利用近似解加速求解SAT问题的启发式完全算法

结合DPLL完全算法能够证明可满足性(SAT)问题的不可满足性和局部搜索算法快速的优点,提出利用近似解加速求解SAT问题的启发式完全算法.首先利用局部搜索算法快速地得到一个近似解,并将该近似解作为完全算法的初始输入,用于其中分支变量的相位决策.该算法引导完全算法优先搜索近似解所在的子空间,加速解决器找到可满足解的过程,为SAT问题的求解提供了一种新的有效途径.实验结果表明,该算法有效地提高了决策的精度和SAT解决器的效率,对很多实例非常有效.     

车载导航仪中路径规划算法及其实现

讨论了路径规划中迪杰斯特拉算法和启发式搜索算法的原理 ,用C语言实现了基于最小堆的启发式搜索算法 ,并成功地应用于车载导航仪中     

启发式搜索算法的面向对象设计实现

描述了如何使用面向对象语言Java来设计启发式搜索算法。该设计充分利用Java语言的继承、封装和多态等特征,遵循开-闭原则、里氏替换原则等重要面向对象的设计原则,抽象化了启发式搜索算法,使得启发式搜索算法成为一个可复用构件。最后,演示了如何使用该可复用构件求解八数码问题。     

启发式搜索算法的面向对象设计实现

描述了如何使用面向对象语言Java来设计启发式搜索算法.该设计充分利用Java语言的继承、封装和多态等特征,遵循开-闭原则、里氏替换原则等重要面向对象的设计原则,抽象化了启发式搜索算法,使得启发式搜索算法成为一个可复用构件.最后,演示了如何使用该可复用构件求解八数码问题.     

车载导航仪中路径规划算法及其实现

讨论了路径规划中迪杰斯特拉算法和启发式搜索算法的原理,用C语言实现了基于最小堆的启发式搜索算法,并成功地应用于车载导航仪中。     

束搜索算法的精度优化研究

启发式爬山搜索算法能高效地实现搜索剪枝,求解实际问题时,能在庞大的假设空间中,找到最优或近似最优解,束搜索算法保持了爬山搜索算法的高效剪枝特性,同时能有效减小爬山搜索收敛到局部最优解的风险,人工智能领域广泛采用束搜索策略。对于宽度为k的束搜索,由于只维持有限的k条搜索路径,提高束搜索算法的搜索精度,重在这k条路径的选择上,但如何选取这k条路径,作者未见描述相关方法的资料,目前多数算法是在每一搜索步选取具有最大启发式性能量度值的k个候选作为进一步搜索的入口。论文简要讨论了束搜索算法,提出了几种合理的候选选取方法以及避免单亲填满的思想,并在UCI测试数据库上进行了对比实验,给出了实验结果。     

非结构化P2P资源搜索策略研究

通过从盲目搜索策略和启发式搜索策略两方面来分析无结构化P2P(peer-to-peer)系统的资源搜索策略。从泛洪搜索算法、迭代泛洪算法、随机漫步搜索算法以及基于超级节点的查询算法等四个方面对盲目搜索策略进行分析,而从基于兴趣的查询算法、移动代理、高速缓存及启发式泛洪搜索算法等四个方面对启发式搜索算法进行阐述。最后在以上算法分析的基础上对未来的工作进行了展望。     

基于混合负载平衡的并行启发式搜索算法

在分析了迭代加深启发式搜索(Iterative Deepening A*)算法及其可并行性后，提出了一种新的基于混合负载平衡的并行迭代加深启发式搜索算法。该算法综合了静态负载平衡和动态负载平衡的优点，可以在多结点的并行搜索计算中获得很高的加速比和效率。给出了该算法的Java RMI实现。通过在72个结点的并行机上的试验表明，该算法可以极大地提高并行搜索算法的加速度和效率。     

课程表问题的一种模拟退火超启发式算法

课程表问题是经典的组合优化问题,属于NP-hard问题.长期以来人们一直都在寻求快速高效的近似算法,以便在合理的计算时间内准确解决大规模课程安排问题,并提出许多有效且实用的启发式和元启发式算法.在此基础上提出了一种基于多个图染色启发式规则的模拟退火超启发式算法.在超启发式算法的框架中,用模拟退火算法作为高层搜索算法,多个图染色启发式规则为底层的构造算法.与现有的方法相比,该算法具有很好的通用性,可以很容易推广到考试时间表、会议安排.旅行商问题、背包问题等应用领域.实验表明,该算法是可行有效的,且无一例时间、空间冲突.     

用VC++实现基于A*算法的八数码问题

在人工智能领域中，八数码问题一直都是一个游戏难题。介绍了八数码问题，然后在启发式搜索算法上对A＊算法定义进行了解释，并在其旨在提高搜索效率的方面作了比较详尽的介绍，详细描述了基于图搜索算法的解决此类问题的一种启发式搜索算法——A＊算法。再依据这种算法用可视化编程语言VC＋＋6．0来实现八数码问题的求解过程，取得了预期的搜索解，提高了搜索效率。     

自组织网络基于邻居信息广播算法综述

随着网络的发展,自组织网络因其自组织、无需固定设施支持等特点成为近年来新兴的研究热点问题。而自组织网络的广播算法因在路由发现过程中的关键作用而受到广大研究者的关注。基于邻居信息广播算法是当前比较流行的自组织网络广播算法。本文主要对基于邻居信息的广播算法进行详细的分类和比较,同时分析了不同广播算法的优点和缺点。最后,对自组织网络基于邻居信息的广播算法进行了总结和展望。     

动力学系统实时仿真数值方法研究

从6个方面概述动力学系统实时仿真数值方法的一些最近的研究进展，内容包括：产时仿真快速混合算法、实时并行Rosenbrock算法、实时并行组合算法、微分代数系统的实时算法与实时并行算法、实时间断处理并行算法以及一些并行算法的效率分析等。给出构造实时仿真算法新的思想和方法，同时也涉及一些有关问题的讨论。     

Training Neuro-Fuzzy by Using Meta-Heuristic Algorithms for MPPT

It is one of the topics that have been studied extensively on maximum power point tracking (MPPT) recently. Traditional or soft computing methods are used for MPPT. Since soft computing approaches are more effective than traditional approaches, studies on MPPT have shifted in this direction. This study aims comparison of performance of seven meta-heuristic training algorithms in the neuro-fuzzy training for MPPT. The meta-heuristic training algorithms used are particle swarm optimization (PSO), harmony search (HS), cuckoo search (CS), artificial bee colony (ABC) algorithm, bee algorithm (BA), differential evolution (DE) and flower pollination algorithm (FPA). The antecedent and conclusion parameters of neuro-fuzzy are determined by these algorithms. The data of a 250 W photovoltaic (PV) is used in the applications. For effective MPPT, different neuro-fuzzy structures, different membership functions and different control parameter values are evaluated in detail. Related training algorithms are compared in terms of solution quality and convergence speed. The strengths and weaknesses of these algorithms are revealed. It is seen that the type and number of membership function, colony size, number of generations affect the solution quality and convergence speed of the training algorithms. As a result, it has been observed that CS and ABC algorithm are more effective than other algorithms in terms of solution quality and convergence in solving the related problem.     

Distributed average computation for multiple time‐varying signals with output measurements

This paper studies the distributed average computation problem for multiple time‐varying signals with bounded inputs. Based only on relative output measurements, a pair of continuous algorithms with, respectively, static and adaptive coupling strengths are designed and utilized. From the concept of boundary layer approach, the proposed continuous algorithm with static coupling strengths can asymptotically obtain the average value of the multiple reference signals without chattering phenomenon. Furthermore, for the case of algorithms with adaptive coupling strengths, the calculation errors are uniformly ultimately bounded and exponentially converge to a small adjustable bounded set. Finally, a simulation example is presented to show the validity of the theoretical results. Copyright © 2015 John Wiley & Sons, Ltd.     

Learning probability distributions in continuous evolutionary algorithms – a comparative review

We present a comparative review of Evolutionary Algorithms that generate new population members by sampling a probability distributionconstructed during the optimization process. We present a unifying formulation for five such algorithms that enables us to characterize them based on the parametrization of the probability distribution, the learning methodology, and the use of historical information.The algorithms are evaluated on a number of test functions in order to assess their relative strengths and weaknesses. This comparative reviewhelps to identify areas of applicability for the algorithms and to guidefuture algorithmic developments.     

An improved fireworks algorithm for the capacitated vehicle routing problem

The capacitated vehicle routing problem (CVRP), which aims at minimizing travel costs, is a wellknown NP-hard combinatorial optimization. Owing to its hardness, many heuristic search algorithms have been proposed to tackle this problem. This paper explores a recently proposed heuristic algorithm named the fireworks algorithm (FWA), which is a swarm intelligence algorithm. We adopt FWA for the combinatorial CVRP problem with several modifications of the original FWA: it employs a new method to generate "sparks" according to the selection rule, and it uses a new method to determine the explosion amplitude for each firework. The proposed algorithm is compared with several heuristic search methods on some classical benchmark CVRP instances. The experimental results show a promising performance of the proposed method. We also discuss the strengths and weaknesses of our algorithm in contrast to traditional algorithms.     

军事工程毁伤评估的组合智能模型

鉴于军事工程毁伤的复杂性,提出了基于组合智能评估模式的军事工程毁伤评估模型。以军事工程毁伤评估体系结构及其特征与功能约束为基础,设计军事工程毁伤效果组合智能评估的构件化模式,建立军事工程毁伤效果组合智能评估机制;以智能优化算法提高军事工程毁伤效果评估效率为目标,设计了一种易于仿真推理的军事工程毁伤效果组合智能评估流程。以人工神经网络为主体,集成小波分析和遗传算法,建立军事工程毁伤效果评估的非线性智能组合评估模型,应用于军事工程抗精确打击毁伤分析。案例表明,非线性组合智能评估模型充分发掘不同算法的差异优势,仿真实验验证了组合设计的可行性。     

基于遗传算法的二叉树画树算法

用遗传算法设计了一种通用二叉树画树算法框架.在该框架下,可以根据应用的不同,通过设 计反映美观标准的不同目标函数来得到不同的画树算法,而且容易添加或减少美观标准以适 应不同用户的需要.与以前的算法相比,此算法具有算法统一、方法简单、容易实现和易于修 改的优点,并且具有自适应、自学习和易于并行化的特点.     

基于Boosting算法融合的图像隐写分析方法

现有盲检测技术在实际检测中,由于嵌入算法未知导致检测困难。为此,提出一种基于Boosting算法融合的图像隐写分析方法。通过训练分类器建立不同隐写算法下的分类器模型,利用Boosting算法计算各分类器的分类性能,对各分类器的概率输出进行融合,得到最终检测结果。基于典型空间域隐写算法和JPEG隐写算法的实验结果表明,该方法实现了对多种隐写算法的有效检测,应用Boosting算法融合后整体检测性能提升了约2％。     

二维线段裁剪的概率模型

相对于矩形窗口的二维线段裁剪是计算机图形学中的基本操作之一,已有多种裁剪算法.由于这些算法在不同情况下各具优劣,一般只能分不同情况比较算法的性能,无法比较算法的平均性能.本文首先分析了线段与窗口之间位置关系的概率分布,从而得到二维线段裁剪的概率模型.接着使用该模型计算出一些常用算法的平均运算次数,并对算法的平均性能进行比较.该模型也纠正了一些论文中关于线段与窗口之间位置关系的概率分布的错误观点.