一种中国象棋残局棋谱自动生成算法

通过对传统博弈树搜索算法的修改,提出了一种中国象棋残局棋谱的自动生成算法,该算法基于极深极浅算法,并用剪枝、着法排序、置换表等手段对其搜索效率进行了优化.实验数据表明该算法在搜索生成连照胜杀局的棋谱时,具有较好的效果.最后用该算法对《象棋残局杀局宝典》中的残局进行了验证,发现了书中记录的残局棋谱存在的一些错误.     

中国象棋博弈程序中的树搜索算法

目前,虽然已有了中国象棋知识的模式表示法,但是要实现一个博弈程序还需有评价函数和搜索算法.树搜索算法较多,在使左结点以某种大的概率生成得比右结点更好这样一个程序目标下,我们选择了α-β算法。本文所讨论的博弈树搜索的方法和思想,已成功地在 IBM-PC/XT 机上实现(程序名为 C-CHESS).     

中国象棋Alpha-Beta搜索算法的研究与改进

针对中国象棋机器博弈中较为高效的Alpha-Beta搜索算法进行研究,以提升其效率.依据Alpha-Beta搜索算法的效率与子节点扩展的排列顺序高度相关的事实及中国象棋自身的特点,本研究从优化着法的排列顺序入手,设计出了启发能力较强的着法排列方案,并进一步提出了扩大窗口的内部迭代加深算法对上述着法排列方案进行修正,从而使着法顺序得到了进一步的优化.实验数据证明,本研究明显提升了Alpha-Beta算法的效率.     

提高图像块运动估计搜索速度的改进算法及其性能

运动估计是视频压缩中帧间预测编码的关键技术之一.由于运动估计具有较大的运算量,因此对压缩性能有重要影响.在研究分析了影响视频编码性能的传统搜索算法基础上,提出了一种基于六边形搜索算法的改进算法.该算法初始步骤使用十字形搜索模式,然后采用六边形搜索模式中的小钻石搜索模式,进行快速块运动估计.并进行了计算机仿真实验证明了改进算法在压缩处理运算量及信号质量方面的优越性.结果表明,改进算法比新三步搜索算法和传统六边形搜索算法有着更快的搜索速度和更小的失真.     

自适应六边形运动估计搜索算法

指出了在块运动估计中,快速估计算法的最终目的是在提高搜索速度的同时保持搜索质量.在现有搜索算法的基础上,提出了一种自适应六边形运动估计搜索算法AHEX.该算法首先利用时空相关性预测起始点,缩小了搜索区域,从而减少搜索点数;然后采用六边形搜索模型进行搜索,进一步提高了搜索速度.在搜索过程中,还采用了自适应的提前中止策略来避免不必要的搜索.实验结果表明:在保持相当搜索质量的前提下,与其它快速块匹配算法相比,自适应六边形搜索算法的搜索速度有大幅度的提高.     

基于集合覆盖和禁忌搜索算法的WCDMA基站布局

分析和比较了集合覆盖和禁忌搜索两种高效布局算法的优化性能和计算时间.在此基础上提出了一种新的WCDMA基站布局算法,该算法使用集合覆盖进行整体布局,使用禁忌搜索进行局部优化.由于综合利用了集合覆盖算法的快速性和禁忌搜索算法的精确性,实际场景仿真结果显示,新算法仅用禁忌搜索算法8.8%的计算时间,就搜索到比禁忌搜索算法优化性能更好的布局配置.     

求解VRPBTW的变邻域搜索算法

以电子商务环境下物流配送为背景,建立了带有时间窗和回程载货约束的车辆路径问题优化模型,设计了改进的变邻域搜索求解算法.该算法采用改进的Braysy顺序插入法生成问题初始解,再根据变邻域搜索算法机制应用4种不同搜索范围的局域搜索算子对初始解进行改进.通过对多个算例的求解实验,并与采用一般流程的变邻域搜索算法进行比较,结果表明所提出的变邻域搜索算法的求解效果明显优于采用一般流程的变邻域搜索算法,是求解该类问题的有效算法.     

复杂系统可靠性优化的混合万有引力搜索算法求解

复杂系统可靠性优化问题是一类有约束限制且目标函数具有多个局部极值的非线性优化问题.为求解该类问题,提出了一种混合万有引力搜索算法的求解方法.算法利用基于万有引力定律的寻优机制指导群体进行全局搜索,并采用序列二次规划算法进行局部搜索,避免基本万有引力搜索算法陷入局部最优,改善优化性能,加快寻优速度.通过实例计算,并与蚁群优化算法、微粒群算法、蜂群算法和基本万有引力搜索算法等进行比较,验证了算法的可行性和有效性.     

改进的万有引力搜索算法

针对万有引力搜索算法对一些优化问题的搜索精度不高,容易出现早熟的问题,提出了改进的万有引力搜索算法.该算法借鉴生物界中雁群的飞行特征和加权平均法,扩大了搜索范围,加强了粒子间的合作与竞争.通过对6个基准函数的仿真测试,MATLAB仿真结果表明新算法能更有效地提高全局搜索能力.     

一种快速的块匹配运动估计新算法

视频编码是一个复杂的过程,包括了空间,时间和统计数据缩减技术的结合.这些技术中运动估计在帧间冗余信息中起着至关重要的作用.因此,寻找最有效的运动估计算法仍然是一项重要的研究课题.在此,为了提高视频编码效率,提出一种新菱形搜索(NDS)的算法. NDS算法适用于开始搜索步骤为十字搜索模式(CSP)并且交叉用大菱形搜索模式(LDSP)和小菱形搜索模式(SDSP),以避免发生局部最优问题.实验结果表明,该NDS算法相对于菱形搜索算法在搜索速度和搜索精度上有显著提高. NDS算法在压缩精度上非常接近于全搜索算法,但是搜索速度是全搜索算法的18.51倍.与DS算法相比,NDS的算法可以实现超过125%倍的速度.