多阶段区间模糊决策问题的λ模糊启发式搜索算法IFDA

提出了多阶段区间模糊决策问题的自底向上的λ模糊启发式搜索算法IFDA ,并证明了只要启发式估价函数h可采纳 ,则IFDA 算法亦可采纳 ,且定能找到具有最小耗散的最佳决策序列 ,对于可采纳启发式估价函数h通常难以设计这一问题 ,提出了启发式估价函数的渐进式学习算法Learning h.证明了通过IFDA 算法的大量解 ,Learning h算法能以概率为 1使启发式估价函数学习并收敛为可采纳的启发式估价函数。

多阶段模糊决策问题的模糊启发式搜索算法FDA

文中提出了多阶段模糊决策问题的自底向上的模糊启发式搜索算法ＦＤＡ＊，并证明了只要启发式估价函数ｈ可采纳，则ＦＤＡ＊算法亦可采纳，且定能找到具有最小耗散的最佳决策序列．对于可采纳启发式估价函数ｈ通常难以设计这一问题，文中提出了启发式估价函数的渐进式学习算法Ｌｅａｒｎｉｎｇ－ｈ．证明了通过ＦＤＡ＊算法的大量解题。

目标移动的模糊启发式搜索算法研究

本文针对目标移动的模糊搜索问题，提出了独创的模糊搜索机制，并进而提出了模糊启发式搜索算法ＦＭＧＡ＊。文中证明了，在一定的假设下。

模糊图的启发式搜索算法FA

现实世界中大量复杂的问题可以用模糊图上的启发式搜索算法来解决。为此,本文提出了模糊图的启发式搜索算法FA~*。文中对FA~*的可采纳性给出了证明,并指出FA~*具有广泛的实际应用。

启发式搜索算法在最优路径求解中的应用与性能分析

本论文旨在研究启发式搜索算法在最短路径问题中的应用。最短路径问题是计算机科学中的经典问题,而启发式搜索算法作为一种求解方法在路径规划、导航系统等领域有广泛应用。本文综述了相关文献,分析了不同算法的性能和效果,并详细描述了所采用的启发式搜索算法的实现细节。通过实验评估,展示了启发式搜索算法在不同场景下的优势和局限性。最后,讨论了算法的潜在改进空间和应用前景。研究结果对于路径规划和导航系统的优化具有重要意义。

混合超启发式算法求解复杂两级车辆路径问题

针对模糊需求下的绿色两级车辆路径问题,以最小化车辆运营成本和油耗成本之和为优化目标,提出一种混合超启发式算法进行求解.首先,考虑两级问题解空间庞大且相互耦合,设计一种聚类分解策略将该问题分解为多个子问题,以合理缩小问题搜索空间;然后,提出增强超启发式分布估计算法(enhanced hyperheuristic estimation of distribution algorithm,EHHEDA)对各个子问题进行求解,进而获得原问题的解.EHHEDA基于超启发式算法框架,在高层策略域设计一种基于三维概率模型的分布估计算法,动态确定由底层操作域中各搜索算子所组成的排列(即高层个体),可有效控制和引导整个算法的搜索行为;同时,在底层操作域设计10种有效邻域搜索算子,并加入重升温操作的模拟退火机制作为问题解(即底层个体)的接受准则,有利于在问题解空间中执行深入搜索.仿真实验结果表明,所提出的算法在大多数测试集上优于近年来用于求解类似问题的算法,验证了所提出算法的有效性.

两种高效局部搜索算法求解RB模型实例

RB(revised B)模型是一种在约束可满足问题中具备精确相变增长域的随机实例模型,提出两种高效的启发式局部搜索算法用于解决RB模型生成的大值域约束可满足问题。首先为基于权重指导搜索的W-MCH算法,该算法通过约束判断和违反约束数计分来进行搜索,并引入了基于约束违反概率的权重计算公式,根据其关联的约束权重进行修正,再对变量进行迭代调整。然后提出最小化值域的MDMCH算法,该算法通过记录违反约束和逐步消除已违反约束变量的启发式策略来减少搜索空间,并在最小化后的变量域内重新校准变量赋值,进而有效提高算法的收敛速度。此外,还提出了融入模拟退火策略的WSCH和MDSCH算法,这两种算法都能根据变量的表征特点对变量域进行针对性的搜索。实验结果表明,与多种启发式算法相比,这两种算法在精度与时间效率方面均呈现明显提升,在复杂难解的实例中能够提供高效的求解效率,验证了算法的有效性和优越性。

模糊集值产生式系统的启发式图搜索算法

首先提出了模糊集值产生式系统的概念，然后运用三角范算子，得到了模糊集值产生式系统的启发式算法。

融合麻雀搜索算法和柯西变异策略的沙猫群优化算法

针对原始的沙猫群优化算法在迭代后期搜索效率低,容易陷入局部最优的问题,提出了一种多策略改进的沙猫群优化算法(ISCSO).首先,通过融合麻雀搜索算法的搜索机制策略,提高了沙猫靠近和捕获猎物的速度,有效地提升了算法后期的搜索能力.其次,为避免算法出现早熟收敛现象,引入limit阈值判断算法是否陷入局部最优.最后,采用柯西变异策略,改变个体所处位置,提高种群多样性,使算法跳出局部最优.通过在6种不同类型的基准测试函数上进行仿真,对实验结果进行数值分析,结果表明:改进后的沙猫群优化算法在求解高维复杂问题上具有精度高、收敛速度快、鲁棒性强等优势.

求解最小双连通支配集问题的变邻域禁忌搜索算法

针对经典NP难优化问题——最小双连通支配集问题,提出了一种元启发式求解算法——变邻域禁忌搜索算法。算法将原优化问题的求解转换为一系列判定问题——k双连通支配集问题的求解,使用两种邻域结构更加有效地覆盖解空间,同时使用扰动及禁忌机制帮助算法跳出局部最优陷阱。通过与现有文献中的精确算法、启发式算法在国际文献公开的38个双连通图算例上的实验对比,结果表明变邻域禁忌搜索算法能够有效求解最小双连通支配集问题,可求得所有公开算例的最优解,并且在稠密图中计算效率明显优先于其他算法。

基于A星搜索算法的5G前传路由选取技术

在基于到光纤直驱和波分复用等技术的5G前传网络中,无论使用哪种前传承载技术方案,均涵盖不同路由站点之间传输的场景。本文基于启发式图搜索法——A星搜索算法的思路,结合基站前传的特征以及分析盲目的图搜索的劣势,提出新的估价函数思想,并且为5G前传路由的选取提供一种更为高效的算法。

基于启发式搜索和模糊评价算法的配电网故障恢复

为快速恢复非故障失电区的供电,提出了一种基于启发式搜索和模糊评价的配电网故障后多目标快速供电恢复算法。算法首先从寻找有效的联络开关和分段开关开始搜索供电路径,通过潮流计算剔除不符合系统运行约束的开关组合。将恢复步骤分为自馈线恢复、整区恢复、分区恢复、转移负荷恢复和切负荷恢复,考虑了开关操作次数和用户优先级别,得出初始供电恢复方案。然后,引入模糊评价,从最少开关操作次数、负荷转移量、馈线容量裕度和最大电压降4个方面衡量候选方案,并根据实际情况为其赋予不同的权重,通过加权值的大小选择最佳的供电方案作为最终的方案。最后,算例分析证明了所提恢复算法的可行性和高效性。

基于秃鹰搜索算法优化的FastSLAM算法

针对FastSLAM算法存在的粒子退化和多样性丢失导致定位与建图精度下降的问题,提出了一种基于秃鹰搜索算法(BES)优化的FastSLAM算法(BES-FastSLAM)。BES-FastSLAM算法借助其特有的搜索机制,可以在粒子初始化阶段引入更丰富的粒子,增加粒子多样性,帮助FastSLAM算法跳出局部最优解的束缚,增强全局搜索能力。同时,BES-FastSLAM算法的速度和位置更新机制可以动态调整粒子群的速度和位置,使FastSLAM算法更快地收敛到全局最优解。仿真实验验证了BES-FastSLAM算法相较于FastSLAM算法拥有更高的计算效率和定位精度。

基于自适应秃鹰搜索算法的无人机三维路径规划

针对秃鹰搜索算法(BES)在寻优时易陷入局部最优、搜索效率低,且全局搜索精度不高等不足,提出一种自适应秃鹰搜索算法(ABES)并应用于无人机的三维路径规划问题。在算法的选择阶段,将控制螺旋轨迹的参数由定值修改为自适应调整,从而提高算法的全局探索能力和收敛速度,改善算法性能。通过创建仿真三维地理环境来模拟真实场景下的无人机飞行状况,利用ABES算法解决路径规划问题。通过对比实验,有效测试了ABES算法在通过各种地形地貌下的优异能力。实验结果证明ABES算法的性能相对BES有所提升,能够快速、稳定、有效地解决三维路径规划问题。

模S下的AND/OR图的启发式搜索算法NAO

本文首先定义了一类新的AND/OR图:图中的结点或为AND结点或为OR结点,而不能是混合型结点,并定义其路径耗散值用三角模S来度量和计算,使其更具有普遍意义,作为通常的AND/OR图AO~*算法的推广,本文依照普通图A~*算法中的启发式估价函数f=g+h,将新AND/OR图中的启发式估价函数F分成G、H两部分,并据此提出了NAO~*算法。本文的结论表明:NAO~*算法与AO~*算法有本质的不同;当H≤H~*时NAO~*可采纳,而且其结果极易推广到一般的AND/OR图中去。

基于启发式搜索算法的网格信息查询优化

如何提高网格信息系统的查询效率是提高网格性能的关键问题之一。在基于资源分类树(将计算资源按其属性和数值组织成平衡二叉树)的网格信息系统中,资源分类树深度过大,搜索效率就会降低。针对该问题,提出基于启发式搜索算法的查询优化方案并成功应用于原有的查询系统。给出具体的算法、实验步骤及结果分析。实验结果表明,采用启发式搜索可以提高网格查询系统的查询效率。

双向启发式图搜索算法BFFRA

本文根据随机产生式系统的单向启发式图搜索算法RA~*,结合BHPA、BHFFA2等双向启发式图搜索算法,提出了一种随机产生系统的双向启发式图搜索法BFFRA~*。本文证明了该算法的可采纳性,得到了一些新的可采纳性结果。

改进的双向启发式搜索算法及其在车载导航仪中的应用

介绍单车辆路径规划的有关算法，针对车载导航仪的应用，对双向启发式搜索算法进行了改进和优化，提出了可靠有效的搜索终止条件和搜索切换标准，给出了改进算法的流程。最后给出了四种算法的实际测试和比较结果。结果表明改进的双向启发式搜索算法快速高效。

改进的启发式搜索算法求解农机调度问题

针对农村土地流转形成的大规模土地,提出基于轮盘的启发式搜索(Heuristic search based on roulette,HSBOR)算法和基于最小值的启发式搜索(Heuristic search based on minimum,HSBOM)算法,求解跨区域农机调度问题;构建农机调度模型,设计HSBOR和HSBOM算法的核心思想,并通过模拟试验比较HSBOR、HSBOM算法与基于优先级规则的启发式(Heuristic based on priority rules,HBOPR)算法在调度成本、运行效率上的优劣。结果表明,HSBOM算法在调度成本和运行效率上最优。

多因素问题的启发式搜索算法MFRA

本文新定义了一类多因素启发式搜索问题，提出了适于此类问题求解的启发式搜索算法ＭＦＲＡ．文中研究了算法ＭＦＲＡ的可采纳性质、单调限制性质和比较性质等．基于算法ＩＤＡ的思想，提出了ＭＦＲＡ的改进算法ＭＦＲＡ－ＩＤＡ，这一算法具有线性存储空间这一重要特性．