基于类比的学习式搜索算法AMO,CLSA

本文首先给出了学习式搜索的一个问题模型,然后在[5]中GLS搜索解题系统的基础上,本文描述了一个多目标学习搜索算法MO.GLSA,并对该算法作出了性能评价。最后,文中给出了一个基于类比的学习搜索算法AMO.GLSA。     

关于类比学习

类比(Analony)是人们进行思维的重要方法之一。人们在遇见一个新问题时,往往去回忆过去经验,参照解过的相似问题的解法,解决新问题。著名数学家G. Polya曾对如何用类比解决数学问题做过透徹的研     

利用类比知识的基于解释的学习

本文介绍如何将示例中包含的新的知识通过基于解释的学习加入到原来不完善的领域知识库中去。整个学习过程是在示例的引导下依据领域理论和类比知识进行推理的纯演绎过程。因此，经过改进的领域理论可以保持其正确性。系统的原型在ＳＵＮ工作站上用ＱＵＩＮＴＵＳ ＰＲＯＬＯＧ实现。     

基于H.264编码的运动估计快速搜索算法

H．264标准可以获得很高的编码效率,适于低带宽高质量网络视频应用的需要,但由于采用了许多高复杂度的算法,使得软硬件实现起来非常困难。本文给出一种运动估计搜索算法,对H．264进行优化,经测试,搜索速度明显提高。     

基于H.264的新型快速搜索算法研究

根据视频序列最优运动矢量的分布特性,提出了一种新型快速搜索算法。仿真表明,该算法在不改变重建图像质量的条件下,大幅减小了搜索点数,提高了搜索效率。     

几种基于H.264的运动估计搜索算法的分析

H．264视频编码标准的性能很大程度上取决于运动估计,而影响运动估计的主要是匹配准则和搜索算法。本文对多种匹配准则和快速搜索算法进行了研究,并比较了几种新颖的搜索算法的优缺点,给出了现有的几种搜索算法应用在H．264编码器上的性能比较。     

具有类比学习机制的优化排料系统

一个具有类比学习机制的二维图形优化排料系统首先将不同规则图形的排料问题转化为矩形件的排料问题；然后利用启发式搜索方法，求得较优解。系统问题求解中引入了类比学习机制，因此系统可以随着排料次数的增加，使所需排料时间逐渐减少。     

一种新型的模糊推理及模糊类比学习的实现

1.前言 在工业控制中,人工智能技术的引入有着重要意义,传统的控制方法,无论是基于经典控制理论还是基于现代控制理论,均是以数学方法为基础,有很大局限性,特别是复杂的工业过程中,精确模型很难开发,这就需引入以处理知识信息为标志的人工智能技术,扩大信息来源与信息手段,为此在转炉后期补吹控制中,建立了一个智能控制专家系统,基于处理系统的不确定性(模糊性)和实时性,提出了一种新的知识表达与推理机制,并在此系统中实现了一种用模糊贴近度定义相似度的类比学习方法。     

混合和声搜索算法求解基于学习效应的PFSP问题

置换流水线调度问题（Permutation Flow-shop Scheduling Problem,PFSP）作为流水线调度问题的子问题,实质是一个著名的组合优化问题,其已被证明了是NP完全问题中最困难的问题之一。带学习效应的PFSP问题是一种更符合实际问题的模型,为了更好地解决此问题,在此提出了一种混合遗传算法和粒子群算法的改进和声搜索算法。对CAR1问题及其学习型调度进行了仿真实验,结果表明所提算法的可行性和有效性。     

基于Mathematica实现智能车辆的路径搜索策略

介绍基于目标型的智能体，通过Mathematica强大的演算、作图功能，实现不同的搜索策略，并依据实验分析推导各个算法的特性。在通用算法的基础上，结合新的搜索思想加以改进，提出了基于目标的双向搜索策略，并验证该策略在智能车辆路径搜索中的完备性和最优性。     

基于旋转学习策略的共生生物搜索算法

为提高共生生物搜索算法(Symbiotic Organisms Search, SOS)的性能,提出一种基于旋转学习策略的共生生物搜索算法(Symbiotic Organisms Search Using Rotation-Based Learning, RSOS)。该算法将串行个体更新方式改为并行种群更新方式,提高算法收敛速度;引入遍历保优的旋转学习策略,代替寄生机制的盲目随机搜索,增大保留新个体的概率,补充种群多样性,提高算法跳出局部最优的能力。对于8个标准测试函数仿真表明,RSOS算法较基本SOS算法在收敛速度、收敛精度及稳定性上得到了明显提升。     

自适应精英反向学习共生生物搜索算法

针对共生生物搜索算法在求解高维复杂问题时存在过早收敛,求解精度不高及后期搜索迟滞等问题,结合自适应思想,利用不同差分扰动项和精英反向学习策略对算法进行改进,得到一种改进的共生生物搜索算法。对14个标准测试函数的仿真实验结果进行分析,相比于原算法和其他三种目前流行的算法,改进算法在收敛速度和求解精度方面均具有明显的优势,寻优能力更强。     

基于改进涡流搜索算法的外骨骼迭代学习控制

为提升康复外骨骼机器人的步态跟踪性能,提出一种基于改进涡流搜索算法的迭代学习控制方法。首先针对传统迭代学习控制抗扰性差和控制信息缺失问题,引入PD控制器、自适应遗忘因子、误差过渡曲线和控制信息搜索等策略,改进迭代学习控制律;其次,基于多种策略对涡流搜索算法进行改进,提出了一种改进涡流搜索算法,改进后的算法可优化迭代学习控制的PD参数;最后进行行走实验,将提出的迭代学习控制方法与现有的同类算法进行仿真和数值比较,并测试了扰动情况下的跟踪性能。实验结果表明,所提方法的误差更小,跟踪性能更强。该算法改进了迭代学习控制的不足,具有较强的抗扰性能,保证了使用时的稳定性。     

基于相关性的类比求精

本文提出了一种基于相关性的类比求精方法，该方法能够在相似情况中自动寻找与当前类比有关的知识。     

基于双样本学习与单维搜索改进的精英麻雀搜索算法

针对麻雀搜索算法初始种群分布不均匀,种群间信息交流少,易陷入局部最优,收敛速度慢等不足,提出了一种基于双样本学习与单维搜索改进的精英麻雀搜索算法。首先,采用Hammersley低差异序列与反向学习相结合产生精英初始种群,增强个体质量和多样性;然后,通过双样本学习策略,改进追随者的位置更新公式,加强种群间的信息交流,提高算法跳出局部最优的能力;最后,在算法迭代后期采用单维搜索模式,增强算法在后期的深度挖掘能力,提高算法的精度。通过对时间复杂度进行分析,证明了该改进未增加算法的时间复杂度。选取12个不同特征的测试函数进行寻优,测试结果表明,与其他算法相比,该算法在收敛速度、精度和稳定性上都有明显的优越性。     

基于非确定性Monad的纯函数式树搜索算法

纯函数式语言缺乏处理非确定性功能，本文给出了一个非确定性Ｍｏｎａｄ，用此Ｍｏｎａｄ在纯函数式语言中加入了非确定性处理功能，描述卫个基于非确定性Ｍｏｎａｄ的纯函数式树搜索算法，并证明了一些有用的代数性质。     

交互式学习的布谷鸟搜索算法

针对布谷鸟搜索算法在求解旅行商问题时,存在初期信息缺乏严重和收敛速度慢等问题,提出一种交互式学习的布谷鸟搜索算法（Interactive Learning Cuckoo Search Algorithm,ILCSA）。为提高布谷鸟搜索算法的搜索效率,结合蚁群优化算法构建双层交互学习模型,将蚁群作为底层种群,布谷鸟作为高层种群,双种群互相学习,合作寻优,提高搜索速度;此外,在布谷鸟搜索算法中引入强化学习策略,自适应更新步长,并对发现概率进行动态调整,深度优化最优解,进一步提高解的质量。最后采用多组不同规模的标准TSPLIB算例与其他优化算法进行对比,结果表明ILCSA算法在求解精度和稳定性方面表现更优。     

一个经典悖论在类比学习中的解决

自动知识获取的知识库一直面临因不协调引起的知识不一致问题.经典逻辑不具备处理不协调性的能力,而次协调逻辑是一个能够在不协调的情况下进行正常推理的逻辑.本文试图通过将经典悖论的一个例子转成类比学习中的模型,用次协调的思想对在类比学习中解决知识前后不一致性问题作一些探讨.     

基于广度优先搜索算法的故障隔离矩阵生成方法

相关性矩阵表示故障与测试之间的逻辑关系。隔离矩阵表示在给定的测试顺序下,故障隔离与测试之间的需求关系。测试顺序对诊断费用影响可以通过隔离矩阵进行计算。所以求解隔离矩阵是诊断费用优化的前提。针对相关性矩阵与隔离矩阵易于混淆的问题,以及传统分析方法求解隔离的不足,详述隔离矩阵的概念和生成原理,设计基于广度优先搜索的隔离矩阵生成算法。示例表明,生成算法是可行的和有效的。