改进型A*算法在物流配送网络中的应用

A＊算法是目前路径搜索中应用最广泛的算法,最短路径搜索算法效率是研究人员普遍关注的重点,本文在分析A＊算法的基础上,重点介绍了一种改进型A＊启发式搜索算法,实验结果表明：提出的改进方法极大地减少算法搜索区域,提高了算法的效率,更加适合交通网络的路径导航。     

基于分层的改进A＊算法在路径规划中的应用

智能交通中的路径诱导系统能够极大地提高人们的出行效率与出行体验。经典A＊算法只注重搜索精度而忽略了搜索效率,在城市道路网络分层的基础上,对高层道路使用的A＊算法进行了改进,对于道路网络中的不同节点,设置估价函数具有不同的权值,同时给定权值的一个上下限阈值,以平衡算法的搜索效率与搜索精度。实验表明,得到的最短路径虽然不是常规的距离最短却是实际行驶时间最优的。     

状态空间搜索算法的进一步探索

主要讨论了BFS、DFS、A＊算法在状态空间搜索中的应用并且给出其在Mathematics下实现。在Mathematics中根据节点数据绘制出节点分布图,分别使用BFS、DFS、A＊搜索对给定的源点和目标点之间的路径进行搜索,并比较得到的路径耗散数据,说明引入启发式函数对搜索效率的影响。     

用VC++实现基于A*算法的八数码问题

在人工智能领域中，八数码问题一直都是一个游戏难题。介绍了八数码问题，然后在启发式搜索算法上对A＊算法定义进行了解释，并在其旨在提高搜索效率的方面作了比较详尽的介绍，详细描述了基于图搜索算法的解决此类问题的一种启发式搜索算法——A＊算法。再依据这种算法用可视化编程语言VC＋＋6．0来实现八数码问题的求解过程，取得了预期的搜索解，提高了搜索效率。     

宽度优先反复加宽及其启发式搜索算法研究

首先针对搜索树中深度固定且目标唯一的寻优问题，指出宽度优先反复加宽的搜索效率要比深度优先反复加深的搜索效率高，基于此，提出了基于宽度优先反复加宽的启发式搜索算法ＩＷＡ＊，算法ＩＷＡ＊是可采纳的。为了保持算法ＩＷＡ＊的搜索效率高于算法ＩＤＡ＊的搜索效率，同时又使算法ＩＷＡ＊的存贮空间复杂度减低，文中基于分层技术，提出了基于深度优先的ＩＷＡ＊算法──ＩＤＷＡ＊。算法ＩＤＷＡ＊也是一个可采纳的启发式搜索算法。     

数字化交通地图中最短路径算法的改进

本文对数字化交通地图中最短路径算法设计进行了研究和探讨，在传统的Dijkstra算法的基础上提出了一些合理的改进方案，并将改进后的A^＊算法和邻接表结构与原有Dijkstra算法及传统的数据存储结构进行了比较。在A^＊算法中，任意两点之间最短路径的搜索具备一定的方向性，即搜索的结点数明显地少于Dijkstra算法的搜索结点数，系统响应速度明显快于采用原始Dijkstra算法的响应速度，A^＊算法的效率明显提高。     

路径规划算法的改进及在车载导航中的应用

路径规划算法是车载导航的核心问题。充分利用启发式搜索具有方向性的启发信息,对A＊算法进行改进,采用双向的A＊算法来避免过多的节点搜索和搜索过界,不能得到正确结果的问题。同时,为了适合嵌入式平台的特殊环境,采用数据分层,搜索过程升层的方法,充分利用内存资源,减少外存I/O的工作量。并且结合上述策略,给出了改进的算法伪代码流程并对改进的A＊算法的进行验证。     

游戏开发中智能路径搜索算法的研究

路径搜索是许多游戏特别是即时战略游戏的核心组成部分,首先介绍了游戏中路径搜索的相关概念。路径搜索的算法有很多,不同的搜索算法有其不同的搜索策略、时间效率、空间消耗与应用场合。分析对比了多种路径搜索算法的运行数据之后,详细讨论了A^＊算法。由于游戏中的路径搜索有其自身的特点,针对游戏中路径搜索的具体要求从搜索效率、路径的真实平滑性和动态变化状态空间的适应性等方面对A^＊算法进行了优化和改进。     

A＊算法之启发值应用

本文重点介绍启发式搜索A＊算法的思想,并分析实践搜索路径中启发值的应用。     

A*算法及其在地理信息系统中的应用

最短路径问题是地理信息系统的关键问题，A＊算法是解决有附加条件的最短路问题的有效算法。本文在详细分析A＊算法的基础上，编程实现了A＊算法。最后对A＊算法运行结果进行分析。     

毫米波通信中一种优化的波束搜索算法研究

波束形成技术成为毫米波无线通信的关键技术之一,其中码本搜索算法成为研究重点.IEEE802.15.3c及IEEE802.1 1ad中提出的均是基于遍历搜索的算法,这类算法随着码本数目的增加,搜索时间将变的难以接受.本文提出一种最优扇区数目波束搜索算法,该算法根据波束级码本数目,求出搜索次数最少的扇区数目,并构造相应的扇区码本,然后先在构造的扇区码本上进行搜索,再进行波束搜索.最优扇区数目波束搜索算法利用最优的扇区数目大大减小的波束搜索复杂度,减小的波束搜素所需时间.理论分析和程序仿均证明了最优扇区数目波束搜索算法的在减少搜索次数方面的有效性.     

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。     

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。     

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。     

基于改进迭代贪婪算法的预制构件调度研究

迭代贪婪算法是一种具有较强局部搜索能力的元启发式算法,但由于传统迭代贪婪算法搜索范围过大,搜索效率有限,为了进一步提升传统迭代贪婪算法的搜索能力,考虑到阈值接受算法具有能缩小搜索范围的特点,提出了一种改进的迭代贪婪算法解决流水车间预制生产的订单接受与调度问题。该改进算法是在破坏原调度序列后加入一种基于构造启发式规则的重建策略,并结合阈值接受算法的自适应接受准则用以跳出局部最优。经大量仿真实验结果显示,与传统迭代贪婪算法、禁忌搜索算法以及遗传算法对比,改进的迭代贪婪算法具有更好的求解质量和鲁棒性。     

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。     

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。     

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。     

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.     

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。