状态空间搜索的几种算法讨论

论述了状态空间搜索的几种算法,给出了深度优先搜索、广度优先搜索和启发式搜索之间的算法比较.通过比较,得到了这样一个结论在通常情况下,采用启发式搜索算法来进行状态空间的搜索更为方便、快捷.     

基于启发式搜索的一类离散非线性系统优化控制算法

研究了输入受约束、状态饱和系统的优化控制问题，得到了此类系统渐近稳定的充分条件，同时将最优控制问题转换为最优化搜索问题依据人工智能中的启发式搜索策略，给出了启发式优化控制算法，并就此算法的渐近稳定性给出了证明，仿真结果表明算法的有效性．     

一种多目标增量启发式搜索算法

提出一种多目标增量启发式搜索算法, 该算法结合启发式搜索与增量搜索的思想, 当多目标问题搜索图的状态格局发生改变时, 该算法并不是对变化后的问题进行完全重新求解, 而是部分利用了先前搜索保留的信息求解新问题的最优解集, 从而提高了问题求解的效率. 通过Gridworld标准测试问题上的实验测试, 验证了算法的效率.     

启发式最短路算法

提出了一种基于人工智能搜索技术和启发函数的启发式最短路算法，讨论了启发函数的建立原则，通过实例说明了启发式最短路算法提高搜索效率的程度。     

烟花搜索导向的多路启发式聚类算法

启发式聚类算法具有收敛速度快、易实现等优点,但初始解敏感,严重影响了聚类算法的质量。针对这一问题,提出了一种烟花搜索导向的多路启发式聚类算法。该算法通过多次调用经典启发式聚类算法,产生多个局部最优解;在搜索空间中以多个局部最优解为搜索起点,采用烟花搜索进行多路搜索;基于信息熵浓度设计烟花选择算子确定搜索方向;再经过变异、映射、偏移算子变换局部最优中心点,以发现质量更好的搜索起点;直至算法收敛获得新的搜索起点;最终以新的搜索起点调用经典启发式聚类算法获得高质量聚类结果。实验结果表明,烟花搜索导向的多路启发式聚类算法在不同数据集上的聚类质量明显高于对比其他聚类算法的聚类质量。     

利用状态空间进行问题求解

状态空间表示法是一种重要的知识表示方法。搜索是求解问题的一种有效的方法，而和搜索相对应的知识表示法一般有两种：一种是与或树表示法，另一种就是状态空间表示法。状态空间表示法可以利用状态空间求解问题的步骤及代价树的宽度优先搜索策略求解推销员旅行问题。     

基于广度搜索的增量式点云表面重建

将人工智能中广度优先的搜索算法引入散乱点云表面重建领域，借助增量计算思想，基于搜索算法状态不断扩展的特点，渐进均匀地扩展重建整个物体表面.算法以初始三角面片初始化搜索队列，以有向边为搜索元素，借助于八叉树空间划分和搜索约束条件，快速完成最优点评估及三角片重建，具有可视化并行计算、选择性填补空洞以及重建结果与参数弱耦合等特点.实验结果表明，本算法高效、稳定，可以重构任意拓扑结构的二维流形三角形网格.     

基于启发式搜索算法的无人机航迹快速规划

基于无人机导航系统的自身特点,无人机在导航过程中会出现无法精确定位的情况,从而产生定位误差。如果不能及时校正随时间累积的定位误差,会使无人机无法到达预定目的地,从而导致飞行任务失败。为避免这种情况的发生,本文研究了考虑定位误差的无人机航迹快速规划问题。以航迹距离最短为目标,考虑定位误差校正约束与航迹约束,建立了混合整数规划模型。根据深度优先搜索算法与回溯算法的特点,设计了启发式深度优先搜索+回溯算法来求解问题,并在此算法基础上加入模拟退火机制对解的质量进行优化。以某飞行区域的数据为例进行仿真实验,结果表明启发式深度优先搜索+回溯算法可以快速有效地求解考虑定位误差的无人机航迹规划问题。     

SA算法为什么能克服计算量的指数爆炸

在树（或图）的搜索中，多数启发式搜索算法只利用了节点的局部信息。统计启发式搜索算法，利用了子树的全局性信息，从而使搜索效率有显著的提高。本文着重讨论从局部信息提取全局信息的问题，并从另外的角度进一步讨论关于ＳＡ算法假设条件的可实现性。最后与Ａ＊算法进行了比较。     

一种基于Dijkstra算法的启发式最优路径搜索算法

为了建立一个高效的路径搜索引擎,针对大型应用系统中寻径算法的平衡最优性、时间复杂度以及空间复杂度问题,从经典Dijkstra算法出发,将AI领域的决策机制引入到路径搜索中来,提出了一个启发式最优路径搜索算法.该算法在寻径过程中引入代价函数,由代价函数来决定寻径策略(即优先搜索哪些中间节点),以期望减少搜索节点数.给出了该算法得到最佳解的条件及其证明过程,并且以实例数据对两种算法进行了对比测试.     

A*算法的探讨及其对八数码问题的实现

对人工智能中的经典启发式搜索算法进行了比较详细的介绍,在启发式搜索算法缮进行了解释,并在其旨在提高搜索效率的方面作了比较详尽的介绍,详细的描述了启发式A 搜索算法,并以八数码问题为例,用A*算法的C语言程序解决了八数码问题,取得了预期的搜索解,提高了搜索效率.     

基于Dijkstra算法的最优路径搜索方法

针对传统Dijkstra算法在应用中存在的不足,提出了一种基于Dijkstra算法的最优路径搜索方法.该方法设计了区域限定模型,以避免大量无用结点参与计算带来的时间和空间的浪费.在此限定区域内使用优化的存储结构实现了含有启发式信息的搜索策略.路网实验结果表明,应用启发式搜索策略使搜索的路径结点总数和计算时间明显减少,搜索过程能够快速地趋于目标结点.     

基于不同分配策略的云计算任务调度性能比较与分析

形式化描述了云计算环境下的负载均衡任务调度问题,借助动态规划方法形式化推导了最早完成时间的启发式优先分配策略,给出了基于先易后难优先分配策略、先难后易优先分配策略的启发式云计算任务调度算法。阐述了基于顺序调度策略、先易后难优先分配策略、先难后易优先分配策略等启发式任务调度算法和基于禁忌搜索策略、元胞演化策略等智能任务调度算法。针对不同分配策略的云计算任务调度进行性能比较与分析,提出了完成时间可改进百分比和资源负载平衡因子的调度性能评价指标,实验数据对比充分表明:与启发式调度算法相比,智能调度算法能减少任务执行时间,优化资源负载均衡性能。     

基于过滤定向搜索的柔性制造系统动态调度优化

针对柔性制造环境中内外扰动的动态随机发生和快速、高效的重调度需求,构建了动态调度决策系统结构模型,提出了一种基于过滤定向搜索的启发式算法作为模型的核心算法.为了更好地搜索调度解空间和更好地集成作业的交货期、优先权重和资源负载平衡,算法改进了节点分枝策略和局部、全局评价函数.以作业交货延迟时间加权平方和最小为性能指标,通过实例仿真,对算法性能进行了分析评价和比较,结果表明了该算法对实现柔性制造系统动态调度的有效性和实用性.     

基于模糊推理的踢球技术在足球机器人中的实现

提出一种基于模糊规则作为先验知识的启发式搜索算法，解决足球机器人中的踢球问题．算法借助球员控球空间的离散化，采用模糊规则对离散后的动作进行评价，成功地描述了球在状态空间任意一对离散点间移动的代价值．以此作为路径寻找的启发性知识，通过启发式搜索算法可寻找到最优的解决方案。     

基于主动禁忌搜索的配电网无功电压优化控制

提出将主动禁忌搜索（RTS）算法用于配电网无功电压优化控制问题的求解．首先根据已知的负荷预测曲线，用一种启发式方法为RTS提供可行初始解．在利用RTS算法的求解过程中，使用了反馈机制，可自动调节禁忌表长度，结合逃逸策略，可以使搜索有效地跳出局部极小点，更好地找到最优解．通过算例验证了该算法的有效性．与传统的禁忌搜索（TS）算法、遗传算法（GA）以及模拟退火（SA）算法进行了比较，算例结果表明，RTS算法求得的解质量更高，求解速度更快，比GA和SA算法至少提高了一倍．     

服装计算机自动排样算法的研究

本文简介计算机辅助服装排样,提出一种自动排样算法,并对该算法作了较为详细的介绍。该算法应用启发式搜索思想来进行排样,能在短时间内搜索到一个比较好的结果。目前已经在PC机上实现了此算法。     

车辆导航中一种改进的路径优化算法

针对车辆定位与导航系统中的最优路径规划中存在的问题,研究了最短路径搜索算法的快速实现技术,提出了一种启发式快速最优路径规划算法.在分析经典迪杰斯特拉最短路径搜索算法和A*启发式搜索算法的基础上,利用双向A*算法和地图分层搜索技术减小搜索空间,采用二叉堆结构来实现路径计算过程中优先级队列的一系列操作,从而提高了算法的执行效率.仿真试验的结果证明了该算法的优异性能.     

基于快速图挖掘的网络拓扑局部调节区域算法

针对IP骨干网重新配置中繁重工作量的问题,提出一种快速图挖掘算法来解决网络拓扑的局部调节区域问题,解决了从网络拓扑中找到组件时子图同构的NP-hard问题,减少了网络重构的操作工作量.该文提出的启发式图挖掘算法顶点,称为顶点目标搜索(vertex targeting search,VTS)算法,通过考虑网络操作条件减少了搜索空间的大小.实验结果表明,该文方法可以快速得到搜索网络模式图,与其他方法比较,该文具有较少的搜索时间,说明该文方法具有可行性和有效性.     

启发式搜索的一种新技术─SA算法

在一定的假设下，可把启发式搜索看作一种随机取样的过程。从而把统计推断方法引进搜索。根据上述思想．把Ｗａｌｄ序贯概率比检验方法与Ａ（Ａ＊）搜索结合，得到一种新算法──ＳＡ算法。文中讨论了该算法的优点及细节。最后通过一个实例说明算法的原理。