博弈树搜索算法研究

通过讨论人工智能中用于计算机博奕的一般技术如极大极小搜索、Alpha-Beta剪枝、小窗口搜索,对五子棋博奕的内在规律进行了分析研究,给出解决五子棋博奕的2种优化算法,这2种优化算法大大提高了搜索效率,相比之下引入置换表后的优化算法的搜索效率更高。     

圆弧搜索修正法求解正定二次函数的校正公式

本文讨论了用圆弧搜索修正法求解正定二次函数无约束极小化的问题,给出了一组进行圆弧搜索的校正计算公式.利用这些公式作圆弧搜索,可以避免进行一维寻优过程,从而可以节省计算工作量.     

博弈树启发搜索算法在五子棋游戏中的应用研究

博弈是启发式搜索的一个重要应用领域,博弈的过程可以用一棵博弈搜索树表示,通过对博弈树进行搜索求取问题的解,搜索策略常采用α-β剪枝技术。在深入研究α-β剪枝技术的基础上,结合五子棋游戏特征,设计了五成/双三、估值函数和α-β剪枝算法相结合的改进博弈树搜索算法,实现了人机智能对弈的五子棋游戏。     

基于混沌搜索和模式搜索的混合优化方法

混沌搜索能够有效跳出局部极小,然而其细搜索能力不足;模式搜索具有很强的细搜索能力,但是其搜索结果的好坏在很大程度上依赖于初始点的选择.为了提高基于混沌搜索的优化方法的搜索精度,基于混沌搜索和模式搜索,本文提出了一种混合混沌模式搜索方法.该方法在混沌搜索的基础上再进行模式搜索得到最终的搜索结果.混沌搜索结果的精度不需要很高,却可以为模式搜索提供有效的初始点,避免搜索陷入局部极小,只需要简单搜索即可得到理想的最优解.仿真结果表明混合混沌模式搜索方法简单、高效.     

智能五子棋博弈算法研究

人工智能是一门正在迅速发展的新兴的综合性很强的边缘科学。博弈是人工智能的主要研究领域之一,他涉及人工智能中的推理技术、搜索方法和决策规划。将这些技术用于五子棋中,设计了一个智能五子棋系统,实现人和计算机两方进行博弈。     

无约束函数极小的无二维搜索的记忆梯度法

无约束函数极小的记忆梯度法在每次迭代需要作一次二维搜索。本文建立了一个无二维搜索的记忆梯度法,把二维搜索转化成两个线搜索.从而减化了计算工作量。     

前馈网络的遗传混沌搜索耦合学习算法研究

针对神经网络的BP算法易陷入局部极小的问题,提出了遗传混沌搜索耦合的学习算法。其原理是在遗传操作中加入混沌替换因子以防止算法早熟,而后对由遗传算法进行"粗搜索"所得的结果进行混沌"细搜索",有效地利用了遗传算法和混沌寻优的全局性的优点。普通的遗传编码是以一条长字符串为染色体,该方式存在搜索时间长、破坏了神经网络权值和阈值的整体性的缺点,提出的基于矩阵的细胞体编码方式克服了这一缺点。     

星际转移发射机会搜索方法

针对星际探测任务发射机会搜索中,等高线图法计算量大和基于遗传算法的搜索方法难以得到精确最优解的问题,提出了一种混合搜索方法.该方法根据探测任务要求,定义待搜索目标函数,并确定搜索域;结合Lam-bert定理与Gauss算法对该问题进行降维;采用全局-局部混合搜索方法求解,解决了传统方法计算量大、计算效率低、求解最优解困难的问题.以1627 Ivar小行星的交会任务为例验证了该方法,其结果表明,采用混合搜索方法可以快速获得最优的星际转移发射机会.     

一种基于神经架构搜索的图像高效超分辨率重建算法

针对超分辨率重建图像质量与计算成本难以平衡这一问题,提出了一种基于神经架构搜索的高效超分辨率重建算法——NASESR.首先,采用全局残差学习,将搜索的部分限定在网络的非线性映射部分;其次在该部分加入了下采样结构用于减小特征图尺寸,降低计算成本;第三,建立轻量级的搜索空间和联合奖励用于搜索最优网络结构;第四,将搜索分为宏...     

基于矩阵运算的改进单纯形寻优方法

为解决单纯形法优化容易陷入局部极值的问题,通过随机设置若干初始点,利用矩阵进行多点并行搜索方法,可搜索到全部极大(极小)值点,达到全局最优化目的. 与常规的重复设置单初始点循环搜索的方法相比,该方法明显减小了初始值设置对单纯形法寻优的影响,提高了搜索速度并获得全局最优值,优化效率大幅提高. 仿真结果表明:该改进的寻优方法不仅可应用于函数极值搜索,而且应用在控制系统PID参数寻优中,能获得满意的调节效果.