仿真家庭服务机器人行动序列规划研究

随着社会的进步和科技的发展,服务机器人日益受到人们的关注.服务机器人在复杂的家庭环境中如何做到自主决策以便更好的辅助人类生活,将是一个研究热点.回答集程序是一种具有非单调推理能力的知识表示和推理的方式,同时也是一种问题求解的工具.文中探讨了基于服务机器人模型的回答集程序规则的编制,并通过实验证明,回答集程序能方便、高效地求解出最优的行动序列,并且在划分搜索空间后,回答集程序求解的效率得到进一步的提高.     

一般克隆选择算法的收敛性证明*

克隆选择算法已经广泛应用于计算智能领域,而针对克隆选择算法理论方面的分析和研究工作却很少。为了丰富克隆选择算法的理论基础,采用了与研究遗传算法相似的方法,研究了克隆选择算法的收敛性,推导出克隆选择算法在求解优化问题时,收敛到全局最优解的充分条件。因此,对基于克隆选择算法的各种应用如BCA和CLONALG算法,只要检查这些充分条件是否满足就可以证明算法的收敛性。     

基于新型协调量化容差关系的不完备数据填补方法

提出一种基于新型协调量化容差关系的不完备数据补齐算法。首先求出属性值不完备对象的容差类,结合属性的重要度,将容差类里面的对象容差关系量化,再根据决策规则独立原则,在尽可能保持系统协调性的前提下对缺失属性值进行补齐。大量实验证明了本算法的有效性。     

软件逆向工程技术研究

随着计算机技术的发展,软件系统的规模和复杂度日益增长,软件维护在整个系统开发过程中愈发重要,越来越多的遗产系统需要维护和改善,逆向工程已经成为软件维护的关键技术之一.介绍了逆向工程的基本概念,综述了主要步骤和分析方法,最后通过分析逆向工程在国内外的研究现状,指出了存在的一些问题,并给出了未来的发展趋势     

基于神经网络的批强化学习在Robocup中的应用

模拟机器人足球比赛(Robot World Cup,RoboCup)作为多智能体系统的一个通用的实验平台,通过它可以来检验各种理论、算法和框架等,已经成为人工智能的研究热点.针对在复杂条件下的使用传统Q学习方法所产生的收敛速度缓慢和泛化能力不强的问题,文中使用人工化能力,缩短了学习的时问.并最终将其运用到仿真组比赛的Keepaway模型中,以此验证了该方法的有效性.     

一种基于SFP树的快速关联规则挖掘算法

对于传统的FP-Growth算法而言,当事务数据库D很大时,构造基于内存的FP树可能是不现实的.针对此问题,提出了一种基于样本事务数据库的SFP算法.该方法对事务数据库D进行随机抽样,得到样本数据库S,此时以比指定的支持度min_sup小的支持度(min_sup')在S中挖掘频繁项集L',根据求得的频繁项集L',在剩余的数据库D-S中求得L'中各事务的支持数,这在大多数情况下就可以求得所有的频繁项集,但是有时可能会漏掉一些.这时可以对D进行二次扫描以发现漏掉的频繁项集.该算法大多数情况下只需要对数据库进行一次扫描,最坏情况下也只需要对数据库进行二次扫描.当把效率放在首位时,比如计算密集事务数据库的频繁项集时,SFP算法尤其合适.     

基于Petri网的UML形式化建模应用分析

UML是功能强大的图形化建模语言,但存在缺乏精确的语义描述的特点,因此UML形式化研究一直是一个热点.Petri网既有直观的图形表示,又有坚实的数学基础,拥有许多成熟的分析方法可以直接用于分析模型的性能.结合一个图录编纂应用系统,使用基于Petri网的建模方法,对该系统的UML状态图和序列图进行了形式化分析.排除UML模型中的缺陷,在软件设计阶段发现错误,降低软件开发的花销,最终达到提高了软件的质量的目的.     

基于场论的高精度信息检索研究

传统信息检索模型的信息获取准确率较低。针对该问题,提出一种基于场论的高精度信息检索模型,在考虑标引词之间相关性的前提下,以规范化标引词的数量作为文档信息量,构建一个文档信息场。该信息场以文档间相互作用的场力大小度量文档的相关性,由此得到更精确的检索结果。实验结果验证了该模型相对于同类模型的优越性。     

基于Pawlak的决策粗糙集的属性约简研究

粗糙集用于规则归纳时,其正域规则和边界规则这两种不同的分类规则会导致不同的决策序列。这两种分类规则都能够从语法和语义上进行区分,并被Pawlak模型所延伸的粗糙集理论所解释。属性约简是粗糙集理论的一个重要概念,本文针对决策粗糙集中的决策单调性这个分类属性,给出属性约简中基于正域约简模型及其分析。     

基于GIS的UML建模研究与实践

本文结合一个地理信息应用系统,介绍了UML建模技术在G IS领域中的应用,并对相关的UML知识作了阐述.