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．     

用C语言实现人工智能中的搜索策略

使用应用广泛的程序设计语言（如Ｃ语言）来编写人工智能程序，可使大量与人工智能有关的实际问题简化。文中结合问题树介绍了人工智能中深度优先和宽度优先这两种重要且常用的搜索策略的原理，并给出了一种用Ｃ语言表示问题树的方式，阐述了如何用Ｃ语言实现上述两种搜索策略。     

用C语言实现人工智能中的搜索策略

使用应用广泛的程序设计语言（如Ｃ语言）来编写人工智能程序,可使大量与人工智能有关的实际问题简化．文中结合问题树介绍了人工智能中深度优先和宽度优先这两种重要且常用的搜索策略的原理,并给出了一种用Ｃ语言表示问题树的方式,阐述了如何用Ｃ语言实现上述两种搜索策略．     

学习式搜索：一种新的搜索策略

本文将模式识别技术引入到启发式搜索当中,开展一种新的搜索——学习式搜索——的研究。我们给出了一个学习式的搜索算法SCDF,并证明了该算法的平均复杂度可达到线性。     

遗传算法的爬山法改进

针对遗传算法在处理多峰优化问题时容易发生早熟现象的问题,采用了动态调整交叉概率值和变异概率值的方法,引入爬山法在迭代过程中进行局部寻优,仿真实验对比分析了标准遗传算法和改进遗传算法的性能.研究结果表明:改进后遗传算法的收敛速度较快,得到结果误差值比较小.研究结论证明在相应的进化阶段采用合理的概率值,利用爬山法对遗传算法局部寻优,可以避免早熟现象,提高遗传算法收敛速度和精度.     

关于启发式搜索中加权技术有效性的一个注记

使用启发式搜索的目的,是利用启发信息提高问题求解的效率.迄今为止,被研究得最多而且应用最广的启发式搜索算法是A 算法.J.Pearl 等人的研究表明:在通常的情况下,A 的计算复杂性(扩展的节点数)是指数阶的.为了提高搜索效率,I.Pohl 早在1970年就提出用加权来调节h(n)与g(n)在估价函数,f(n)中的比例,即     

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。     

基于爬山法的快速图像匹配

针对高速系统的应用需求,分析一种基于爬山法的快速图像匹配算法.文章首先通过分析NNPROD算法的相关度量曲面,设计了多个爬山者按照优先级依次爬山的启发式搜索算法,该算法能够保证全局最优.然后分析了进一步提高算法快速性的三种改进方案:爬山步长的自适应调整、通过图像样本集来计算相关度、爬山与分层相结合的搜索策略.实验结果表明,爬山搜索算法性能优越.目前,该法已在实际系统中得到应用.     

启发式搜索的一种新技术─SA算法

在一定的假设下，可把启发式搜索看作一种随机取样的过程。从而把统计推断方法引进搜索。根据上述思想．把Ｗａｌｄ序贯概率比检验方法与Ａ（Ａ＊）搜索结合，得到一种新算法──ＳＡ算法。文中讨论了该算法的优点及细节。最后通过一个实例说明算法的原理。     

多维信息空间搜索策略的探讨

本文介绍了一种新的搜索算法──ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ──的原理和特点。该算法适用于求解具有多维解空间的人工智能问题。     

爬山法与模式蚁群法混合的贝叶斯优化算法

针对传统贝叶斯优化算法进化效率低及收敛速度慢的情况,提出一种新型混合贝叶斯优化算法.该算法利用适应度遗传及个体的局部搜索方法,使种群个体趋向于全局最优解,提高了进化效率.为提高贝叶斯优化算法中贝叶斯网络结构学习的效率,提出一种爬山法和模式蚁群算法相结合的网络结构学习方法,同时对新型贝叶斯优化算法的收敛性进行了分析.利用典型的函数对提出的新型混合贝叶斯优化算法进行了仿真分析,证明了所提出的方法可以有效地加快算法的收敛速度和收敛精度.将该算法应用于目标分配问题中,仿真证明了所提算法的有效性和优越性.     

通用启发式搜索算法库的设计

由于目前启发式搜索算法被广泛的应用,但是其设计都是针对具体问题的,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。针对这个问题,本文通过对多种启发式算法的基础上统一建模,设计了通用的启发式搜索算法库,及通用的数据结构,并与具体问题脱离。实现了启发式搜索算法的通用性、可扩充性与易调试性。     

应召搜索中搜索的轨线与策略

在数学实验环境Ｍａｐｌｅ下对应召搜索中搜索轨线的微分方程模型和关于搜索路线的对策问题进行了讨论，通过实验，显示了Ｍａｐｌｅ实验环境的友好界面，以引起学生对数学实验这门课程的兴趣和重视，以便于更积极地进行探讨。     

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。     

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。     

基于启发式搜索的一类离散非线性系统优化控制算法

研究了输入受约束、状态饱和系统的优化控制问题，得到了此类系统渐近稳定的充分条件，同时将最优控制问题转换为最优化搜索问题依据人工智能中的启发式搜索策略，给出了启发式优化控制算法，并就此算法的渐近稳定性给出了证明，仿真结果表明算法的有效性．     

搜索策略及其技术实现

组卷策略是试题库系统的核心，关系到系统生存与发展，重点论述搜索策略以及搜索策略的技术实现，并为策略使用者建立数学模型，同时提供策略的数据流程图。     

一种基于启发式搜索的快速多模式匹配算法

基于误用检测的网络入侵检测系统中模式匹配技术成为入侵检测系统的瓶颈,为了跟上快速增长的网络带宽和流量,在分析轻量级入侵检测系统Snort的模式匹配算法Boyer-Moore（BM）算法的基础上,描述了Snort中一种快速多模式匹配算法。通过理论分析与实验表明,在规则数增加时,该算法具有优越的平均搜索时间。