一类新的模糊约束满足问题的建模与求解

从模糊理论的角度讨论了软约束满足问题,即把约束中带有不确定性的参数刻画为模糊变量,定义了一类新的模糊约束满足问题(FCSP).然后,利用可信性测度度量该类问题中约束成立的可能性,并以所有约束的联合可信性作为目标函数,从而将FCSP问题转化为无约束优化问题.利用模糊模拟技术来估计目标函数中模糊事件的可信性,在此基础上设计了基于模糊模拟的猴群算法用来对无约束优化问题进行求解,以便获得原FCSP问题的约束一致解.最后,给出了数值例子来说明上述方法的可行性和有效性.

最大公共子图的约束符号求解方法

【目的】探索求解两个图最大公共子图的方法。【方法】建立最大公共导出子图的软约束满足问题(Soft CSP)模型,提出代数决策图(ADD)的符号求解算法。首先,分别对两个图中的变量和值域进行编码,完成两个图的ADD表示;其次,基于深度优先分支定界算法的思想,利用符号ADD的相关操作,实现对最大公共导出子图的求解。【结果】算例结果表明,该方法准确可行。【结论】该方法能有效缩减搜索空间,从而提高问题的求解效率。

CP-nets及其表达能力研究

偏好处理是人工智能中的一个重要研究内容,它的4个研究热点是偏好的表示、提取、聚合和推理.条件偏好网(Conditional preference networks,CP-nets)是一种简单直观的偏好表示的图形工具,但很少有工作研究CP-nets的表达能力.本文研究CP-nets的表达能力,详细研究了CP-nets表达偏好的完备性,其上构造的运算复杂度以及适用的场合.首先给出了CP-nets模型上的几个运算,利用改进的Warshall算法求出了二值网的强占优测试在最坏情况下的复杂度为O(4n).其次通过构造CP-nets导出图及其性质的研究,得出CP-nets特别适合不完全信息下的多属性定性偏好决策.当需要处理更完全信息时,可借助于与Agent的交互来完成.虽然我们给出了CP-nets的强占优测试的理论解,但其理论上可解,实际上不可解.为了解决强占优测试的指数级复杂度问题,本文最后给出了一种带有软约束的满足问题(Soft constraint satisfactionproblem,SCSP)的求解方法.它把CP-nets中的定性运算转为约束半环中的定量运算,从而将指数级的复杂度转化为多项式的复杂度,间接提高了部分CP-nets的表达能力.本文所做的工作是对Boutilier和Bistarelli工作的改进和提高.

利用SCSP实现CP-nets的强占优测试

基于"从CP-nets向SCSP规约"的思想来实现CP-nets的强占优测试,实现了CP-nets中的定性判断向约束半环中的定量判断的转换.通过重新定义转换规则,修正了刘惊雷提出的方法中的错误,文中阐述了具体的实现方法.