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A*算法八数码问题的一种程序实现方法

介绍了解决八数码问题的一种基于图搜索的启发式搜索算法——A*算法，并给出了用PASCAL实现的八数码问题的程序。     

改进的A~*算法在虚拟人路径规划中的应用

自动计算生成虚拟人的最优路径是虚拟人路径规划研究中的关键问题之一,针对这一问题对A*算法进行了分析、实现和改进.通过对估价函数进行加权处理,缩短了搜索路径,减少了搜索时间;并且引入"人工搜索标志"避免了重复搜索无效区域,能有效快速地逃离障碍物陷阱,使算法在未知环境中有效准确地找到可行性路径,进而对可行性路径进行优化得到最短路径,解决了虚拟人避障与导航问题.     

A~*算法在游戏寻径中的应用

图搜索技术能够从图中寻找一条从起点到目标点的路径.围绕游戏寻径问题,介绍了如何确定启发式函数进行启发式搜索,并把A*算法用程序加以实现,从而证明A*算法可以解决游戏中的寻径问题.     

A~*算法的改进及其在15数码问题中的应用

针对15数码问题,提出了一种基于改进A*算法的求解方法。依据问题特征,定义了估价函数f(n)中启发函数h(n)的一种计算方法,设计了高效的算法步骤和C语言程序实现。测试结果表明,同等条件下,本算法较常用A*算法的求解效率有所改善,算法对其他组合优化问题也具有应用价值。     

带通行限制的加权A*算法及其数据库实现

当A*算法应用于带有通行限制的路网时,算法得到的最优解中含有不可通行的路段,而人们期望的搜索结果是可通行路段的集合。为找到符合限制条件的最优解,本文通过建立合适的数据库表结构,对 A*算法进行改进,实现了带通行限制的A*算法,并对启发函数进行加权,使算法能够根据存储在数据库中的限制条件扩展节点,减少算法遍历的节点数目,降低执行时间,达到搜索出符合条件的最短路径的目的。     

人工智能中A*算法及对重排九宫问题实现

对人工智能中的A*算法进行了详细介绍,并以重排九宫问题为例,对传统的启发函数及算法实现进行了一些改进,从而大大提高了搜索效率并节省了搜索空间。     

动态障碍的A*算法及其实现

A*算法作为人工智能中一种普遍而重要的启发式搜索算法,主要广泛应用在最短路径的搜索,特别是游戏设计中的路径搜索。游戏设计中较注重算法的速度和效率,不仅要在静态障碍物的情况下寻找最佳路径,还要在动态障碍物的情况下寻找最佳路径。动态障碍物环境下的寻路实现在现实应用中也是十分关键的。本文主要介绍了A*算法的历史、作用和方法及系统开发环境及工具,并在静态障碍物环境下和动态障碍物环境下,分别介绍了A*算法的实现。     

蚁群算法的改进及其在TSP问题中的应用

为了克服标准蚁群算法容易陷入局部最优化从而导致算法过早停滞的缺陷,论文引入了城市选择策略的变参数和局部最优搜索策略,同时对信息激素的更新方式提出了相应的改进策略,并应用于对TSP问题的仿真实验.结果表明:改进算法能够加快收敛速度,节省搜索时间,而且能够克服停滞行为的过早出现.     

改进的PSO算法在重油热解模型参数估计中的应用

针对传统的粒子群算法(PSO)在解决复杂的优化问题时易陷入局部最优这一情况,提出了一种改进的粒子群算法(EPSO),该算法在传统的粒子群算法陷入局部最优的情况下引入了单个粒子的"Hooke-Jeeves模式搜索"操作和粒子之间的"启发式交叉"操作。仿真结果表明:EPSO算法的全局搜索性能和收敛速度比传统的PSO算法有明显的提高。采用EPSO算法进行非线性参数估计所得到的重油热解模型,其预报的平均相对误差比传统的PSO算法得到的模型提高了11.98%,比遗传算法(GA)得到的模型提高了38.76%。     

考虑液氧泄漏的改进A*算法及其应用

针对国内工厂液氧泄漏事故频发,工人紧急处理不得当以及逃离路线不安全问题,提出了一种更注重安全和效率的改进A~*算法并将其嵌入到应急演练系统中。通过在启发函数中加入权重因子和方向因素使得A~*算法能更好地应用于复杂地址中,同时根据风险模型的计算对路点进行安全距离的判断从而保证了寻路路线的安全性。对比实验结果表明:在标准A~*算法获得的路径中较多路点处于液氧泄漏危险区里;仅修改启发函数的A~*改进算法获得的路点数小于第一组实验所获得的路点数且更快地向目标点靠近,但仍有较多路点处于危险区域;既修改启发函数又考虑风险模型的改进A~*算法所获得的路点均处于液氧泄漏危险区域以外。由此可知,改进A~*算法较标准A~*算法获得的路径更加安全,同时更快地向目标点收敛。     

混沌粒子群优化算法及其在平面选址问题上的应用

通过引入混沌来影响粒子速度的更新,构造出一种混沌粒子群优化算法.其主要思想是用混沌迭代引导个体进一步优化,从而避免群体陷入局部最优,而且收敛速度得到加快.通过对三个测试函数以及平面选址问题的求解,验证该算法具有非常好的性能.     

基于A*和Bresenham相结合的网络游戏寻路算法设计与实现

网络游戏寻路算法主要是解决角色以最佳的方式走到指定地点的问题.该文首先介绍了一种基于启发式搜索的A*算法和获得直线路径的Bresenham算法,并结合游戏地图,给出网络游戏寻路算法及其具体实现方法.结果表明,A*算法结合Bresenham算法实现寻路提高了目标搜索的效率,从而突显了游戏角色和怪兽的智能性,增强了游戏的可玩性.     

有舍弃的装箱问题及其启发式算法

设计了一种启发式算法——RCF算法来解决有舍弃装箱问题.实验证明,该算法与RFF3算法相比,在物体个数比较少(<200)的情况下,由于数据的随机性会出现比RFF3算法较好;在物体个数大于200的情况下,RFF3算法具有绝对的优势.因此,提出的RCF算法在物体个数比较少的情况下,有一定的应用价值.     

蚂蚁算法在TSP问题求解的应用

蚂蚁算法是目前解决大规模复杂问题比较有效的算法。同时TSP问题是经典的NP-C问题,已被广泛应用于在VLSI芯片设计、网络路由和车辆选路等领域,对TSP问题的求解的突破意味着大量NPC问题的求解可以迎刃而解,因而有着重要的实际价值和理论意义。文章系统地介绍了TSP问题,并在此基础上对蚂蚁算法求解TSP问题做了相关探讨。实验结果表明,蚂蚁算法对参数的初始值也具有敏感性,对于一个好的初始值的确定,需要建立在大量试验的基础上。     

一种求解翻箱问题的启发式算法

在集装箱堆场,翻箱操作不可避免,为降低翻箱次数,提高作业效率,有必要找到一种有效的方法来解决这一问题.在已知每个集装箱提箱顺序的前提下,如何安排翻箱作业顺序是典型的NP难问题.为此提出了一种启发式算法,并通过算例实验与已有算法的结果进行对比,实验结果表明本文提出的算法较优.     

集合覆盖问题的一种启发式算法

给出了完备策略的概念，并提出了一个求解集合覆盖问题的启发式算法，对该算法的合理性、时间复杂性以及精度进行了分析。用该方法可以求解其它的NP困难问题。     

基于稀疏A*算法的三维航迹并行规划算法

提出三维稀疏A*算法的规划时间组成,并分析该算法的时间复杂度和并行性,随后给出并行任务划分的不同策略．判断OPEN表中是否存在与新节点相同节点的准则修改为：只比较OPEN表中代价比新节点代价小的节点,新准则可以有效地减少对共享式OPEN,CLOSED表的瓶颈效应．提出的三维航迹并行规划算法在并行机群环境中实现,实验结果表明时间效果改善明显．