一种生成最优联盟结构的任意时间算法

提出一种用于生成最优联盟结构的任意时间算法LVAA。利用分支限界技术和剪枝函数搜索联盟结构图的L1、L2和最顶层后,根据整数拆分对剩余的搜索空间进行横向剪枝,并在横向剪枝剩余的子空间内进行纵向剪枝,从而求得最优联盟结构。实验结果表明,该算法的剪枝效率较高,并能在任意时间点上找到最优值。

任意时间算法的性能描述

任意时间算法能够折衷解的质量和计算时间 ,被广泛用在实时系统与人工智能技术结合的系统中 .为了保证任意时间算法在截止期到来之际得到的解的质量是可以接受的 ,有必要对任意时间算法的性能进行描述 .本文阐述了任意时间算法性能描述的类型 。

一种基于博弈的任意时间演化优化算法

提出了一种基于多人博弈的演化优化方法(EAMG),用于解决旅行商问题(TSP).将TSP看作n个人(n个城市)之间的非合作博弈,通过主体的理性行为来对问题的解进行优化.详细介绍了该算法的设计思想和具体实验,从理论上分析了算法的性能和时间复杂度.为了体现一定的多样性,在EAMG的基础上进一步提出了多群体EAMG算法,并将两种算法的实验结果与已有的优化算法相比较.实验结果表明,EAMG和MEAMG在实际应用中具有很强的问题求解能力.

基于蒙特卡洛树搜索的数值目标子群发现算法

MonteCloPi算法是一种基于蒙特卡洛树搜索(Monte Carlo tree search,MCTS)的任意时间子群发现算法,旨在使用MCTS策略构建非对称的最佳优先搜索树来发现高质量的多样性模式集,但是限制了目标为二值变量.为此,本文结合了数值目标的特点,通过为置信度上界(upper confidence bound,UCB)公式选取合适的C值、动态调整各个样本的拓展权重并对搜索树进行剪枝、使用自适应top-k均值更新策略,将MonteCloPi算法拓展到了数值目标.最后,在UCI数据集、全国健康与营养调查(national health and nutrition examination survey,NHANES)听力测试数据集上的实验结果表明本文的算法相比其他算法可以发现更高质量的多样性模式集,并且最优子群的可解释性也更好.

改进的RRT-Connect双足机器人路径规划算法

针对当组态空间内存在大量的窄道时,快速搜索随机树算法(RRT)难以取得连通路径的问题,提出了一种改进的RRT-Connect算法。该算法利用改进的桥梁检测算法来识别和采样窄道,使得路径规划在窄道内能轻易取得连通性;同时将RRT-Connect算法与任意时间算法相结合,显著地减少了RRT-Connect算法的移动代价。每个算法分别运行100次,与RRT-Connect算法相比,改进后的算法成功次数由34提高到93,规划时间由9.3 s减少到4.2 s。双足机器人的仿真实验结果表明,该算法能在窄道内取得优化路径,同时可以有效地提高路径规划的效率。

改进的快速探索随机树双足机器人路径规划算法

针对快速探索随机树(RRT)算法进行路径规划时随机性大且未考虑移动代价的问题,提出了任意时间快速探索随机树算法。生成一组快速探索随机树,之后每个树都重新使用上个树的信息来不断改进树的延伸。为进一步优化算法,使用节点缓存来生成一个引力函数来减少移动代价。最终的算法能够快速地生成初始路径,在规划时间内不断地改进路径且通过使用阈值来确保后面路径都比上次的移动代价更小。双足机器人仿真实验中,改进后的算法与初始的算法相比,搜索的节点数由883减少到704,效率提高了近25%。实验结果表明了改进算法的有效性。

舰艇近程防空武器的优化分配算法

依据武器对目标的杀伤性能,提出了一种舰艇近程防空武器实时动态分配算法。算法采用贝叶斯网络处理不确定因素,采用任意时间规划策略解决实时性问题。仿真实验结果表明,该算法实时性好,能有效提高武器的使用效率。

实时环境下的问题求解

实时环境下的问题求解是近年来规划问题研究感兴趣的话题．在讨论了传统规划算法的不足之后，引入了在实时环境下求解问题的方法——任意时间算法．任意时间算法可以合理分配时间资源，保证系统最佳的输出性能；同时，任意时间算法可以在任意时刻中断，并输出当时相对最优可行解．遗传算法具有任意时间算法的特性，在介绍了同其他搜索算法的不同之处后，通过实验得出利用随机搜索技术和知识指导相结合的方法，可以较好地处理实时规划问题．最后给出结论，并且简单地讨论了实时规划算法求解问题的策略。

实时环境下Agent决策机制研究

随着实时应用的日益广泛,越来越复杂的技术已经被应用到实时系统中.在分析已有Agent模型的基础上,提出了一种新的实时Agent模型.这种模型将Agent的审慎型行为和反应型行为结合在一起,其效率比已有的Agent模型有较大的提高.还讨论了实时Agent的决策机制,提出用感知器算法对特征进行分类和任意时间算法进行决策.

实时环境下Agent决策机制研究

在分析已有Agent模型的基础上,提出了一种新的实时Agent模型。这种模型将Agent的审慎型行为和反应型行为结合在一起,其效率比已有的Agent模型有较大的提高。文中还讨论了实时Agent的决策机制,提出用感知器算法对特征进行分类和任意时间算法进行决策。

动态武器目标分配问题中改进遗传算法的元级控制

动态武器目标分配问题是一类实时性很强的优化问题。考虑分配的时间约束时,其求解算法应该是anytime算法,即算法在任意时刻都能输出合理解,且解的质量随时间增加而增加。在有限的计算时间内,anytime算法的运行时间应在综合考虑解的质量、计算代价及环境状态的变化而确定,以使解的效用最大化。该文针对有截止期的动态武器目标分配问题的anytime算法,利用元级控制过程控制算法的响应时间。在分析算法解效用影响因素的基础上,建立了时间相关的解效用公式,并基于该公式给出了一种元级控制策略。仿真结果验证了对动态武器目标分配的anytime算法进行元级控制能有效提高解的效用。