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搜索更为方便、快捷。     

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.     

华容道问题最优解的搜索策略

本文讨论了有关华容道问题最优解的搜索策略、数据结构、算法优化及程序设计，并对程序运行结果作了分析。     

有假信号干扰时的最优搜索

研究了在假信号干扰下搜索某区域内目标的问题，在将搜索目标的过程分为信号的获取阶段和鉴别阶段之后，利用本文建立的最优搜索模型，给出了求最优终止时间的算法。     

基于最优搜索理论的失踪旅游者搜救模型研究

文章研究在失踪旅游者搜索问题中引入最优搜索理论的方法。针对失踪者相对静态的情况,在目标分布函数与探测函数的基础上建立搜索模型,通过拉格朗日乘数法最优化计算,导出了探测函数服从指数形式时的静态失踪旅游者最优搜索模型和搜索资源最优配置的计算方法。经示例比较,研究建立的搜索模型大幅度缩短了失踪旅游者的搜索时间,提高了搜索效率与失踪者的生还机会。     

搜索3个目标的最优方法

研究如下搜索模型:原始搜索空间G含有n个外观相同的硬币,其中n-3个是具有相同重量的好币(好元),其余3个是重量相同且重于好元的较重硬币(搜索目标),最终目的是找到一个最优算法,它能够借助两臂天平用尽可能少的试验次数从搜索空间中识别出全部3个搜索目标.文章通过建立有效的搜索方法,证明了最小试验次数或者等于信息论下界或者超过信息论下界1次并且对于无穷多个区间,信息论下界均是可以达到的.     

共享历史最优信息搜索的粒子群算法

传统粒子群算法运行机理是通过粒子群全局最优和自身经验最优来搜索最优位置,不断迭代进化,以此趋近最优解,但该算法共享信息的局限性使其容易陷入局部最优.针对传统粒子群算法的不足,提出了共享历史最优搜索信息的粒子群算法.该粒子群体在搜索过程中,共享算法本次运行的种群个体历史最优信息、当前全局最优信息,及前几次运行过程中的种群个体历史最佳信息.通过5个经典函数的仿真实验测试,验证了该算法具有较强的全局搜索能力和收敛性.     

一类非线性最优奇异控制问题的离散解

讨论了一类非线性最优奇异控制问题的离散解。构造等价微分方程分离控制，利用最大原理建立最优轨道上的微分等式，导出差分格式，进而求出最优控制的离散解，并研究了扰动下最优值的变化。     

含有非光滑函数的一类无约束问题的ε—最优解

用极大熵原理解决了一类复杂非光滑函数的极小化问题,得到它的一种近似计算方法。     

Ulam-Rényi容错搜索问题与最优纠错编码

带反馈对称信道的最优e-纠错编码等价于Ulam-Rényi容错搜索问题中的最小提问次数q(n;e).情形e∈{1,2,3}时确定q(n;e)的精确值问题己经解决.本文将针对e=2所建立的著名的Guzicki算法推广到一般情形.我们的主要结果提供了用来判定搜索过程中出现的任意状态是否能够达到其信息论下界的一个精确的算法.     

离散空间上非容错搜索模型预确定算法的研究

通过构造恰当的搜索矩阵,得到字母搜索模型的预确定算法的worst-case长度和average-case长度。     

具有固定根的缺项多项式空间的最优插值

本文证明了扦值空间为具有固定根的缺项多项式空间的最优插值的等振荡性质.     

具有阶段结构的种群系统捕获的优化方法

给出单种群阶段结构模型,分别对其幼年种群和成年种群捕获问题,给出以最大捕获可持续均衡收获(MSY)为目标的最优捕获策略.     

首达时间依分布最优模型与风险最小模型

研究了离散时间首达时间依分布（随机序）最优模型与风险最小模型。给出存在最优策略的若干充要条件及重要性质，证明最优方程序列存在唯一解，给出寻优的算法。证明了ｍ时段风险最小Ｅ最优策略必定存在。     

具有周期系数的单种群模型的最优脉冲控制

最优脉冲捕获意味着被开发资源种群密度的突然变化和获取相对高的利润·种群的这一动态行为可由脉冲微分方程和某一性能指标来描述·从建模开始,得出了所研究模型的满足初值条件解的表达式及它的渐近稳定性定理·在此基础上,通过建立适当的性能指标,对周期脉冲系统进行了最优控制,得到了所研究模型的最优捕获效果和相应的最优捕获量·文章的结果既保证了资源管理者可以得到相对高的利润,也能使种群持续生存下去·     

基于搜索空间划分和Sharing函数的粒子群优化算法

传统粒子群优化算法PSO（Particle Swarm Optimization）概念简单,适应性强,但存在早熟等问题.本文提出了新的基于搜索空间划分（Search Space Division）和Sharing函数的智能分布粒子群优化算法（SDSIR-PSO）.创新点包括：(1)保优的重布粒子算法;(2)引入Sharing函数阻止重分布的粒子陷入同一局部最优;(3)划分搜索空间,子空间中寻优,再优中选优,作全局最优.通过对典型测试函数的详细测试验证了新算法的有效性,在相同条件下较传统算法的解精度提高了8     

考虑社会责任和质量努力的服务供应链最优策略

研究考虑服务集成商具有企业社会责任行为,服务提供商进行服务质量努力的服务供应链最优策略问题.在量化企业社会责任和服务质量努力的基础上,建立了具有行为特征的提供商和集成商的效用函数,并以服务供应链成员效用最大化为目标,对模型进行优化分析,得到不同约束条件下最优的企业社会责任、服务质量努力以及价格等最优决策策略.通过数值仿真发现:首先,多数情形下服务供应链成员的最优效用分别与集成商对社会责任投资预算的上限和提供商对服务质量努力投资预算的上限成正比.其次,为保证效用最大化,集成商在提高企业社会责任的同时,应尽可能选择质量努力较高的提供商进行协作.第三,提供商为获得最优效用,应尽量选择企业社会责任较好的集成商进行协作.但提供商不可盲目通过提高质量努力投资预算来增加企业效用.     

生物序列模体发现的最优化模型

提出了生物序列模体发现的最优化模型,该模型适用于搜索资源(如计算时间)有限的情况,传统的模体发现方法可能在资源耗尽后仍不能得出任何结果.基于最优搜索理论给出了一种在有限的时间资源下的最优模体发现策略和算法实现,并得到了一些实验结果.