函数加权网络的一个启发式搜索算法

本文研究函数加权网络的最小代价路径问题,给出启发式搜索算法SE。它是算法SEARCH的改进。我们讨论了算法SE的可采纳性,并证明了它的复杂性是O(N~2),而算法SEARCH的复杂性则是O(2~N),从而明显地提高了算法的效率。     

关于启发式搜索算法的改进策略分析

启发式搜索就是在状态空间中的搜索对每一个搜索的位置进行评估,得到最好的位置,再从这个位置进行搜索直到目标。这样可以省略大量无谓的搜索路径。本文拟从前人的基础上得到一个启发评价函数,并得到一种修正算法。从而改进其效率。     

布谷鸟搜索算法在多阈值图像分割中的应用

穷举式搜索在寻找多个分割阈值时,计算较为复杂.为解决该问题,提出一种基于布谷鸟搜索算法的多阈值图像分割算法.以Otsu法设计适应度函数,利用布谷鸟搜索算法的并行寻优性能寻找待分割图像的最优阈值.实验结果表明,与细菌觅食算法和人工蜂群算法相比,该算法的寻优速度更快,找到的阈值质量更高.     

显式与或图的一种新的贪心搜索算法

文中提出了一种性能很好的能找出显式含圈与或图的最佳解图的贪心算法，给出了其严格的正确性证明，并简单分析了其复杂性。     

具有线性存储空间的启发式搜索算法SRA

本文提出了普通图的线性存储空间的启式搜索算法ＳＲＡ。该算法具有可采纳性，其最坏情况下的时产复杂度为Ｏ（Ｍ＾２）（Ｍ为搜索图的大小），其存储空间是线性的。因此，与其它常见的启发式搜索算法相比，该算法更适合于解决大而复杂的问题，更具有普遍且实用的意义。     

分布式博弈树搜索算法

本文提出了分布式博弈树搜索ＤＤＳ算法，从通信开销、存储开销、加速比等方面分析了算法性能，并与ＳＳＳ和α－β算法在搜索结点个数方面作了比较，模拟实验表明ＤＤＳ是一种高效实用的分布式搜索算法。     

可采纳搜索算法最坏复杂度的下确界

本文通过证明可采纳搜索算法的最坏复杂度不可能小于M(M是被搜索图的大小)和可采纳的搜索算法S的最坏复杂度等于M,得出以下结论:可采纳的搜索算法的最坏复杂度的下确界是M。本文还指出了L.Méró关于“无普遍最优算法”的证明中的错误,并给出了新的证明。     

统计启发式搜索算法在函数优化中的应用

本文讨论统计启发式搜索算法在优化计算中的应用，主要是函数求优化。为此引入新的ＭＡＸ统计量，构造相应的ＳＡ算法（称之为ＳＡ（ＭＡＸ）算法），并分析了新算法的精度和计算复杂性。最后给出计算机模拟的结果，以验证理论的正确性。     

一类适于悲观决策的广义AND／OR树及其启发式搜索算法BOA

本文首先将大量存在的悲观决策过程抽象成具有普遍意义的一类广义AND/OR 树,证明了广义 AND/OR 树的耗散值等于其最佳解树的耗散值,然后提出求其最佳解树的自底向上的启发式搜索算法 BOA,从而大大减少了求广义 AND/OR 树的耗散值的计算工作量。     

多因素问题的启发式搜索算法MFRA

本文新定义了一类多因素启妇式搜索问题，提出了适于此类问题求解的启发式搜索算法ＭＦＲＡ。文中研究了算法ＭＦＲＡ的可采纳性质，单调限制性质和比较性质等。基于算法ＩＤＡ的思想，提出了ＭＦＲＡ的改进算法ＭＦＲＡ－ＩＤＡ，这一算法具有线性存储空间这一重要特性。     

改进和声搜索算法及其在连续函数优化中的应用

针对一般和声搜索(HS)算法在求解连续函数优化问题时存在的困难,提出一种改进的多样化和声搜索(IDHS)算法。该算法借鉴模拟退火算法的思想对参数的更新方式作出调整,并且限制保存在和声记忆矩阵中的一致和声的数量以增加解的多样性。数值仿真结果表明,与其他几种传统的和声搜索算法相比,该方法进一步提高了计算精度和收敛速度,以及全局寻优能力。     

基于A＊的双向启发式搜索算法

本文以Ａ＊算法为基础，研究了两个双向启发式搜索算法，证明了它们的可采纳性和完备性，并通过了实例验证了它们的有效性。     

基于原因估计和继承传播计算启发函数值的搜索算法—EPA算法

低灵敏度最优问题区别于一般的最优问题:总体最优性、局部满足性,本文针对它的特点给出了一个启发式搜索算法——EPA算法。它以A算法的基本思想为基础,并吸收回溯类算法的处理策略,运用最好优先结合回溯策略选择扩展节点,基于局部指标函数值增量的原因估计和启发函数值的继承传播实现对启发函数的多次修正计算。     

改进和声搜索算法及其在连续函数优化中的应用

针对一般和声搜索(HS)算法在求解连续函数优化问题时存在的困难,提出一种改进的多样化和声搜索(IDHS)算法。该算法借鉴模拟退火算法的思想对参数的更新方式作出调整,并且限制保存在和声记忆矩阵中的一致和声的数量以增加解的多样性。数值仿真结果表明,与其他几种传统的和声搜索算法相比,该方法进一步提高了计算精度和收敛速度,以及全局寻优能力。     

A*算法在车辆导航系统中的应用研究

在十分复杂的交通地形图中,通过分析完备性、最优性、时间复杂度、空间复杂度性能问题,使用当代流行的智能语言-Mathematica,提出三组不同估价函数对基于启发式搜索的A*算法进行优化,从而实现了车辆导航的高效率化.实验结果表明:优化后的估价函数是切实有效的,在应用导航系统中得到了较满意的选路方案.     

量子搜索算法体系及其应用

Grover量子搜索算法正在逐渐演变成一个算法体系,并逐渐进入了实际应用阶段。文章中通过几何法论述了经典Grover算法,通过算符法引申出了该算法的扩展,并在两种情况下对该算法进行了讨论。在分析该算法实际应用基本策略的基础上,论述了函数全局优化问题的改进,提出了通过量子搜索算法改进纯适应搜索算法的新思想。     

多阶段模糊决策问题的模糊启发式搜索算法FDA

文中提出了多阶段模糊决策问题的自底向上的模糊启发式搜索算法ＦＤＡ＾＊，并证明了只要启发式估价函数ｈ＾↑￣可采纳，则ＦＤＡ＾＊算法亦可采纳，且定能找到具有最小耗散的最佳决策序列。对于可采纳启发式估价函数ｈ↑￣通常难以设计这一问题，文中提出了启发式估价函数的渐进式学习算法Ｌｅａｒｎｉｎｇ－ｈ↑￣。证明了通过ＦＤＡ＾＊算法的大量解题，Ｌｅａｒｎｉｎｇ－ｈ↑￣算法能以概率为１使启发式估价函数学习并收敛为可     

基于后退式二进制的RFID防碰撞搜索算法

标签冲突是射频识别系统中常见的问题。在对现有防碰撞算法分析基础上,提出一种基于后退式二进制防碰撞搜索算法。该算法不仅充分利用已得到的信息,使后续搜索范围大大缩小,而且在无碰撞时,采取后退策略快速识别标签。实验结果表明,该算法优于二进制及动态二进制防碰撞搜索算法。     

基于权值的广度优先搜索算法在九宫格中的实现

人工智能领域搜索算法有多种方式和应用,本文在盲目的广度优先搜索算法的基础上,提出了基于权值的广度优先搜索算法。利用两种搜索算法,在九宫格问题中进行了实现,通过随机产生一定数目的数据,来对比两种搜索算法的优劣,实验表明,基于权值的广度优先搜索算法搜索更有效,效率更高。     

混合策略改进的乌鸦搜索算法

为了改善乌鸦搜索算法(crow search algorithm,CSA)收敛速度慢、收敛精度不足的问题,提出一种混合策略改进的乌鸦搜索算法(MSCSA).首先在算法运行前期引入tent序列扰动的自适应权重系数,提高算法收敛速度;其次在算法后期引入混合黄金正弦与飞蛾扑火算子,避免算法后期陷入局部最优值;最后通过改进算法的发现概率AP,增加算法的随机性从而提高算法的收敛精度.通过在九个基准函数上对比测试,确定迭代系数的取值,通过Wilcoxon秩和测试验证算法性能.实验结果证明,所提出的MSCSA的性能更为优秀.