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。     

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.     

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。     

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(N~2)(L.Mér(?),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.     

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。     

解决图着色问题的一种新禁忌搜索算法

为了解决典型的组合优化问题——图顶点着色问题,结合增强SEQ算法和禁忌搜索算法的优点与缺点,提出一种基于增强SEQ的新禁忌搜索算法(SEQTS)。该算法利用增强SEQ算法较强的构造较优解的能力来为禁忌搜索算法构造多个较优初始解,然后进行多初始解禁忌搜索以找到全局最优解。计算机实验的结果表明该算法(SEQTS)有较好的寻优能力,增强了该算法的有效性。     

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。     

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。     

HYBRID ACE: COMBINING SEARCH DIRECTIONS FOR HEURISTIC PLANNING

One of the most promising trends in Domain-Independent AI Planning, nowadays, is state-space heuristic planning. The planners of this category construct general but efficient heuristic functions, which are used as a guide to traverse the state space either in a forward or in a backward direction. Although specific problems may favor one or the other direction, there is no clear evidence why any of them should be generally preferred. This paper presents Hybrid-AcE, a domain-independent planning system that combines search in both directions utilizing a complex criterion that monitors the progress of the search, to switch between them. Hybrid AcE embodies two powerful domain-independent heuristic functions extending one of the AcE planning systems. Moreover, the system is equipped with a fact-ordering technique and two methods for problem simplification that limit the search space and guide the algorithm to the most promising states. The bi-directional system has been tested on a variety of problems adopted from the AIPS planning competitions with quite promising results.