模S下的AND/OR图的启发式搜索算法NAO

本文首先定义了一类新的AND/OR图:图中的结点或为AND结点或为OR结点,而不能是混合型结点,并定义其路径耗散值用三角模S来度量和计算,使其更具有普遍意义,作为通常的AND/OR图AO~*算法的推广,本文依照普通图A~*算法中的启发式估价函数f=g+h,将新AND/OR图中的启发式估价函数F分成G、H两部分,并据此提出了NAO~*算法。本文的结论表明:NAO~*算法与AO~*算法有本质的不同;当H≤H~*时NAO~*可采纳,而且其结果极易推广到一般的AND/OR图中去。     

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。     

传播式启发式图搜索算法PRA及PRA

本文基于传播值的概念,提出了一个新的传播式启发式图搜索算法PRA及PRA,算法PRA是可采纳的,且在运行时间上优于算法RA,本文还基于约束消解的概念,研究了算法RA与PRA之间在运行结果上的关系定理。     

双向启发式图搜索算法BRA^＊之研究

本文在[1]中基于模运算,提出了随机产生式系统的启发式图搜索算法RA~*.本文提出一个随机产生式系统的双向搜索的启发式图搜索算法BRA~*,证明了算法BRA~*的可采纳性,并得到了一些新的可采纳性结果.算法BRA~*的搜索效率比算法RA~*高.若启发式估价函数满足单调性限制,通过使用NP操作,则算法BRA~*的搜索空间将进一步减少.     

基于AND／OR故障树的数字系统诊断方法

本文给出的基于ＡＮＤ／ＯＲ故障树的诊断方法,具有逻辑严密,表达直观,可进行定量分析等特点。该方法不同于传统的算法诊断,而是通过对故障树节点“与”及“或”逻辑关系的分析,以推理的方式找出故障元件。此外本文所采用的ＡＮＤ／ＯＲ故障树对传统的故障树作了改进、使得它能更加简单明了地表示有故障的数字电路,从而为诊断推理提供方便。最后用Ｐａｓｃａｌ语言编程实现了该方法。     

广义与或树的启发式搜索算法BTAO

本文根据乐观决策准则提出了广义与或树这一新概念,证明了广义与或树的耗散值与其最佳解树的耗散值是等价的。根据新定义的启发式函数h~(Tr)(n,x),提出了广义与或树的自底向上的启发式算法BTAO~*。算法BTAO~*是可采纳的,即定能找到最佳解树,进而求解出广义与或树的耗散值。     

一个线性的启发式图搜索算法

本文描述了一个能够改善启发函数的启发式图搜索算法．它利用搜索过程中的信息,改动启发函数h,保持搜索树上始终满足单调限制条件,使算法的最坏复杂度从B′的O（N²）（L.Méró,1984）降为O（N）．本文还证明了新算法的可采纳性、线性的复杂度,并同算法B′作了性能比较．     

启发式图搜索算法RA~*的改进算法IRA~*及IRA′

本文在文[1]基础上,对两种RA~*算法进行了比较研究,通过引入感兴趣集,给出了RA~*算法的改进算法IRA~*和IRA’,并且证明了IRA~*算法的可采纳性.从算法所扩展的结点数目这一角度来看,IRA~*算法明显优于RA~*算法.若感兴趣集并不包含最佳路径上的结点,则IRA~*算法的变形——IRA’算法可用来寻找一条较佳的求解路径.     

Asynchronous Heterogeneous Mechanism for Hyper-Distributed Hyper-Parallel Al Processing

1IntroductionThehyper-distributedhyper--parallelartificialintelligence(Al)approachisexpectedtobeabletoovercomemanyformidabledifficultiesarisingintheclassicalsequelltialsymboliclogicandtheordinaryneuralnetworks.Theconcurrentpropagationofcompetitivewaveshasbeenusedinhyper--distributedhyper-parallelheuristicsearchingsuccessfully[1--3].In[1]and[2],however,therearemanyrestrictionsimposedonthewavepropagation,knownasthesynchronoushomogeneouspropagationortheasynchronoussuperimpositionofpartialsynchron…     

超分布超并行智能处理的同步均质竞争行波方法

本文提出的竞争行波的原理，机制和算法，用于超分布超并行智能处理，克服了传统的符号逻辑串行算法和通常的神经网络方法在人工智能问题求解方面面临的许多困难。本文集中论述了竞争行波中最基本的一类同步均质竞争行波，及其超分布超并行问题求解算法，讨论了它们的性质和应用，并与其它著名的经典搜索算法相比较，表明了本文方法多方面的优点及广泛的应用前景     

基于接口连接关系的服务组合启发式算法

针对服务组合规划问题,提出了一种基于服务连接关系的启发式算法.该算法首先根据领域本体中概念条件出现概率提出了一种新的服务接口分量关联程度量化指标,再利用二分图稳定匹配算法解决了多输入输出分量接口匹配问题,在此基础上将服务组合规划抽象为与或图搜索,采用启发式算法实现了服务组合.实验结果表明,该算法能够根据用户请求动态的生成复合服务,通过服务连接分析预处理,可以有效解决输入输出接口多分量的服务连接问题,提高了服务组合效率.     

Concurrent Competitive Wave Approach to Hyper-Distributed Hyper-Parallel AI Processing

This paper presents a new approach of the synchronous homogeneous concurrent propagation of competitive waves for the purpose of hyper-distributed hyper-parallel heuristic problem-solving.The concurrent algorithm,mechanism and their properties ae given.In comparison with the traditional AI algorithms the approach is featured by the knowledge-based problem-solving in the distributed parallel environment,the feasibility for hardware implementation and the various applications.     

超分布超并行智能处理的异步异质竞争行波方法

本文讨论超分布超并行智能处理的竞争行波方法中最一般的情形异步异质行波。同步均质和异步叠加方法都是本文方法的特例。提出了基于异步异质竞争行波的并行算法和性质。     

New Heuristic Distributed Parallel Algorithms for Searching and Planning

This paper proposes new heuristic distributed parallel algorithms for searching and planning,which are based on the concepts of wave concurrent propagations and competitive activation mechanisms.These algorithms are characterized by simplicity and clearness of control strategies for earching,and distinguished abilities in many aspects,such as high speed processing,wide suitability for searching AND/OR implicit graphs,and ease in hardware implementation.     

超分布超并行智能处理的竞争行波异步叠加方法

基于全避同步均质竞争行波的超分布超并行智能处理方法，虽能有效地解决传统的串行符号逻辑方法和通常的神经网络方法所存在的许多问题。“全局性的同步和均质”这种限制在很多情况下难以满足。本文提出同步均质竞争行波的异步叠加方法，用于超分布超并行智能处理，比单一的全局同步均质竞争行波方法有更好的灵活性和实时处理性，能用于范围更广的问题求解，尤其适合于隐含与或图搜索。     

飞机实时测试序列生成算法研究及仿真

测试序列问题是基于诊断树方法的实时故障诊断中的关键问题,且被证明属于NPC类问题。针对这一问题,文章在信息论和与/或树启发式搜索算法的基础上,提出了一种单步反馈平衡算法。它可以有效削减计算复杂度,生成测试序列的平均测试代价、平均测试点数,以及建模过程中的反馈次数、扩展节点数均优于已有算法。