图着色问题的启发式搜索蚂蚁算法

针对经典的图着色问题,该文在随机序列启发式搜索求解的基础上,引进蚂蚁算法优化思想,设计了一种新型算法,有效地避免了启发式搜索易陷入局部极小的缺陷。通过给地图着色和仿真实验结果表明,该方法对图着色问题的求解是可行、有效的,且具有通用性。     

一类基于启发式搜索的激励学习算法

激励学习已被证明是在控制领域中一种可行的新方法。相比其他的方法,它能较好地处理未知环境问题,但它仍然不是一种有效的方法。幸运的是,在现实世界中,智能体总是会有一些环境的先验知识,这些能形成启发式信息。启发式搜索是一种常用的搜索方法,有很快的搜索速度,但需要精确的启发式信息,这在有些时候难以得到。文中分析比较了启发式搜索和激励学习的各自特点,提出一类新的基于启发式搜索的激励学习算法,初步的实验结果显示了较好的性能。     

一类基于启发式搜索的激励学习算法

激励学习已被证明是在控制领域中一种可行的新方法。相比其他的方法，它能较好地处理未知环境问题，但它仍然不是一种有效的方法。幸运的是，在现实世界中，智能体总是会有一些环境的先验知识，这些能形成启发式信息。启发式搜索是一种常用的搜索方法，有很快的搜索速度，但需要精确的启发式信息，这在有些时候难以得到。文中分析比较了启发式搜索和激励学习的各自特点，提出一类新的基于启发式搜索的激励学习算法，初步的实验结果显示了较好的性能。     

LEDBAT协议优先级反转抑制的启发式动态阈值算法

近年来,随着通信技术和网络传输能力的大幅度提升,应用需求呈现多元化的增长态势(视频会议、在线游戏等交互式应用要求低时延、低抖动,而软件更新等应用则要求高吞吐).为满足时延不敏感的数据传输并保证高效的瓶颈带宽利用率,低优先级拥塞控制算法(如LEDBAT(low extra delay background transport))受到广泛关注.该类算法能在链路空闲时占用未被使用的带宽,而在链路负载较高时释放占用的带宽以保证时延敏感数据的传输.然而,当中间路由器部署主动队列管理算法时,低优先级拥塞控制算法存在优先级反转问题,即链路高负载时无法释放占用的带宽,使其退化为普通拥塞控制算法.为解决该问题,针对LEDBAT中的固定时延阈值造成的优先级反转,提出启发式的动态阈值调整算法,其在运行时动态搜索最优的动态时延阈值,确保LEDBAT与主动队列管理算法共存时仍能保持低优先级特性,同时不降低链路的利用率.为验证算法的有效性,在网络模拟NS2中建立了不同网络场景并对算法进行大量的评估.实验结果表明：与已有低优先拥塞控制算法相比,新算法能够有效解决优先级反转的问题,同时保证链路的带宽利用率.     

图规划框架下的启发式搜索的研究与发展

随着智能规划研究的深入,以往的规划器已不能满足实际应用的需要.为了提高规划器求解实际问题的能力,启发式搜索产生了.对近10年来各种启发式搜索方法进行了分析,指出了它们的优缺点,并进行了比较.同时对智能规划及其启发式搜索的未来发展方向进行了分析与预测,旨在让研究和关心该领域的学者较为全面地了解这一领域.     

基于Q-M图启发式搜索的移动机器人全局路径规划

本文采用Ｑｕｉｎｅ－ＭｃＣｌｕｓｋｅｙ（Ｑ－Ｍ）提出的用逻辑方法寻找素蕴涵（ｐｒｉｍｅｉｍｐｌｉｃａｎｔｓ）的思想，提取给定环境中所有基本矩形自由区域（ｐｒｉｍｅｒｅｃｔａｎｇｌｅｆｒｅｅａｒｅａ），并将这些区域表示为连通图（我们称之为Ｑ－Ｍ图）的节点．提出首先使用双向Ａ算法搜寻连通图中的最优节点路径，然后采用超前尽可能多个节点的思想规划实际几何路径．通过仿真研究表明，本文提出的方法计算简单，规划的路径可以达到或接近最优路径．     

基于BDD的增量启发式搜索

增量搜索是一种利用先前的搜索信息提高本次搜索效率的方法,通常可以用来解决动态环境下的重规划问题.在人工智能领域,一些实时系统常常需要根据外界环境的变化不断修正自身,这样就会产生一系列变化较小的相似问题,此时应用增量搜索将会非常有效.另外,基于BDD(binary decision diagram)的启发式搜索,结合了基于BDD的搜索和启发式搜索这两种方法的优点.它既用BDD这一紧凑的数据结构来表示系统的状态空间,又通过使用启发信息来进一步压缩搜索树的大小.在介绍基于BDD的启发式搜索和增量搜索之后,结合这两种方法给出了基于BDD的增量启发式搜索算法--BDDRPA*.大量的实验结果表明,BDDRPA*算法是非常有效的,它可以被广泛地应用到智能规划、移动机器人问题等领域中.     

基于图和双向搜索的频繁项集挖掘算法

基于图的关联规则挖掘算法会产生大量候选项集。针对该问题,提出一种结合双向搜索策略的改进算法。按照支持度对频繁 1-项集排序,对频繁k-项集的最长超集进行验证,利用Apriori算法进行剪枝。实验结果表明,在支持度阈值较小时,改进算法能有效减少候选项集的数量,提高挖掘效率。     

一种基于启发式搜索的视差匹配的快速算法

提出了一种基于启发式搜索的视差匹配的快速算法，根据立体摄像系统的特性和图像本身的性质，迅速准确地进行视差估计。与完全搜索算法相比，在基本保持重建图像质量的前提下，能降低计算复杂度。     

A~*算法在两阶段词图搜索中的应用

讨论了在汉语连续语音识别系统的两阶段词图搜索过程中A算法的应用,使用从前向后的时间同步Viterbi算法进行第一阶段词图搜索和剪枝,之后使用从后向前的非时间同步的A算法进行第二阶段搜索,找到N-Best路径。文章给出了第二阶段A搜索算法的实现方法、时间优化和一种新的启发函数优化方法,并与基线系统进行了比较。实验结果表明,在时间上,A算法可以达到Viterbi算法的速度,满足实际应用的需要;A算法搜索得到的最优路径有10%优于Viterbi搜索得到的最优路径,1%不及Viterbi算法;对于字识别正确率和WER指标有一定改善。     

基于启发式搜索算法的网格信息查询优化

如何提高网格信息系统的查询效率是提高网格性能的关键问题之一。在基于资源分类树(将计算资源按其属性和数值组织成平衡二叉树)的网格信息系统中,资源分类树深度过大,搜索效率就会降低。针对该问题,提出基于启发式搜索算法的查询优化方案并成功应用于原有的查询系统。给出具体的算法、实验步骤及结果分析。实验结果表明,采用启发式搜索可以提高网格查询系统的查询效率。     

基于动态耦合与空间数据关联的RGB-D SLAM算法

为了解决动态环境下视觉SLAM（同步定位与地图创建）算法定位与建图精度下降的问题,提出了一种基于动态耦合与空间数据关联的RGB-D SLAM算法。首先,使用语义网络获得预处理的语义分割图像,并利用边缘检测算法和相邻语义判定获得完整的语义动态物体;其次,利用稠密直接法模块实现对相机姿态的初始估计,这里动态耦合分数值的计算在利用了传统的动态区域剔除之外,还使用了空间平面一致性判据和深度信息筛选;然后,结合空间数据关联算法和相机位姿实时更新地图点集,并利用最小化重投影误差和闭环优化线程完成对相机位姿的优化;最后,使用相机位姿和地图点集构建八叉树稠密地图,实现从平面到空间的动态区域剔除,完成静态地图在动态环境下的构建。根据高动态环境下TUM数据集测试结果,本文算法定位误差相比于ORB-SLAM算法减小了约90%,有效提高了RGB-D SLAM算法的定位精度和相机位姿估计精度。     

基于邻域的大规模图数据动态分割算法

随着图数据的规模日益增大,出现大量以动态图数据为基础的分布式处理需求,划分问题在动态图数据分布式处理领域尤为重要. 对大规模动态图数据上的划分问题进行研究,根据图结构性质及动态图特点,提出并实现基于邻域的动态图分割算法. 算法分为静态切分和动态调整两个阶段,其中基于割边算法整合现有最优化策略提出了大规模图数据的静态切割算法. 在优化后的静态切割算法的基础上,根据图数据的动态扩张的特性提出动态分割算法. 根据迁移顶点所达到的最小负载值进行顶点迁移,并在此基础上进行性能及割边控制优化操作. 最后,改进算法在各类图数据集上进行了验证,验证的结果显示在平衡度和割边等指标上优化后的算法效果显著,提高了划分的合理性,并且在保证割边不增加的情况下提高了图分割的平衡度.     

针对锋电位的启发式阈值检测算法

作为植入式脑电信号处理的关键环节,锋电位检测的精确度将直接影响后续脑电信号的解码与分析.提出了一种基于启发式阈值的锋电位自动检测算法.通过对椭圆滤波器参数的优化,降低了原始信号中有用信号衰减程度,实现了较低幅值锋电位的有效保留.并且启发式阈值的设定大大降低了采集环境引入的混杂噪声干扰,实现了具有鲁棒性的锋电位自动阈值检...     

基于禁忌搜索的启发式算法求解圆形packing问题

求解具有NP难度的圆形packing问题具有很高的理论与实用价值．现提出一个有效的启发式方法,求解了货运中常遇到的矩形区域内的不等圆packing问题．此算法首先将圆按给定的优先级分组,然后逐组地用拟物拟人法放置圆,并且在整个过程中利用了禁忌搜索法的思想,通过禁止重复前面已做的工作,使搜索能有效地逃离局部极小值的陷阱,提高了搜索效率．实验结果表明,提出的算法是一个高效的实用求解算法．