一种新的博弈树迭代向前剪枝搜索

针对博弈树迭代加深搜索和向前剪枝搜索中误剪最佳分支的弱点,利用向前剪枝搜索与预评估搜索间的双重迭代调用,提出了一种新的博弈树迭代向前剪枝搜索方法.预评估搜索通过节点排序及调整剪枝比率可以更加准确地选取排序在前的最佳分支,进而使迭代向前剪枝搜索实现在预评估所保留的最佳分支方向进行深度搜索,二者迭代相互调用以提高向前剪枝搜索的有效性及效率.定性分析与中国象棋计算机博弈实验结果表明,迭代向前剪枝搜索提高了实时行棋决策的效率和效果,与α-β剪枝搜索相比,提高的搜索效率超过160倍,同时取得了胜负比近7倍的博弈效果.     

基于UML的五子棋的分析与设计

以五子棋为例，用UML开发人机博弈程序。五子棋博弈算法采用了博弈树的方法，应用了剪枝和极大极小值原理进行搜索寻找最优的下子位置。用面向对象的思想并结合UML建模工具，对程序进行分析、设计。此外，程序可以通过增加机器学习，对棋局进行记忆、总结学习，可以进一步提高系统的智能。     

多种搜索算法的五子棋博弈算法研究

主要选择五子棋为研究对象,应用Alpha-Beta剪枝算法、置换表技术搜索算法,研究人工智能模拟人类思考的推算过程,实现博弈效果。在Alpha-Beta剪枝算法中引入迭代加深以及局部搜索方法,提高程序棋技。在此基础上使用Monte Carlo方法和深度学习方法结合的方式来提高下棋技巧。实验结果表明,该算法相比于上述几种方法有明显的改进。     

一种新的博弈树搜索方法

通过对机器博弈主要搜索算法的深入分析和实践,提出了在博弈树一层结点中以广度优先方式,运用接力式空窗探测技术反复淘汰到只剩一个结点的新搜索方法. 该方法面向应用,搜索过程易控,理论上的最小搜索极限小于极小博弈树. 对比实验表明,该算法平均搜索效率高于PVS搜索和MTD(f)方法,并且使用该方法的迭代深化对博弈树优化效果最佳,从而使迭代深化搜索应用范围更加广泛.      

CMST问题的高效分支定界算法研究

针对网络优化设计中一类基本的、具有重要研究价值的问题——具有流量约束的最小生成树（CMST）问题进行了研究，提出了一种联合启发式搜索和分支定界方法的混合优化算法．通过应用邻域搜索策略，初始解有了极大的改进．提出的高效算法提高了遍历搜索树的效率，加快剪枝，并通过实验验证了该算法的性能．在阐述搜索最优解的过程中说明了该算法的优势．计算结果表明，新提出的高效分支定界算法极大地改进了原有的基于边的分支定界算法的效率．     

六子棋博弈的二次估值

采用二次估值方法来实现博弈者战略意图的定向搜索.介绍了六子棋的特点及竞赛规则,分析了基于二次估值方法的六子棋评估函数.该方法可以根据博弈者的攻守策略和战略转移,掌握博弈主动权的目的,提高估值的准确性.     

自适应WPM抗干扰系统中的WPT优选算法研究

为提高自适应小波包调制(WPM)系统抗窄带干扰能力,提出一种基于单音干扰的小波包树(WPT)优选算法.算法以误码率(BER)和有限信号传输能量为条件构造WPT节点处的代价函数,将树优选问题转化为搜索拉格朗日最小代价函数问题,通过剪枝方式搜索窄带干扰下的最优树.理论分析和仿真结果表明,优选算法在窄带干扰环境下能够简单准确地搜索到最优树,在不需要定时发送训练序列的条件下显著提高自适应WPM系统抗窄带干扰能力.     

基于深度强化学习的滤波器剪枝方案

针对深度神经网络模型在终端设备上部署时面临计算和存储等资源不足的问题，模型剪枝是一种有效的模型压缩方案，在保证模型精度的前提下减少模型的参数量并降低计算复杂度。传统的剪枝方案对于剪枝率及剪枝标准的设置大多依据先验知识，忽略了深度模型中不同层的剪枝敏感度和参数分布差异，缺乏细粒度的优化。对此，提出了一种基于强化学习的滤波器剪枝方案，在满足目标稀疏度的基础上最小化模型剪枝后的精度损失，并采用参数化深度Q学习算法求解构建混合变量的非线性优化问题。实验结果表明，所提方案能够为深度模型每一层选择合适的剪枝标准与剪枝率，减小了模型剪枝后的精度损失。     

TD-BP强化学习算法在五子棋博弈系统中的应用

局面估值的准确性是决定棋类游戏水平高低的一个重要因素。针对使用静态估值函数的不足,提出了TD-BP强化学习算法,结合博弈中常用的极小极大搜索算法和经过历史启发增强的PVS搜索算法,实现了一种自适应性较强的五子棋自学习程序。实验结果表明,使用该算法的程序经过较短时间的训练后达到了较好的下棋水平.     

PRO树及其剪枝问题的研究

介绍了静态和动态两种ＰＲＯ树的生成及为求出目标解在ＰＲＯ树上搜索、匹配和回溯的过程．针对截断谓词可能出现的各种位置，着重讨论了两种ＰＲＯ树的剪枝，同时总结了截断谓词在剪枝时所遵循的两条原则     

基于有限自动机的“点点连格”机器博弈系统的建模与分析

目的为机器博弈系统建立利于学习和研究的理论化模型．方法基于“点点连格”机器博弈系统,利用Moore自动机,为二人机器博弈系统建立了有限自动机模型,并在Moore自动机中引入受控子自动机,用监控器自动机作为该受控子自动机的输入控制器,实现了α-β搜索过程．结果利用此模型完成了3×3“点点连格”机器博弈系统的博弈过程,机器博弈系统的棋盘表述、博弈规则、搜索及审局四要素在模型中得以完成．结论在“点点连格”的机器博弈系统建模时,笔者提出的机器博弈系统的模型是可行有效的．     

基于有序爬山法的前向启发式搜索规划

根据快速前向启发式搜索规划器FF中放宽规划图和有利动作之间的关系,定义了状态适用度函数的概念,可对后继扩展状态的启发式估值进行快速近似的比较。在此基础上,结合增强型爬山法搜索后继状态的贪婪选择机制,提出了一种改进的局部搜索算法——有序爬山法,即根据状态适应度函数对所有待扩展的后继状态进行排序,并加入到扩展优先队列。在启发式估值阶段,适应度高的状态将被优先计算评估,有利于更快地发现较优状态,从而减少调用启发式估值程序的次数。通过在国际规划大赛基准测试领域的实验结果表明,该方法减少了搜索节点的数目和搜索时间,有效地提高了启发式搜索效率,而计算状态适应度及对状态进行排序的时间消耗几乎可以忽略,因此整体规划性能比FF有显著的提升。     

基于强化学习和3σ准则的组合剪枝方法

针对结构复杂、参数冗余的深度神经网络无法部署到资源受限的嵌入式系统的问题，受稀疏率对性能影响的启示，提出基于强化学习和3σ准则的组合剪枝方法.根据稀疏率对准确率的影响，确定最佳全局稀疏率，使稀疏率和精度达到较好平衡.在最佳全局稀疏率的指导下，利用强化学习方法自动搜索每层卷积层的最佳剪枝率，根据剪枝率剪去不重要的权重.通过3σ准则确定全连接层每层的权重剪枝阈值，对全连接层进行权重剪枝.通过再训练来恢复模型识别的精度.实验结果表明，所提剪枝方法可以将网络VGG16、ResNet56和ResNet50的参数，分别压缩83.33%、70.1%和80.9%，模型的识别准确率分别降低1.55%、1.98%和1.86%.     

基于混合教-学算法的汽车装配线物料供应调度

针对汽车装配线的物料调度问题,以装配线不缺货为约束,构建多设备联合配送的准时化物料供应模型.开展问题域的描述,以优化规划期内的线边库存水平为目标,构建数学规划模型.基于标准教-学算法（TLBO）的框架,提出求解这一复杂组合优化问题的混合教-学算法（HTLBO）.根据问题的特点,设计特定的编码与解码方法,确定各个设备的配送任务及排序.通过融合交换、反转和插入变异算子,构建局部搜索流程,以强化算法的全局开发能力.结合问题的性质,提出基于束搜索技术的剪枝方法,以强化算法的深度寻优能力.开展仿真实验,测试结果验证了该调度算法的可行性和有效性.     

一种基于即时学习的多模型在线建模方法

针对复杂非线性系统的建模问题,基于空间划分树(SP-Tree)和即时学习(lazy learning)的思想,设计了一种多模型在线建模方法.该方法基于分解-合成策略,根据系统输入输出数据,采用即时学习算法建立当前时刻的最佳局部模型,随着系统工作点的移动,滚动建立系统的多个模型,实现对非线性系统的准确建模.在建立邻域的过程中,采用一种基于SP-Tree数据结构的数据库进行分层递阶搜索,有效地提高了在线建模的实时性.最后,通过对一个仿真案例的研究验证了该算法的有效性.     

电除尘器故障诊断专家系统推理机

在已建立的电除尘器故障诊断专家系统知识库的基础上,对电除尘器故障诊断专家系统的推理机制及搜索策略进行了较为深入的研究。采用精确反向推理机制建立了该专家系统的推理机,故障树的搜索采用启发式深度优先搜索策略。在 Ｔｕｒｂｏ Ｐｒｏｌｏｇ专家系统语言环境下,进行了电除尘器故障诊断专家系统推理机的程序设计。     

一种构建严格平衡二叉搜索树的非递归算法

针对传统算法所构造的平衡二叉搜索树并非真正平衡的二叉搜索树,设计了一种构建严格平衡二叉搜索树的非递归算法。改进后的算法具有计算速度快、占用内存小、计算机易于实现等优点。改进算法的核心是生成严格二叉搜索树的先序序列,提出了对升序序列的进行二分得到严格二叉搜索树的先序序列,讨论并给出了构建严格二叉搜索树的快速算法,该算法充分利用了栈在计算过程中提供的二分信息得到严格二叉搜索树的先序序列,该算法与传统算法相比可更快地构建严格二叉搜索树。     

基于联合搜索法的3维土坡滑动面搜索方式及其程序实现

针对现阶段3维土坡滑动面搜索方式存在效率低、容易出现局部极值等问题,基于GIS栅格数据模型,提出以随机搜索确定初始滑动面、以模式搜索确定最终滑动面的3维土坡最危险滑动面搜索方式。结合该搜索方式,开发土坡稳定3维刚体法分析程序(Slope3D SCU),并通过算例对该程序的稳定性与合理性进行验证。研究表明：该搜索方法不仅避免了安全系数在临界滑动面搜索过程中出现局部极值的情况,同时能提高滑动面搜索效率;该程序计算精度高、稳定可靠。依托狮子坪水电站土石坝监测数据,调用渗透压力实时监测结果,利用该程序对其坝坡在运行工况下3维稳定性进行分析,揭示了该土石坝坝坡的3维稳定特性。研究结果表明,该坝坡在运行工况下安全系数较高,坝坡处于稳定状态。     

相控阵雷达搜索和跟踪资源博弈分配策略

为了解决搜索和跟踪（SAT）资源分配（RA）实时性的问题,提出博弈论视角下的资源分配策略. 建立搜索与跟踪的系统模型,将SATRA建模为非合作博弈问题,将模型中搜索子空域和跟踪多目标间的资源分配问题看作合作博弈关系,利用Shapley值完成相应资源的分配,给出纳什均衡求解的双目标优化模型;为了快速找到符合决策者偏好的分配解,将双目标优化模型通过动态加权的理想点法转化为单目标优化问题,提出并行混合遗传粒子群优化（PHGAPSO）算法求解上述优化问题最优分配方案,仿真验证了博弈分配策略的有效性和先进性以及混合算法性能的优越性. 在相同的条件下,与帕累托双目标优化方法进行对比. 实验结果表明,博弈论的方法具有更高的灵活性,平均搜索信噪比提高了1.02%,平均跟踪目标误差降低了1.55%.     

基于对抗攻击的图像隐写策略搜索

传统的隐写方法依赖于难以构建的复杂的人工规则。基于富特征模型和深度学习的隐写分析方法击败了现有最优的隐写方法,这使得隐写的安全性面临挑战。为此提出了一种基于对抗攻击的图像隐写策略的搜索方法,以寻找合适的隐写策略。隐写模型首先根据已知隐写算法初始化失真代价,然后建立含参的代价调整策略。对手模型区分载体和载密图像的分布,以发现潜在的隐藏行为。针对对手模型,利用定向对抗攻击得到相应的基于梯度符号的评价向量。在隐写模型与对手模型之间建立对抗博弈过程,据此搜索目标隐写策略。隐写模型和对手模型均用深度神经网络模型实现。构建了4种隐写配置并同3种隐写方法进行了实验比较。结果表明,该方法能有效搜索到图像隐写策略,与人工设计的经典方法和最新的隐写方法相比具有竞争力。