逻辑程序设计语言LOGLISP的实现

本文主要介绍逻辑程序设计语言LOGLISP的实现思想及采用的技术,介绍了LOGIC中的“语义合一”及“LISP归约”技术,讨论了“LISP专用形归结”原理。对“Cut”算子的实现提出了不同的思想。最后,简要说明了LOGIC中的演绎窗功能。     

启发式算法在搜索引擎的应用

本文对启发式搜索及其搜索过程,启发式搜索的估价函数和A*算法等作了介绍.提出使用人工智能中的启发式搜索来获取特定的信息,通过估价函数计算,对有用的链接进行遍历,以提高收集信息资源的查全率和查准率.     

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。     

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。     

基于用户行为的启发式本体搜索机制

为了能够以较高的准确率搜索到用户所需要的领域本体,在分析本体搜索需求和研究用户搜索行为的基础上,提出了一种基于用户行为的启发式本体搜索机制,利用不同用户由于领域认知不同,输入的具有领域共性的搜索关键词不同,实现用户搜索关键词的启发式扩展和搜索匹配度的提高。实验表明,使用该方法执行本体搜索具有较高的准确率和召回率。     

基于PVM的启发式搜索的并行计算模型设计

通过分析人工智能中的A和A^*启发式搜索,提出了通过PVM工具包,设计和实现A和A^*启发式搜索的并行计算模型。在启发搜索过程中同时进行评估函数计算,使计算的速度加快。解决了在搜索解空间庞大,评估函数计算复杂的情况下,使用单计算机计算速度慢的问题。该文实现了基于PVM的启发式搜索过程,该模型可应用于一般性启发式搜索问题的并行计算模型。     

禁忌搜索方法解最小化拖期任务数的并行多机调度问题

禁忌搜索方法（ＴＳ）是一种将人工智能技术引入管理中的一种高于一般启发式算法的智能化“超启发式”算法，它能有效地解决大型组合优化问题。本文用ＴＳ方法解决最小化拖期任务数的并行多机调度问题，并同目前最好的启发式作了比较，大量实验表明了ＴＳ方法的有效性。     

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。     

基于八数码问题的搜索算法的研究

搜索算法包括盲目搜索和启发式搜索。本文分别介绍盲目搜索和启发式搜索的搜索过程以及适用情况并以解决八数码问题为例详细展开。     

基于八数码游戏的两种搜索策略比较

利用状态空间法描述八数码问题,将其抽象成为一个从起始状态搜索到达目标状态的路径的问题,并在Visual C++6.0环境下,用C++语言实现了其盲目搜索和启发式搜索算法。其中,盲目搜索采用的是宽度搜索和深度搜索,启发式搜索策略采用的是有序搜索。通过比较两种搜索策略的时间复杂度和空间复杂度,在搜索步骤较多的情况下,启发式搜索具有明显的优势,并在此结论的基础上分析了启发式搜索具有优势的原因。     

智能机核心语言的研究

本文从Simon的物理符号系统假设出发,论证了新一代知识处理机核心语言应具有的基本功能是符号处理能力、启发式搜索能力、以及逻辑推理能力.在此基础上,介绍了我们实现的一个满足以上功能要求、以归约语义为基础的函数/逻辑型语言LISP-ELP2.     

路标计数启发式引导的分解规划方法

路标信息能够准确描述智能规划问题解空间的基本形态.提出由路标信息引导的分解规划方法,求解过程由路标计数启发式引导增强爬山算法向目标方向进行,根据路标的完成情况分段求出规划解.从全局范围上看,爬山过程逐渐实现更多的路标,路标计数启发式估值的降低引发规划任务的分解,当搜索过程遇到估值更低的状态时,提取一段爬山路径.如此反复执行“搜索-提取”过程,直至路标计数启发式的估值降低为0,各段爬山路径构成最终的规划解.采用最新国际通用的标准测试问题进行实验测试,结果表明:由路标计数启发式引导的分解规划方法能够更好地发挥路标信息的优势,实现了搜索范围的压缩,可更快地生成规划解.     

浅析计算机人工智能启发式搜索函数

阐述了人工智能的核心问题及启发式搜索函数的基本概念,介绍了4种经典问题启发式搜索函数的选择及其研究中遇到的难题,并从中求解来探讨解决问题的思路。     

AHS:一种基于类比的启发式搜索方法

将类比推理技术引入状态空间的搜索,提出了一种基于类比的启发式搜索方法AHS。该方法利用相似的过去问题的求解案例指导新问题的求解,提高了求解问题的效率。在简介基于类比的启发式搜索方法的基础上,重点讨论了实现这种方法需要解决的主要问题;然后针对状态空间的搜索,建立了一个类比求解模型ASM。论述了该求解模型的推理方法和过程;最后通过实验,验证了ASM模型的有效性。     

人工智能中搜索策略的探讨

在介绍了一般搜索策略的前提下,对盲目搜索和启发式搜索进行了探讨,进而介绍了几种常用的搜索策略,并对各种搜索策略进行了比较。最后对实际应用提出了建议。     

基于遗传算法车间流控制中调度问题的研究

提出了实现车间调度的混合遗传算法的设计方案，把经典的启发式算法、自适应算法与遗传算法相结合，将启发式搜索运用于初始种群的生成，充分发挥遗传算法良好的全局搜索能力和启发式搜索结构简单搜索速度快的特性，采用自适应方法改进交叉概率与变异概率，并通过实验验证了算法的有效性、     

Flow shop问题的嵌套分区优化调度方法

介绍了嵌套分区算法(NP)的基本思想, 并用于求解流水作业优化调度问题. 算法用嵌套分区树来描述流水作业调度问题, 对可行域进行系统性分区, 然后集中搜索有优良解的区域. 在每一步迭代中, 算法跟踪最有希望的分区, 并结合启发式算法和邻域搜索来实现分区转移. 仿真实验表明, 该算法比单纯的启发式算法和邻域搜索有较好的寻优能力.     

基于TurboPROLOG的搜索策略实现技术

本文对深度优先搜索、广度优先搜索、启发式搜索进行了探讨,提出了应用TurboPROLOG语言实现这些算法的方法和技巧。     

A算法在梵塔问题中的应用

介绍了启发式搜索A算法及其在梵塔问题中的应用,利用极值方法设计了一种估价函数,提高了搜索效率,减少了搜索量。     

A~*算法的改进及其PROLOG实现

在人工智能领域中,A~*算法是实现有向图最佳优先搜索的一种启发式算法。本文介绍了A~*算法和对A~*算法的改进——B算法,并叙述了用Turbo Prolog实现B算法的方法。