启发式搜索问题研究

探讨了问题空间中的启发式搜索技术,给出了构造启发式函数的基本方法,指出提高启发能力的措施和影响启发式搜索效率的主要因素。     

铆焊零件标准工艺的关键字启发式搜索法

本文针对某厂铆焊零件ＣＡＰＰ标准工艺的具体特点，提出了一种启发式搜索方法──关键字启发式搜索法。当标准工艺的数量较多时，采用此搜索法可大大地提高搜索效率。     

基于启发式搜索的移动机器人主动定位

提出了一种基于启发式搜索的主动定位算法.首先利用自适应粒子聚类算法对粒子进行聚类;然后分别构造路径规划树和解空间树,并根据优先级评估函数计算解空间树中所有节点的优先级,利用优先队列式分支限界法解决路径搜索问题;最后针对单个粒子簇分散问题提出了一种定位精度主动提升方法.仿真实验验证了所提出方法的有效性.     

浅谈人工智能中的启发式搜索策略

人工智能所要解决的问题大部分是非结构化或结构不良的问题,启发式搜索可以极大提高效率。讲述了搜索策略中的启发式搜索,对它的原理进行讲解,前景进行了展望。     

启发式搜索策略应用研究及认知系统仿真

为了寻找人类智能在启发式搜索上的优势,帮助建立基于认知的网络搜索模型,提出了基于视觉感知和目标递归的综合策略。采用功能技术fMRI结合ACT-R认知系统仿真的方法。以简化四方趣题为范式,通过fMRI实验获取信息加工同步的脑激活模式。分析了问题求解过程提出视觉感知策略和目标递归策略混合策略假设,并建立产生式系统。ACT-R认知系统模拟启发式搜索中综合策略应用过程,仿真实验结果表明,反应时偏差0.3s,脑功能区BOLD效应拟合值0.95。研究结果表明,综合策略应用能实现信息有效选择、缩短加工路径、减轻记忆负担和加速搜索过程,是人在启发式搜索上区别于机器的优势。     

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.     

一种新的启发式搜索法及其应用

本文提出了一种新的分步式启发式搜索法,并应用它基于过程的各类知识成功地解决了某炼油厂润滑系统的复杂生产优化调度问题。     

Agent在智能信息检索中的应用研究

从信息检索的现状出发 ,运用人工智能的技术 ,提出了一种基于Agent的信息检索方法。通过建立用户个性化信息表 ,辅助过滤Agent在信息提取过程中的精确性 ,从而弥补了现有系统在自适应用户兴趣和交互方式等方面的不足     

结合增量与启发式搜索的多目标问题处理方法

提出了一种结合增量与启发式搜索的多目标问题处理方法,设计并实现了一个基于路径扩展方法的多目标增量启发式搜索系统.当问题搜索图中边的权重发生改变或添加删除节点时,该系统通过对搜索现场进行实时的更新,部分利用先前搜索保留的信息,从更新后的状态开始求解新的问题,从而提高了重搜索的效率.对gridworld标准测试样例进行了大量的系统测试,实验结果表明：结合增量与启发式搜索的处理方法能够有效地解决状态格局不断变化的一系列相似的多目标最短路径问题.     

求解PDPTW问题的快速启发式算法

提出了一种解决有时间窗口装卸货问题（PDPIW）的快速启发式算法．该算法基于局域搜索和随机扰动的思想,以减少车辆数目为主要目标,采用了启发式的搜索方法并加入了随机扰动以跳出局部最小点。该算法可以在很短的时间内显著地提高解的质量,这是仅以减少总路程为主要目标的局域搜索和现代启发式算法不能达到的。对标准算例的测试和与禁忌搜索算法计算结果的比较,表明该算法对于求解此类有时间窗口装卸货问题比传统的启发式算法在计算速度和减少车辆数目上更具优势。     

一种求解集装箱装载问题的启发式算法

所谓集装箱装载问题,就是将若干大小不同的长方体盒子装进一个大小已知的长方体容器,其目标是最大化容器的积裁率.对这一问题,国内外学者利用不同的哲学思想,提出了诸如遗传算法、模拟退火算法等求解算法.本文提出一种求解此问题的基于最大穴度优先原则的启发式算法.算法中使用了两个重要的策略:最大穴度原则和最小边度原则.用一些公开的算例对算法性能进行了实算测试,测试结果表明:算法所得结果的容器积载率高,是求解集装箱装载问题的有效算法.     

求解QBF 问题的启发式调查传播算法

提出了一种启发式调查传播算法,并基于该算法设计了一种QBF(quantified Boolean formulae)求解器——HSPQBF(heuristic survey propagation algorithm for solving QBF)系统.它将Survey Propagation信息传递方法应用到QBF求解问题中.利用Survey Propagation作为启发式引导DPLL(Davis,Putnam,Logemann and Loveland)算法,选择合适的变量进行分支,从而可以减小搜索空间,并减少算法回退的次数.在分支处理过程中,HSPQBF系统结合了单元传播、冲突学习和满足蕴涵学习等一些优秀的QBF求解技术,从而能够提高QBF问题的求解效率.实验结果表明,HSPQBF无论在随机问题上还是在QBF标准测试问题上都有很好的表现,验证了调查传播技术在QBF问题求解中的实际价值.     

称球问题的一个启发式规则

本文给出了称球问题的一个启发式规则。并证明了利用此规则,一定能达到最终状态且称球的次数是最少的     

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。     

基于本体的智能检索系统的研究

由于传统的搜索引擎是基于关键词的检索,检索结果无论是在召回率还是在精确度上都不能令人满意,然而基于本体的智能检索系统是以概念语义为核心来实现信息检索,能改善传统的搜索引擎在语义理解方面的不足。     

Agent在问题求解中的应用研究

基于Agent的技术和方法已被应用于许多领域,包括软件工程、系统仿真以及复杂问题求解等.对Agent的概念以及基于Agent的技术和方法作介绍,重点介绍其在问题求解中的一些应用.