人工智能中A~*算法的改进及其在8数码问题中的应用

对人工智能中的经典启发式搜索算法———A 算法,进行较为详细的介绍,并以8数码问题(华容道问题)为例,对传统的启发函数(不在位的将牌的个数)进行了改进,改进后的启发函数采用每个将牌与其目标位置距离的综合.实践证明,新的启发函数能够大大提高搜索效率和节省搜索空间     

启发式最短路算法

提出了一种基于人工智能搜索技术和启发函数的启发式最短路算法，讨论了启发函数的建立原则，通过实例说明了启发式最短路算法提高搜索效率的程度。     

禁忌搜索算法解指派问题

指派问题是组合优化问题中的一种,禁忌搜索算法可以根据通过局部邻域搜索进行全局逐步寻优。根据实际情况构造邻域函数,设置禁忌对象,构造禁忌表和指定合适的禁忌长度,制定合理的特赦规则,在合理的时间内得到一个最优解。     

知识库上逻辑程序图搜索的一种启发函数

本文把A~*算法的启发搜索应用到逻辑程序的求解过程中,就逻辑程序这一特定的问题领域,构造出A~*算法相应的一种启发函数。利用该启发函数,通过A~*算法可求得逻辑程序的“最佳解”。     

调度In-Tree图的启发函数构造

在分析了其它同类启发函数的构造机理后,克服“以当前任务具有最早起始执行时刻”贪心方法构造启发函数的缺点,提出了基于任务复制,“以当前任务的直接后继具有最早起始执行时刻”为目标来构造动态启发函数的方案．通过理论证明与模拟实验表明：所构造的启发函数具有较强的启发能力,对In-Tree图的调度具有较好的效果．这对研究实时分布式计算机系统的任务调度算法具有理论和实际意义．     

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.     

多因素改进势场蚁群算法的路径规划

针对路径规划算法中蚁群算法对目标点盲目性较大且无法应对多路况等问题,提出了一种多因素改进势场蚁群算法.首先,算法引入人工势场法重新构造路径长度启发函数并加入势场力递减系数,从而解决蚁群算法迭代时间长且易陷入局部最优解的问题;然后,综合考虑了势场路径长度因子,路径平缓性因子以及平滑性因子,构建新的多因子启发式函数,以适应复杂多变的路面环境;最后,运用动态切点法对路径进行平滑处理,提高路径整体质量.仿真实验表明,该算法在复杂颠簸路面情况下具有较好的适应力,能够有效解决机器人路径规划问题.     

指派问题与最短路径问题的相互关系

尽管指派问题与最短路径问题是运筹学中的经典问题,也为大家所共知;但是,我们却很少知道这两个问题间的相互关系。本文揭示了两问题间的内在联系,进而使我们有可能利用指派问题的匈亚利法来解决最短路径问题。反之,亦可使用最短路径的解决问题方法来处理相应的指派问题。     

物流配送问题的混沌优化算法研究

探讨了定位——运输路线安排问题的解决方法,提出一种首先用启发式规则将客户集聚类,从而划分出若干客户子类;然后,用混沌搜索算法求解LRP的优化方法.提出将用于聚类分析的启发式规则和混沌搜索算法结合的混合算法求解物流配送路径优化问题是有效的.由于混沌序列具有随机性与遍历性,容易寻找全局最优解,从而避免了传统优化方法中的＂局部最优现象＂的发生.计算机仿真实例证明了该算法简洁、实用、性能良好,有利于解决带有约束的非线性物流配送路径LRP优化问题.     

应急救援物资车辆运输路线多目标优化

运用运筹学中图论及多目标优化的理论和方法建立应急救援物资车辆最佳运输路线的选择模型,并基于启发式算法求解该模型.从静态网络应急物资车辆运输路线的双目标优化问题入手,设计适合本文模型的算法,并将之推广至含有三个及三个以上优化目标的路线选择问题.引入时间扩展图的概念,将动态网络中的最佳运输路线问题转化为静态网络中的路径选择问题.算法实质是通过构造辅助决策函数实现Dijstra算法的调用,并在辅助函数构成的搜索空间上寻找最优解,是一种快速的、近似的算法.利用随机路网和真实路网测试本文算法,测试结果与本文的理论分析一致,证明本文算法在应急救援物资车辆运输路线的多目标优化问题中可行且有较好的应用效果.     

元素判别值分配法的综合求解算法设计

元素判别值分配法在用于求解运筹学一般运输调配与货郎担问题时,鉴于两类问题求解的不同,故使用的算法与调用的程序也不同．现已研制成功综合的求解算法与求解程序。则调用综合算法的程序．它既可求解一般运筹学的调配问题,也可求解货郎担问题;既可求最小值的问题,也可用于求解目标函数为最大值的问题．由于它只需一次调用,便可求解所属问题的最优解,是目前最有效的求解新方法．     

基于粒子群优化算法的协同空战导弹目标分配

为了取得协同空战的最佳攻击效果,在协同攻击的过程中进行导弹-目标最优分配是一种有效的解决方法。首先运用作战效能和运筹学理论建立多目标协同攻击的导弹-目标最优分配模型,其次在分析基本粒子群优化算法特点的基础之上提出了一种改进粒子群优化算法,其中的主要改进有3点:惯性权自适应调整、粒子速度与位置自动更新以及优化策略改进。然后将该改进粒子群优化算法应用于协同空战导弹-目标最优分配问题的迭代求解。仿真结果表明所采取的改进策略加快了算法的收敛速度,提高了粒子的局部求解精度与全局寻优能力,并且与基本粒子群算法、遗传算法相比较,该改进粒子群优化算法能够更加快速、有效地求出多目标协同攻击的导弹-目标分配最优解。     

运筹学的最大元素法及其应用

对一类目标为最大值的问题．目前多使用位势法、分支定界法等一些较为复杂的方法．文中介绍最大元素法求解一类最大值运筹学问题的可行求解方法,以及其基本算法及应用。     

考虑出行全过程的城市群多方式交通流分配模型与算法

为优化城市群旅客运输网络结构,提出了组合出行模式下城市群多方式交通流分配模型,研究网络均衡时城市群多方式旅客运输网络的流量分布状态.基于对城市群出行全过程的充分分析,利用超网络理论构建了城市群多方式交通超网络模型,将超网络的路段划分为上网路段、行驶路段、换乘路段和下网路段等4类,其中行驶路段包括城市交通网络上的行驶路段...     

基于禁忌搜索算法的计算机通信网络中容量与流量分配问题的优化研究

为了降低网络的运营费用与改进网络性能，首次采用近年来新出现的一种高效的现代超启发式搜索方法——禁忌搜索算法求解计算机通信网络中链路容量与流量分配(CFA)问题，讨论了计算机通信网络中链路的固定费用、时延费用与可变费用对运营总费用的影响．大量的计算机仿真实验结果不仅验证了禁忌搜索算法对求解CFA问题的有效性，而且与传统的拉格朗日松弛及子梯度寻优算法相比，解的质量有大幅度提高；与遗传算法相比，对大规模或负荷很重的网络，该算法更具优越性．     

基于多邻域的车辆路径优化迭代局部搜索算法

针对物流配送中的带有容量约束的车辆路径优化问题,提出了一个基于多邻域的迭代局部搜索算法HILS.首先用简单插入法构造可行解,然后从该初始解出发,在多邻域内进行局部优化.当陷入局部最优解后,根据解的接受准则,选择某个解,并对该解进行扰动,然后从扰动后的解出发重新进行局部优化.为提高搜索效率,局部优化过程只在限定邻域内进行.在国际通用的14个benchmark问题上进行仿真实验,结果验证了本文算法HILS的有效性和稳定性,与文献中的其他几种算法的比较结果表明,算法HILS的总体性能更优.     

低碳视角下改进DMBSO算法的垃圾收运路径优化研究

为解决“垃圾围城”难题,设计改进DMBSO算法对垃圾收运路径进行优化。首先,在低碳环保背景下,考虑车辆载重对碳排放量的影响,建立了以最短路径和极小化碳排放量为目标的绿色垃圾收运路径优化模型;然后设计改进DMBSO算法,其包含组间讨论和组内讨论,使算法在全局搜索和局部搜索达到平衡,并且引入逆转算子、启发式交叉算子和精英保留策略,使改进DMBSO算法适用于解决离散组合优化问题;最后对9个标准算例和1个实例进行仿真,结果表明改进DMBSO算法优于BSO和ACO算法,能够同时降低运输距离和碳排放量,具有很好的收敛效果和鲁棒性。     

基于蚁群算法和遗传规划的跨单元调度方法

针对运输能力受限的跨单元调度问题,提出了一种基于蚁群算法与遗传规划的超启发式算法.通过蚁群算法搜索合适的启发式规则,并且利用遗传规划生成可以适用于问题模型的启发式规则,用以扩充规则集;同时引入时间窗的概念,用来决策每个小车运输时的等待时间.实验表明,提出的算法可以搜索出优质规则,并且通过遗传规划很大程度上改善了候选规则集,提升算法性能.同时时间窗策略的采用可以提高小车的利用率以及最小化总加权延迟时间.      

基于阈值深度优先策略求解非对称旅行商问题的混合分枝定界算法

针对非对称旅行商问题(ATSP)模型计算难问题,提出了一种基于深度和广度方向混合搜索的启发式策略的分枝定界算法.该算法采取有阈值的深度优先加广度加权随机搜索的策略确定分枝节点,通过求解附加弧段约束的分配问题确定下界,通过消除子环的修补算法确定上界,从而有效综合了确定性方法的准确性和启发式方法的快速性.将此算法应用于求解经典TSPLIB库中的全部ATSP问题和热轧调度的仿真研究,表现出了较高的效率和可行性.