As computers have become faster at performing computations over the decades, algorithms to play games have also become more efficient. This research paper seeks to see how the performance of the Minimax search evolves...As computers have become faster at performing computations over the decades, algorithms to play games have also become more efficient. This research paper seeks to see how the performance of the Minimax search evolves on increasing Connect-4 grid sizes. The objective of this study is to evaluate the effectiveness of the Minimax search algorithm in making optimal moves under different circumstances and to understand how well the algorithm scales. To answer this question we tested and analyzed the algorithm several times on different grid sizes with a time limit to see its performance as the complexity increases, we also looked for the average search depth for each grid size. The obtained results show that despite larger grid sizes, the Minimax search algorithm stays relatively consistent in terms of performance.展开更多
针对快速扩展随机树(rapidly exploring random tree,RRT)算法在移动机器人路径规划过程中存在盲目搜索、内存计算量大和冗余点较多等问题,提出了改进的RRT算法。首先,随机点进行扩展时引入动态目标采样率,引导随机点向目标点方向扩展;...针对快速扩展随机树(rapidly exploring random tree,RRT)算法在移动机器人路径规划过程中存在盲目搜索、内存计算量大和冗余点较多等问题,提出了改进的RRT算法。首先,随机点进行扩展时引入动态目标采样率,引导随机点向目标点方向扩展;其次,融合A*算法中代价函数策略,在加入不同权重因子之后,选取代价值合适的节点作为待扩展节点;然后,针对初始路径过长并存在过多冗余点的问题,提出反向搜索剪枝方法,对裁剪后的路径进行三次样条插值平滑处理来改善路径质量;最后,利用Pycharm对改进的RRT算法进行仿真验证。仿真结果表明,改进的RRT算法相较于传统RRT算法、RRT*算法和基于概率P的RRT算法(P-RRT),在路径的规划长度、规划时间和扩展节点数上都具有明显优势,提高了机器人的路径规划效率。展开更多
社区搜索的目标是从数据图中得到包含查询顶点的紧密子图,在社会学、生物学等领域有着广泛应用。针对现有基于子图连通性的社区模型的基础连通结构都是完全连通图,无法满足实际应用中用户对社区结构多样性的需求的问题,提出一种基于moti...社区搜索的目标是从数据图中得到包含查询顶点的紧密子图,在社会学、生物学等领域有着广泛应用。针对现有基于子图连通性的社区模型的基础连通结构都是完全连通图,无法满足实际应用中用户对社区结构多样性的需求的问题,提出一种基于motif连通性的社区搜索方法,其中包括基于motif连通性的社区(MCC)模型以及两个相应的社区搜索算法——MPCS(Motif-Processed Community Search)算法和基于MP-index的社区搜索算法。MCC模型可以协助用户自由指定社区的基础连通结构,MPCS算法可以用来解决MCC的搜索问题。此外,提出两个分别针对motif实例搜索过程及所属社区判断过程的剪枝优化技术。最后,设计了MP-index以避免社区搜索过程中的冗余遍历操作。在多个真实数据集上进行实验的结果表明:剪枝优化可以使MPCS算法的耗时减少60%~85%,而基于MP-index的社区搜索算法相较于加入剪枝优化的MPCS算法,效率提升普遍达到了2~3个数量级。可见,所提方法在商品推荐和社交网络等问题上有着实际应用价值。展开更多
针对基于路径分裂策略辅助极化码串行抵消列表(Path Splitting Selecting strategy based on Search Set under the Successive Cancellation List,PSS-SS-SCL)译码算法性能的不足,提出了一种利用增强型奇偶校验码改进PSSSS-SCL译码算法...针对基于路径分裂策略辅助极化码串行抵消列表(Path Splitting Selecting strategy based on Search Set under the Successive Cancellation List,PSS-SS-SCL)译码算法性能的不足,提出了一种利用增强型奇偶校验码改进PSSSS-SCL译码算法的EPC-MS-SCL(Enhanced Parity Check and Monte Carlo Segment aided Successive Cancellation List)译码算法.该算法在极化码编码阶段对信息序列做分段处理,在每段末尾添加增强型奇偶校验码,译码器仅在译码搜索集内元素时进行路径分裂,其余元素直接执行硬判决译码,并在译码完一段序列后立即对该段进行校验,仅保留通过校验的路径,从而减少了错误路径对正确路径的竞争,使正确路径保留到译码结束的概率增加,改善了译码性能,同时减少了译码列表数,使得译码复杂度更低.仿真结果表明,与PSS-SS-SCL译码算法相比较,所提出算法能在一定程度上改善其性能增益且具有更低的译码复杂度.展开更多
为压缩网络剪枝过程中较大的搜索空间,从预训练深度神经网络中找到最佳的稀疏网络结构,本文提出一种基于遗传算法和知识蒸馏的分块压缩学习算法(CCLA).首先,在预定义压缩空间中将学生网络初始化为一个稀疏网络结构.然后,将教师网络和学...为压缩网络剪枝过程中较大的搜索空间,从预训练深度神经网络中找到最佳的稀疏网络结构,本文提出一种基于遗传算法和知识蒸馏的分块压缩学习算法(CCLA).首先,在预定义压缩空间中将学生网络初始化为一个稀疏网络结构.然后,将教师网络和学生网络按层划分多个块网络,在教师网络的监督下对学生网络进行逐块压缩.最后,使用遗传算法搜索学生网络中每个块网络的稀疏结构.在CIFAR-10数据集上对VGG-16网络和ResNet-110网络的实验结果表明,本文所提方法性能表现良好,例如,在CIFAR-10数据集上对VGG-16进行压缩,可压缩掉87.82%的参数和70.4%的浮点运算(Floating Point of operations,FLOPs),而精度损失仅为0.37%.展开更多
针对过必经节点集的最短路径问题,提出一种基于动态减枝策略的深度优先搜索算法(Depth First Search based on Dynamic Pruning,DP-DFS),该算法构建一个二维矩阵,每搜索一个节点,比较当前路径的权值和与矩阵中已保存的权值,如果当前路...针对过必经节点集的最短路径问题,提出一种基于动态减枝策略的深度优先搜索算法(Depth First Search based on Dynamic Pruning,DP-DFS),该算法构建一个二维矩阵,每搜索一个节点,比较当前路径的权值和与矩阵中已保存的权值,如果当前路径的权值小于矩阵中保存的权值,则更新矩阵中权值为当前较小的路径权值,否则进行剪枝。该算法比较适合较大规模的图搜索,实验表明,必经节点个数在50以内时,利用该算法可以在30 s内找到一条近似最优的最短路径。展开更多
文摘As computers have become faster at performing computations over the decades, algorithms to play games have also become more efficient. This research paper seeks to see how the performance of the Minimax search evolves on increasing Connect-4 grid sizes. The objective of this study is to evaluate the effectiveness of the Minimax search algorithm in making optimal moves under different circumstances and to understand how well the algorithm scales. To answer this question we tested and analyzed the algorithm several times on different grid sizes with a time limit to see its performance as the complexity increases, we also looked for the average search depth for each grid size. The obtained results show that despite larger grid sizes, the Minimax search algorithm stays relatively consistent in terms of performance.
文摘针对快速扩展随机树(rapidly exploring random tree,RRT)算法在移动机器人路径规划过程中存在盲目搜索、内存计算量大和冗余点较多等问题,提出了改进的RRT算法。首先,随机点进行扩展时引入动态目标采样率,引导随机点向目标点方向扩展;其次,融合A*算法中代价函数策略,在加入不同权重因子之后,选取代价值合适的节点作为待扩展节点;然后,针对初始路径过长并存在过多冗余点的问题,提出反向搜索剪枝方法,对裁剪后的路径进行三次样条插值平滑处理来改善路径质量;最后,利用Pycharm对改进的RRT算法进行仿真验证。仿真结果表明,改进的RRT算法相较于传统RRT算法、RRT*算法和基于概率P的RRT算法(P-RRT),在路径的规划长度、规划时间和扩展节点数上都具有明显优势,提高了机器人的路径规划效率。
文摘社区搜索的目标是从数据图中得到包含查询顶点的紧密子图,在社会学、生物学等领域有着广泛应用。针对现有基于子图连通性的社区模型的基础连通结构都是完全连通图,无法满足实际应用中用户对社区结构多样性的需求的问题,提出一种基于motif连通性的社区搜索方法,其中包括基于motif连通性的社区(MCC)模型以及两个相应的社区搜索算法——MPCS(Motif-Processed Community Search)算法和基于MP-index的社区搜索算法。MCC模型可以协助用户自由指定社区的基础连通结构,MPCS算法可以用来解决MCC的搜索问题。此外,提出两个分别针对motif实例搜索过程及所属社区判断过程的剪枝优化技术。最后,设计了MP-index以避免社区搜索过程中的冗余遍历操作。在多个真实数据集上进行实验的结果表明:剪枝优化可以使MPCS算法的耗时减少60%~85%,而基于MP-index的社区搜索算法相较于加入剪枝优化的MPCS算法,效率提升普遍达到了2~3个数量级。可见,所提方法在商品推荐和社交网络等问题上有着实际应用价值。
文摘针对基于路径分裂策略辅助极化码串行抵消列表(Path Splitting Selecting strategy based on Search Set under the Successive Cancellation List,PSS-SS-SCL)译码算法性能的不足,提出了一种利用增强型奇偶校验码改进PSSSS-SCL译码算法的EPC-MS-SCL(Enhanced Parity Check and Monte Carlo Segment aided Successive Cancellation List)译码算法.该算法在极化码编码阶段对信息序列做分段处理,在每段末尾添加增强型奇偶校验码,译码器仅在译码搜索集内元素时进行路径分裂,其余元素直接执行硬判决译码,并在译码完一段序列后立即对该段进行校验,仅保留通过校验的路径,从而减少了错误路径对正确路径的竞争,使正确路径保留到译码结束的概率增加,改善了译码性能,同时减少了译码列表数,使得译码复杂度更低.仿真结果表明,与PSS-SS-SCL译码算法相比较,所提出算法能在一定程度上改善其性能增益且具有更低的译码复杂度.
文摘为压缩网络剪枝过程中较大的搜索空间,从预训练深度神经网络中找到最佳的稀疏网络结构,本文提出一种基于遗传算法和知识蒸馏的分块压缩学习算法(CCLA).首先,在预定义压缩空间中将学生网络初始化为一个稀疏网络结构.然后,将教师网络和学生网络按层划分多个块网络,在教师网络的监督下对学生网络进行逐块压缩.最后,使用遗传算法搜索学生网络中每个块网络的稀疏结构.在CIFAR-10数据集上对VGG-16网络和ResNet-110网络的实验结果表明,本文所提方法性能表现良好,例如,在CIFAR-10数据集上对VGG-16进行压缩,可压缩掉87.82%的参数和70.4%的浮点运算(Floating Point of operations,FLOPs),而精度损失仅为0.37%.
文摘针对过必经节点集的最短路径问题,提出一种基于动态减枝策略的深度优先搜索算法(Depth First Search based on Dynamic Pruning,DP-DFS),该算法构建一个二维矩阵,每搜索一个节点,比较当前路径的权值和与矩阵中已保存的权值,如果当前路径的权值小于矩阵中保存的权值,则更新矩阵中权值为当前较小的路径权值,否则进行剪枝。该算法比较适合较大规模的图搜索,实验表明,必经节点个数在50以内时,利用该算法可以在30 s内找到一条近似最优的最短路径。
