模拟机器人足球比赛(Robot World Cup,RoboCup)作为多智能体系统的一个通用的实验平台,通过它可以来检验各种理论、算法和框架等,已经成为人工智能的研究热点.针对在复杂条件下的使用传统Q学习方法所产生的收敛速度缓慢和泛化能力不强的问题,文中使用人工化能力,缩短了学习的时问.并最终将其运用到仿真组比赛的Keepaway模型中,以此验证了该方法的有效性.     

一种基于SFP树的快速关联规则挖掘算法

对于传统的FP-Growth算法而言,当事务数据库D很大时,构造基于内存的FP树可能是不现实的.针对此问题,提出了一种基于样本事务数据库的SFP算法.该方法对事务数据库D进行随机抽样,得到样本数据库S,此时以比指定的支持度min_sup小的支持度(min_sup')在S中挖掘频繁项集L',根据求得的频繁项集L',在剩余的数据库D-S中求得L'中各事务的支持数,这在大多数情况下就可以求得所有的频繁项集,但是有时可能会漏掉一些.这时可以对D进行二次扫描以发现漏掉的频繁项集.该算法大多数情况下只需要对数据库进行一次扫描,最坏情况下也只需要对数据库进行二次扫描.当把效率放在首位时,比如计算密集事务数据库的频繁项集时,SFP算法尤其合适.     

基于模拟退火遗传算法的测试数据生成研究

在软件测试中,如何才能生成高效的测试用例一直是人们研究的热点.提出了一种基于模拟退火的遗传算法,用于测试数据的生成.该算法有效克服了传统GA局部搜索能力差和早熟现象.同时也有效改善了SA全局搜索能力差的问题.随后提出了一个基于模拟退火遗传算法的测试数据自动生成的系统框架结构.并重点介绍了如适应度函数选取问题、编码问题和遗传算子改进问题等关键技术.实验结果表明.该苒法运用在测试数据自动生成领域.其效率和效果都优于传统的遗传算法.