基于启发策略的动态平衡图划分算法

随着计算技术的发展以及大数据时代的来临,分布式计算已成为研究的热点,其中大图迭代计算作为其研究的重点,降低划分后子图之间的通信边规模是改善计算性能的关键.传统算法很难在切割率最小化与负载均衡上同时满足.由于图划分属于NP组合优化问题,提出了一种动态平衡算法来解决图的平衡划分,确保在子图边界点划分最优的基础上引入扰动策略使其跳出局部最优扩大搜索空间,最后在真实世界图上验证算法的可行性,分别从平衡系数、切割边规模与传统算法进行了比较.在指定的扰动次数下,此算法比常见的算法hash,Chunk,Metis在割边率上分别降低了近40%,30%,5%.与Metis相比,平衡系数也更加地优化,实验结果证明了该算法的有效性.

基于遗传算法和启发策略的军用物资飞机装载优化

以军用物资飞机装载为研究对象,在考虑实际应用中的一些约束条件下,构造了军用物资的装载优化模型,提出了一种基于启发策略的遗传算法。该算法考虑了装载容积、装载质量及装载密度等约束条件。最后对一个案例进行了计算,验证了该模型的有效性。

启发策略的确定性退火技术非刚性点匹配算法

点匹配问题一直是计算机视觉、模式识别、医学临床诊断领域的一项重要的基础性工作。提出了带启发策略的确定性退火技术非刚性点匹配算法。该算法引入软匹配思想将匹配矩阵系数连续化,为加快匹配矩阵的收敛速度,给出了带启发策略的对应启发矩阵,构造了一种适合确定性退火算法求解的新能量函数公式。实验结果表明,该算法可以得到稳定的解,并且可以避免出格点等噪音的干扰,具有稳定性,有效性,和较高的效率。

演讲艺术入门的启发策略初探

演讲艺术入门是一个过程,是一般言语表达者不断提升成为演讲者的过程。作为演讲艺术入门的指导老师,谋划并运用内涵丰富、依据科学、重点突出的启发策略,能有效地缩短这一过程,加速优秀演讲人才的培养。

高中数学文化的教学价值及启发策略

因为面临着升学上的压力,高中阶段的数学教学自始至终都视分数提升为主要目标,然而这却导致无形中忽略了数学文化方面的教育问题,这一现状需要改变.现针对性指出高中数学文化于核心素养发展、数学精神养成等方面所具有的教学引导功能,并对教师素质、教学情境、实践活动等几种和学生数学文化启发有关的策略要点展开说明.

细菌趋向性启发的多机器人图案生成策略

针对多机器人图案生成问题,本文提出了一种细菌趋向性启发的多机器人分阶式控制策略。该策略将图案生成过程分解为2个阶段:聚集阶段和图案生成阶段。聚集阶段,设计基于平均距离的适应度函数,其值作为机器人的感知输入。机器人根据当前时刻与上一时刻适应度数值变化执行类似细菌趋向的直行或翻转来完成聚集。引入搜索因子促进多子群融合,提升多机器人聚集的成功率。图案生成阶段,针对机器人翻转角度生成问题,引入决策因子来评估邻居作用程度,提升多机器人图案生成的成功率。仿真实验结果表明:针对多机器人六边形和三角形图案生成,本文所提出策略平均迭代次数分别为25.36和93.83,成功率分别为83.33%和96.67%,优于相关对比算法。

小学数学教学中启发式教学策略的研究

小学阶段,正是培养学生对数学的热爱和养成数学思维的黄金阶段。启发式教学法力求激发每个学生自主学习积极探索。此次研究深入启发式教学中,用实践洞悉其在小学数学教育中的神奇效应。流水的观察、互动的访谈、动态的教学实验,一系列的研究手段交织,对教学效果进行了全面研究。研究发现在剖析问题,创新思维,提升数学综合素质的能力中,启发式教学的熏陶极为有作用。同时,实践中也发现,要将启发式教学策略更好地融入数学教学,需要教师具有较高的教学素养,能灵活运用各类教学方法,为学生提供丰富的问题情境,激发学生的求知欲望。本研究对于深化小学数学启发式教学的理论与实践,引领小学数学教学创新,具有重要的实践意义和参考价值。

障碍物无规则运动下启发式Gauss配点参数化连续避障规划

针对障碍物无规则运动下自动驾驶车辆(SDV)的避障轨迹规划,本文提出一种结合模型约束简化和启发式非均匀Gauss配点参数化的轨迹规划算法.首先,结合SDV运动学方程和约束条件建立了SDV连续避障轨迹规划的问题;然后,在高斯伪谱法离散化算法框架下,采用Gauss配点对状态变量进行离散化;进一步,提出了启发式Gauss配点初始化策略,以此提升SDV求解速度进而实现避障实时规划;同时,对经过约束处理后的轨迹进行验证,以此保证规划轨迹的安全性;最后,在车辆模型上针对不同障碍物运动场景进行仿真测试,验证提出方法的有效性和实时性.结果显示,本文方法可以有效进行避障轨迹规划,并确保轨迹的安全性,轨迹规划平均求解耗时维持在25ms左右,显示出本文方法在实时避障规划的效能和实际应用价值.

启发式快速探索随机树的电力杆塔三维航线规划研究

为了完成对电力杆塔运行状态的有效监测与故障诊断,要求无人机规划最优三维航线。文章基于快速探索随机树(rapidly exploring random trees,RRT)算法,提出一种启发策略的无碰撞三维航线规划方法,该方法集成启发式搜索策略进行代价函数设计,加速算法收敛,确保航线最优。在仿真环境与实际场景下的实验结果表明,同传统的RRT与改进的RRT*算法相比,本方法针对电力杆塔所规划的无碰撞三维航线,具有稳定可靠的最短路径长度,能够满足智能监测的应用需求。

数学启发式教学策略在初中数学学习中的有效性研究

本文旨在研究数学启发式教学策略在初中数学学习中的有效性。首先介绍了数学启发式教学策略的定义、特点和主要方法,并强调了其在激发学生兴趣和提高问题解决能力方面的优势。随后,探讨了初中数学学习中的挑战,包括学生面临的困难和传统教学方法的局限性。通过分析实证研究结果,揭示了数学启发式教学策略与学生成绩、数学兴趣、问题解决能力和创造性思维培养之间的关系。最后,提出了教师如何有效运用数学启发式教学策略以及学校和教育机构的教学改革建议,以促进初中数学学习的提升和发展。

启发式教学在初中数学实际问题解决中的应用探究

初中数学实际问题解决是培养学生逻辑思维与实践操作能力的关键环节。鉴于传统教学法在激发学生积极性和创新性方面的局限,本研究提出并应用了启发式教学策略。该策略以学生为中心,鼓励其主动参与,旨在激发学生的思维与创新能力,引导他们自主发现并解决问题。通过教学实验,对比了学生实验前后在解决实际问题能力、学习兴趣及态度方面的变化。结果显示,启发式教学策略显著提升了学生解决实际问题的能力,培养了他们的学习兴趣,有效改善了学习态度。实验班级在解决数学实际问题时,解题速度与正确率均有显著提高。这为初中数学教学提供了一种新的教学策略,有助于改进数学教学的现状。

基于遗传算法和启发策略的舰船装载方案

给出了舰船装载方案数学模型,设计并实现了一种基于启发式算法和遗传算法相结合的混合遗传算法。该算法除了选择合理的惩罚函数和利用各种遗传算子进行进化计算之外,在初始化时将一些按启发策略生成的优胜染色体加入初始种群,以求在保证群体多样性的同时加快收敛速度。算法的测试表明,该算法对求解这类问题是有效的。

基于IMOM和IBOHM启发式策略的扩展规则算法

基于扩展规则的方法是一种定理证明方法.在IER(improved extension rule)扩展规则算法的基础上,提出了IMOM(improved maximum occurrences on clauses of maximumsize)和IBOHM(improved BOHM)启发式策略,并将两种启发式策略用于IER算法中,有指导性地选择限定搜索空间的子句,设计并实现了算法IMOMH_IER和IBOHMH_IER.实验结果表明,由于这两种启发式策略能够选择较为合适的搜索空间,可以尽快地判定出原问题是否可满足,故其速度平均能够达到原有算法DR(directional resolution)和IER的10～200倍.

考虑相邻时段投切次数约束的动态无功优化启发式策略

在开关日动作次数约束基础上,考虑分接头挡位的相邻时段动作次数约束,建立了一种更加实用的动态无功优化新模型。按照"先投先切、后投后切"原则,将同一母线的多个电容器组等效为1个集中变量,并根据其中的电容器组个数来确定等效变量的动态约束值。由此,既满足了电容器的实际动态约束,又减小了模型的变量规模。在求解动态无功优化问题时,以混合智能算法为基础,提出处理动态约束的启发式调整策略,采用稀疏技术,有效提高了算法的效率。IEEE14与IEEE30节点系统和一个实际系统的仿真结果验证了所述模型的正确性和算法的有效性。

基于MCN和MO启发式策略的扩展规则知识编译方法

在基于扩展规则的知识编译算法的基础上提出了2种启发式策略:MCN策略和MO策略.MCN策略和MO策略利用子句集的信息分别选择相应子句和变量,减少扩展规则的使用次数,进而降低知识编译后目标子句集的规模.在此基础上,设计并实现了MCN_KCER,MO_KCER和MCN_MO_KCER算法.实验结果表明:2种启发式策略都可以大幅度减小编译后的子句集规模,同时使用它们的效果更为明显,经过编译后得到的子句集规模是原算法的1/3～1/39,从而大幅度提高之后的在线推理阶段的效率.

面向启发式调整策略和粒子群优化的机组组合问题

提出一种启发式调整策略和粒子群优化相结合的新方法求解电力系统中的机组组合(UC)问题。算法将UC问题分解为具有整型变量和连续变量的两个优化子问题,采用离散粒子群优化和等微增率相结合的双层嵌套方法对外层机组启、停状态变量和内层机组功率经济分配子问题进行交替迭代优化求解。同时构造了关机调整和替换调整两个启发式搜索策略对优化结果进行进一步局部微调以提高算法解决UC问题的全局寻优能力和计算效率,从而有效改善解的质量。以10～100台机组组成的5个测试系统为算例,通过与其他算法结果进行比较分析,验证了该方法的可行性和有效性。仿真结果表明该方法解决大规模机组组合问题具有求解精度高和收敛速度快的优势。

基于启发式策略的最短路径算法

在讨论经典Dijkstra算法和启发式策略算法(A*,矩形算法等)的基础上,提出一种基于Dijkstra算法的动态方向限制搜索算法用于求解道路网络中两节点之间最短路径.该算法结合人类的搜索思路和动态灵活的处理方式,对最短路径算法的搜索策略进行改进,动态改变搜索限制区域,减少计算时间.该算法不仅可以单独提高计算最短路径的效率,而且与其他算法结合起来还可取得更好的效果.实际结果证明动态方向限制搜索算法比经典Dijkstra算法减少近50%的搜索节点数和搜索时间.

采用启发式策略的动态无功优化混合算法研究

严格考虑控制设备的动作次数限制,建立一个完整的非线性混合整数动态无功优化模型。结合混合算法,把离散变量和连续变量分开优化,分别使用改进后的遗传算法和内点法求解,以改善算法的收敛性和计算速度。将动态约束分为设备一天内调节次数限制和变压器相邻时段调节次数限制,提出全局调整策略和局部调整策略来分别处理这两类动态约束,使离散变量严格满足动作次数限制。启发式策略的应用使算法既能严格保证离散变量的动态约束,又能充分保留其动作自由,得到可行的最优解。Ward-hale6和IEEE30节点系统的仿真结果证明提出算法的有效性。

随机动态装卸车辆路径问题的启发式求解策略及仿真研究

以同时最小化顾客期望等待时间和车辆期望等待时间为目标函数,建立了随机动态装卸车辆路径问题的数学模型,提出了求解该问题的两种启发式求解策略——最近邻策略和堆栈策略,推导出两种策略总期望等待时间的上界,并对两种策略在不同需求情形下的表现,以及目标函数与参数之间的关系进行了仿真。仿真结果表明,需求密集和需求稀少时最近邻策略优于堆栈策略,需求中等时堆栈策略优于最近邻策略;两种策略分别存在最优服务强度,且最近邻策略的最优服务强度大于堆栈策略的最优服务强度;堆栈策略存在最优堆栈长度,且最优堆栈长度同时受服务强度和顾客平均到达率的影响。

一种基于元启发式策略的迭代自学习K-Means算法

类内误差平方和最小化的聚类准则求解是NP难问题,K-Means采用的迭代重定位方法本质上是一种局部搜索的爬山算法,因此聚类结果对初始代表点的选择非常敏感,只能保证局部最优。为此,引入元启发式策略,通过建立评估函数对K-Means初始代表点和目标函数之间的依赖关系进行近似,然后利用近似评估函数指导新的初始代表点的选择,构成一种迭代自学习框架下的K-Means算法。实验表明算法可以很好地克服K-Means对初始代表点的依赖性,获得较高质量的聚类结果。