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.     

基于空间填充曲线和or-opt搜索求解旅行商问题

为探索求解大规模TSP（旅行商问题）有效实用方法，提出基于SFC（空间填充曲线）和or-opt混合算法来求解TSP，其中SFC方法能快速且有效地获得初始解，or-opt搜索算法可有效改进初始解。通过中国旅行商问题（CTSP）数据测试，无论是速度还是精度都能满足一定要求，证明这种混合算法能快速有效地解决TSP，并为解决大规模此类问题提供了一种新的思路。     

一种基于Bloom Filter的正则表达式集合快速搜索算法

正则表达式搜索算法的性能与从非确定性有限状态自动机(NFA)的初始状态到终止状态的最短路径Lmin成正比,与正则表达式所表达的语言的前缀集合Pref(RE)成反比,而一般情况下Pref(RE)较大,确定Pref(RE)中的元素在目标文本中的出现位置比较困难.文中提出了一种基于Bloom Filter的正则表达式集合搜索算法,此算法利用Bloom Filter集合查询时间与集合大小无关的特点,可以快速准备定位Pref(RE)的出现位置,使得搜索速度不受Pref(RE)的影响,如果采用多个Bloom Filter并行,还可以间接增大Lmin.分析与测试结果表明,该算法较大地加快了正则表达式的搜索速度,对于正则表达式集合,算法性能改善尤其明显,在Lmin较长、Pref(RE)较大时,搜索速度可以提高数倍至数十倍,适合大规模的多正则表达式的快速搜索.     

改进蚁群算法求解单行设施布局问题

针对单行设施布局问题已有算法结构复杂、对算法参数有较大依赖性、求解效果欠佳的问题, 提出一种改进的蚁群算法。该算法采用基于目标函数值的自适应等级划分策略, 实现了信息素增量优胜劣汰、改进信息素的更新规则。通过简化状态转移概率函数, 降低计算量和算法对参数的依赖性, 引入精英候选集, 提高优良设备的选择概率。同时, 采用基于插入式邻域结构的爬山寻优算法作为局部搜索进行深度搜索。仿真结果表明, 求解28 个大规模的测试例子时, 该算法总的平均运行时间分别为混合遗传算法的14%, Lin-Kernighan 算法的5%, 分散搜索算法的50%, 说明该算法可在短时间内较稳定地得到高质量的近优解, 性能优越于其他算法。     

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.     

基于二阶Krylov子空间投影法建立MEMS宏模型

利用宏模型对MEMS系统进行系统级仿真是求解MEMS耦合问题的有效方法。对大规模系统方程通过矩阵子空间投影实现自由度缩聚来建立宏模型的方法得到了广泛应用。常用的Krylov子空间法只能对状态空间描述的一阶系统进行降阶处理。本文介绍了二阶Krylov子空间理论,运用Arnold i算法直接对大规模二阶系统进行自由度缩聚来生成宏模型。将此方法与有限元数值分析结合对电热驱动微夹钳进行了宏建模。对电热微夹钳宏模型的仿真结果表明此方法建立的宏模型可以准确反应系统的动态行为,满足精度要求,同时极大地降低了计算复杂度,提高了计算速度。     

基于混沌理论的涡流搜索算法

基于混沌变量遍历性、随机性和规律性的特点,提出一种混沌涡流搜索算法。混沌涡流搜索算法应用混沌映射机制更新涡流搜索算法的备选解,增加了种群多样性,增强了算法的搜索能力,提高了算法的收敛速度。为了验证混沌涡流搜索算法的性能,采用9个著名的测试函数进行测试,并与粒子群算法、人工蜂群算法和萤火虫算法对比,实验结果表明混沌涡流搜索算法具有良好的收敛精度、收敛速度和搜索能力。     

基于NURBS曲面间的最短距离分裂算法的研究

针对非均匀有理B样条（NURBS）曲面间的曲面分裂算法进行了改进。首先插入几何意义较为清楚的控制顶点,反算出要插入的节点,再采用节点插入技术将曲面细分,然后为逐步细分的曲面控制点用增量算法建立凸包围多面体,用求解凸多面体之间的距离的GJK算法代替了包围盒算法,并且使用“一致代价搜索法”的思想改进搜索算法,提高了算法的逼近精度和速度。     

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.     

嵌入式语音识别中一种高效的图搜索算法

为了满足超大词表语法的识别任务在嵌入式语音识别系统上的应用,提出了一种高效的双层图搜索算法.该算法通过分离声学层和词法层来构建2层图搜索空间,其中声学层记录声学模型相关信息,词法层记录词表语法信息.利用这样简洁的搜索空间可以使语音识别的解码过程更加紧凑有效.在对比实验中,传统的基于前缀合并的状态树搜索算法的大词表嵌入式单词拼读系统作为基线系统.实验结果表明,与基线系统相比,所提出的双层图搜索算法在系统解码速度相对提高10%的情况下,系统的动态内存占用仅为基线的8%.通过使用所提出的双层图搜索算法,大大提高了大词表嵌入式单词拼读系统的效率,使其更适用于大多数嵌入式平台.