用旧结原理进行问题求解的探索

本文分析了用归结原理进行问题求解的方法，并对非确定性问题提出了三种求解方法。     

一种双向求解平行结构类问题的方法

平行结构类问题是一类适于分布式求解的人工智能问题．已有的大多数求解方法均采用预期或目标来指导自底向上的问题求解．但这些预期或目标是以局部问题求解状态为基础的，指导性较弱．尽管有的方法（如改进的ＤＶＭＴ结构）允许高层了解，但未给出明确的求解算法．本文提出一种双向求解平行结构类问题的方法，首先根据全局问题求解状态生成预期，指导自底向上的求解，然后根据新产生的假设来验证和修改预期，并用新的预期重新指导求解．该方法不仅提高了预期的指导性，而且使问题求解更为灵活．     

多处理器任务调度问题的新近似算法

研究任务有多种处理方式的多处理器任务调度问题（MTS）的求解算法，给出求解这种问题的二阶段方法：第1阶段为指派问题，第二阶段调度问题Pm｜fixj｜Cmax，从而得到一个新的求解Pm｜setj｜Cmax。近似算法的方法，并针对P4｜fixj｜Cmax给出了具体算法，证明这种近似算法是一个2-逼近度算法，是文献中在4-处理器问题上的推广。     

定量问题求解专家系统——ESQPS

定量问题求解系统，是人工智能和专家系统研究领域的一个重要课题。本文介绍了ＥＳＱＰＳ－一个应用面向对象（ＯＯ）技术开发，可用于科学和工程技术领域中求解基本物理问题的专家系统，简述了该系统的知识表达和问题求解方法的设计思想和实现技术。     

规划问题编码为约束可满足问题的研究

基于约束可满足问题的规划求解是研究智能规划的重要技术方法。把规划问题编码为约束可满足（CSP）问题，是这种规划求解方法的关键技术之一。本文介绍把规划问题编码为约束可满足问题的方法，及一些已有的并且已经用于规划的可满足过程，并对这些编码方法做进一步的研究，主要讨论领域知识在编码方法中的应用，提出在编码求解中加入领域知识的观点。     

计算机定量问题自动求解系统

“定量问题求解系统”，是ＡＩ和专家系统领域内的一门新技术。其目的是建立集科学、工程技术中广为应用的量、公式、定量等定理知识为一体的知识存储、检索和问题求解的计算机系统。本文简述国外计算机定量问题自动求解系统研究工作。全文介绍了定量问题求解系统的研究对象和一般的理论方法，并着重讨论几个典型的应用系统；同时详细介绍了一个用面象对象方法的开发的系统ＱＰＳ，该系统英国的Ｔｈｅ Ｑｕｅｅｎ’ｓ Ｕｎｉｖｅｒ     

求解TSP问题的遗传算法实现

TSP问题是一个典型的优化组合问题，现在有很多解决的方法。本文针对遗传算法求解TSP问题进行了研究，对选择、交叉和变异算子进行了算法设计，最后在Matlab软件上进行编程实现。结果表明，遗传算法在求解TSP问题时具有结果准确、收敛速度快等特点。     

基于运输费用分解法的多周期随机存贮运输问题研究

在分析传统FPP方法不足的基础上， 提出了一种求解存贮运输问题的新方法——运输费用分解法. 研究了该方法的特点和适应范围， 并应用该方法求解了一类多品种多周期随机需求的存贮运输问题，构造了求解该问题的启发式算法. 实验结果表明，TCPP方法能够有效地求解复杂的多周期随机存贮运输问题.     

基于暂态混沌神经网在非平衡B指派问题的应用

讨论了非平衡B指派问题的求解算法，给出了暂态混沌神经网络模型，并描述了非平衡B指派问题，提出了基于暂态混沌神经网络的非平衡B指派问题的求解算法。仿真结果表明，该网络可以通过混沌机制来避免陷入局部极小点，从而能够保证快速有效地求解该指派问题。该文还用这种方法求解了属于NP难题的文件分配问题(FAP)。     

基于遗传算法的旅行商问题仿真实现

从应用的角度讨论了基于遗传算法的旅行商问题（Travelling Salzesman Problem，简称TSP）的求解方法，在应用遗传算法求解旅行商问题时，参数值的不同设定对解有不同的影响，结合旅行商问题具体实例，对参数值的变化进行了观察，当选择Pc=0.5,pm=0.001时，得到了较为理想的最短旅行路径。     

一种基于聚类技术的Hopfield网络求解TSP方法

Hopfiled神经网络方法已被广泛用于求解旅行商问题（TSP），但对于解中规模和大规模的TSP，存在效果不理想甚至难以求解的问题。为了较好地解决这个问题，该文提出一种K-Means聚类算法与Hopfield网络方法相结合求解TSP的新方法，先应用聚类算法对所给城市进行聚类以获得几组规模较小的城市，然后对每一组城市应用Hopfield网络方法进行求解，最后把求解后的每组城市连接起来。计算机仿真结果表明，该方法可以获得最优有效解，并且解的质量明显提高，对求解中大规模的TSP比较有效。     

TSP问题的自适应进化算法

提出了一种 TSP问题的进化计算方法。此方法结合边自适应和边重组的进化过程处理方法 ,在本质上符合 TSP问题的求解的需要。本文给出了边适应性函数的数学模型 ,并且构造了一种易于实现的路径重组算法。对于 TSP问题的求解是一种新的见解     

基于遗传算法求解TSP问题的一种算法

TSP问题是一个经典的NP难度的组合优化问题，遗传算法是求解TSP问题的有效方法之一。利用交换启发交叉算子实现局部搜索加快算法的收敛速度和利用变换变异算子维持群体的多样性防止算法早熟收敛，给出了一种求解TSP问题的遗传算法。仿真实验结果表明了该算法的有效性和可行性。     

求解TSP问题的改进遗传算法研究

文章针对TSP问题,运用一种新的巡回路线编码方法和基于个体浓度的群体更新及个体多样性保持策略,提出了一种改进的遗传算法,在解决该类问题上取得了较显著的效果。     

蚁群算法在TSP问题中的应用

TSP问题(旅行商问题)是组合优化问题中最经典的NP问题之一,蚁群算法是基于群体的一种仿生算法,为求解复杂的组合优化问题提供了一种新思路,本文讨论了如何用基本的蚁群算法来求解TSP问题。     

人工神经网络求解TSP问题新方法

本文在分析Hopfield/Tank方法的基础上提出一种新的人工神经网络方法,采用优化约束条件的能量函数,具有收敛速度快、不易陷入无效解、易获得亚优解等优点。     

小组软件过程简介

TSP技术主要用于指导工程组如何更好地进行软件产品开发，实践表明TSP的使用有助于提高效率，保障产品质量，从而晚好地满足成本和进度要求，TSP可以指导小级和管理人员更好地解决软件产品开发中面临的诸多问题，文章主要描述TSP结构，创建以及TSP与PSP，CMM间的关系。     

用遗传算法求解TSP问题

介绍TSP 问题和遗传算法的基本原理.针对解决TSP 问题,阐述遗传算法在编码表示和遗传操作算子等方面的应用情况,以及该算法在实现过程中的一些处理方法,最后给出该算法的运行结果和总结.     

基于模糊C-均值聚类的TSP演化算法

提出了一种基于FCM聚类的TSP演化算法。该算法以聚类中心为新的结点组成一个简单的TSP问题,用演化算法寻求其最短路径。在最短路径中,对于每一聚类,可寻求其距前面的聚类和后面的聚类最近的两结点之间的最短距离,若其中的结点较多,则再次演化得到其最短路径,若结点较少,则可用Warshall算法可得到最短路径。通过三个阶段的演化可得到较好的结果。     

基于改进遗传算法的大规模TSP问题求解方案

TSP问题不仅描述旅行商周游城市的问题,也是许多工程领域中复杂问题的抽象形式,找到一种有效的TSP问题求解方案具有十分重要的意义。针对大规模TSP问题中最小回路代价的求解问题,提出一种基于遗传算法的大规模TSP问题的求解方案,采用分而治之的思想,并对传统遗传算法的初始化和遗传算子进行改进,提高了算法性能。多个数据集上的实验结果证明了提出的算法能够优化收敛结果,一定程度上解决过早收敛的问题。