一种基于条件熵的特征选择算法

特征选择是一种处理维数约简的有效方法。以条件熵为特征子集评价条件,采用随机搜索和启发式搜索相结合的搜索策略,设计了一种新的特征选择方法。该方法不仅能够求得经典启发式特征选择方法的选到特征子集,还可以得到一些与其不同的满足条件特征子集,同时在多数情况下可以减少时间消耗。实验研究表明了提出的算法的有效性。     

决策表最优特征子集的选择--基于粗集理论的启发式算法

特征子集选择问题是机器学习的重要问题。而最优特征子集的选择是NP困难问题,因此需要启发式搜索指导求解。基于粗集理论,本文提出了一种新的决策表最优特征子集选择的启发式算法。和以往的方法相比,这种算法简单实用,在一定条件下能够以较高的效率得到最优特征子集。     

面向大数据的超启发式SVM的网络安全框架研究

大数据环境下,为了提高支持向量机(support vector machines, SVM)在网络安全应用环境下的性能,提出了面向大数据的超启发式SVM网络安全框架。所提超启发式SVM框架由SVM和超启发式框架组成,超启发式框架的作用是生成配置参数,并将其发送到SVM,SVM使用生成的配置来解决给定的问题,然后将成本函数发送到超启发式框架。超启发式框架分为高层策略和低层启发式,高层策略具有搜索性能,可以控制选择低层启发式并生成新的SVM配置;低层启发式算法构成了一组特定于问题的启发式算法,使用不同的规则实现对SVM配置搜索空间的探索。该框架自适应地集成了基于分解和基于Pareto方法的优点,近似SVM配置的Pareto集,解决了启发式框架的优化问题。实验结果表明,所提框架性能优于其他算法,说明框架的有效性。     

一种改进的启发式球面点定位算法

将仅适用于平面网格的基于质心坐标的搜索策略进行推广和拓展,提出一种适用于球面网格的改进启发式算法,并详细讨论了不同质心坐标值情况下的下一搜索三角形的选择方法.为进一步提高算法效率,在进行启发式搜索之前通过执行若干顶点比较操作来选择一个较优的初始搜索三角形,同时引进一个近似度阈值来调整初始三角形确定时间与后续目标三角形搜索时间之间的平衡关系.分析表明,改进启发式算法的时间复杂度仅为O(n1/2f)(nf为网格包含的三角形数目).     

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。     

基于COM的启发式搜索算法库的设计与实现

目前启发式搜索算法都是根据具体的问题应用而设计的,在不同的领域运用时启发式搜索算法就要重新进行设计,这样浪费了大量的劳动和时间,同时正确性也难以得到保障。在对多种启发式搜索算法进行分析的基础上,根据软件复用的思想设计启发式搜索算法库,并将COM技术应用到启发式搜索算法库,从而实现启发式搜索算法库。基于COM的启发式搜索算法库实现了与具体应用领域脱离,有效的解决了启发式搜索算法开发,同时也扩大了COM技术的使用范围。     

启发式搜索策略（爬山法）的改进与实现

介绍一种启发式搜索策略－爬山法的原理;讨论了爬山法的不足,提出一种改进的方法：将其不可撤回的搜索方式改为可以回溯的方式,从而使爬山法也可应用于复杂问题的求解。最后阐述如何用Ｃ语言实现改进的爬山法。     

启发式搜索策略(爬山法)的改进与实现

介绍一种启发式搜索策略——爬山法的原理;讨论了爬山法的不足,提出一种改进的方法：将其不可撤回的搜索方式改为可以回溯的方式,从而使爬山法也可应用于复杂问题的求解．最后阐述如何用Ｃ语言实现改进的爬山法．     

量子化信息素蚁群优化特征选择算法

蚁群优化算法凭借其正反馈机制和强大的搜索能力被广泛地应用于各类优化问题求解上.本文试图将蚁群优化算法应用于特征选择领域并提出了新的量子化信息素蚁群优化(quantized pheromone ant colony optimization, QPACO)特征选择算法.相比于其他基于蚁群优化算法的特征选择算法,QPACO算法中采用了量子化信息素的启发式策略,改变了传统的信息素更新策略,因此避免了在搜索特征时的局部最优问题.实验采用了KNN分类器来指导学习过程,利用源于UCI数据库的多组数据集进行了相关的测试,实验结果表明,QPACO算法在分类精度、精确率、召回率和维度缩减率等方面均具有良好的性能.     

一种噪声启发式聚类算法

启发式聚类算法的搜索空间中布满了局部极小值"陷阱",从而使得算法容易过早收敛而无法获得高质量聚类结果.文章给出了一种噪声启发式聚类算法NHCA (Noising Heuristic Clustering Algorithm),该算法在搜索空间中增加一组由强至弱的噪声来扩大启发式搜索的局部范围,以保持搜索空间的多样性,达到避免局部极小值影响和提高聚类质量的目的.大量实验结果表明,噪声法对提高启发式聚类算法质量是十分有效的.     

基于模拟退火机制的网络蜘蛛搜索策略

在分析传统网络蜘蛛搜索机制特点的基础上，将模拟退火机制引入网络蜘蛛的链接选择策略。提出了一种基于模拟退火机制的启发式网络蜘蛛搜索算法。针对国外四所著名大学计算机系网站中计算机论文资源的搜索实验表明，新算法可以有效提高搜索效率。     

处理条件效果的互斥延迟算法的研究

通过将带有条件效果的动作分解成元件,然后利用互斥延迟算法进行规划图的扩张,得到规划图.规划图生成后,从初始条件出发,利用一个前向的搜索过程进行搜索以求规划解.在搜索中,选择的不是单个的动作,而是独立集,这样可以明显地减小搜索空间,而且在搜索过程中,还利用了独立集之间的执行次序作为独立集选择的启发式,加快搜索过程.该算法大大地简化了搜索过程,提高了搜索效率.     

蚁群算法求解独立到达时间单机提前/拖期调度问题

求解有独立到达时间和完工时间的单机调度问题目前主要采用启发式算法。为研究仿生类算法的应用可行性,采用蚁群算法,以提前/拖期的总惩罚量达到最小为目标。将邻位工作交换法(AP I)用于局部搜索以提高解的质量,并对每一个解的相邻工作间隔时间进行优化调整。用90个测试算例,将蚁群算法求解结果与分支定界法和禁忌搜索法的结果进行比较。结果表明,蚁群算法与分支定界法和禁忌搜索法的结果相当。     

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.     

基于模拟退火的网络蜘蛛性能分析与系统实现

在分析传统网络蜘蛛搜索机制特点的基础上，将模拟退火机制引入网络蜘蛛的链接选择策略，提出了一种基于模拟退火机制的启发式网络蜘蛛搜索算法．设计并实现了一个计算机相关论文搜索引擎网络蜘蛛系统．针对国外4所著名大学计算机系网站中计算机论文资源的搜索实验表明，新算法可以有效提高搜索效率．     

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。     

平面布局专家系统的自学习智能回溯搜索策略

本文研究了一种基于方图用于平面布局设计的搜索控制机——SARM.阐述了状态节点(方图)的扩充操作规则,制订了选择扩充节点的启发式原则,提出了处理搜索失败的自学习智能回溯搜索控制策略.     

粗集中属性约简的一种启发式遗传算法

为了获得决策系统中属性最小相对约简，将信息论角度定义的属性重要性度量作为启发式信息引入遗传算法，提出了一种启发式遗传算法。通过构造一个新的算子来引入启发式信息，使得选择的属性子集的分类能力不变。该算子体现了一种利用启发式信息的局部搜索技术，使得算法既保持整体优化特性，又具有较快的收敛速度。从理论上对算法作了分析，对新算子所能选择属性子集的分类能力不变作了证明。最后的实例表明，该算法能有效地对决策系统进行最大程度的约简。     

工艺路线可变车间作业调度的杂合遗传算法

针对工艺路线可变的车间作业调度，提出一种将遗传算法与启发式规则、模拟退火法等搜索方法结合在一起的杂合遗传算法。通过对某双极型集成电路封装企业的车间作业调度仿真，结果表明它是有效可行的。     

模糊启发式搜索初探

AI中的一个重要研究课题是关于启发式搜索技术的研究。以往在启发式搜索技术方面着重于用概率统计等一些成熟的理论来构造模型。本文针对概率统计用于模拟人的直觉信息的不足,提出了将模糊理论与概率统计统一的思想,并由此构造更加合理的启发式函数,初步形成了FA算法。本文对FA算法进行了较详细的讨论。