计算机人工智能启发式搜索函数分析

计算机人工智能是一种发展前景较广,潜力较大的计算机发展形式。研究人员对计算机人工智能启发式搜索函数进行研究已有很长一段时间。本文中,笔者主要从人工智能启发式搜索函数的含义和启发式搜索函数的典型类型等方面进行分析和探究,仅供参考。

用L_1－罚函数作线性搜索函数的一种修正约束变尺度算法

本文对用Ｌ１－罚函数作线性搜索的约束变尺度算法，提出了一种新的修正方法，该方法的计算量小，可行性较好，并且仍能保持原有算法的收敛性．

BP 神经网络训练的函数变步长搜索调整法

通过深入分析ＢＰ神经网络的步长调整，采用函数变步长搜索法来提高网络的学习速度，提出一种新的改进的ＢＰ算法。

小波包变换中函数基搜索算法及在数据压缩中的应用研究

讨论小波包变换中函数基搜索算法及在数据压缩中的应用，提出了在非加性代价函数情况下一种新的次最优函数基搜索算法，通过在数据压缩方面的具体应用例子将该算法与其他算法作比较，说明该算法在一般情况下将得到更好更优的压缩结果，从而表明该算法具有更大的实用价值。

一维大地电磁Occam反演拉格朗日乘子的搜索

在大地电磁反演中,Occam法因其在反演稳定性和模型分辨率等方面的优势,得到广泛应用。但由于其每次迭代都需要不断地搜索拉格朗日乘子,因而拉格朗日乘子的搜索效率对Occam法反演的运算速度起着至关重要的作用。为提高拉格朗日乘子的搜索效率,这里提出将拉格朗日乘子的搜索从自然数域中转到以10为底的对数域中进行,同时在区间最小值的搜索中采用二次函数极小值搜索法。通过大量一维大地电磁反演验证,该方法将拉格朗日乘子的搜索效率提高了20%~50%,大大提高了Occam反演的运算速度,方便了其在高维反演中的应用。

电力文献搜索引擎系统设计

文献搜索引擎系统是一种计算机信息检索工具。提出一种全文检索系统的设计方案,对其中的索引数据库和全文数据库的建立、初始化问题、搜索函数的设计、结果页面设计等问题进行详细介绍。

苏拉卡尔塔棋系统的设计与实现

苏拉卡尔塔棋算法是计算机博弈算法的一个重要分支,笔者采用二维数组表示该棋盘及其棋子信息,设计思路简洁,占用空间较小。首先,针对苏拉卡尔塔棋的基本规则,通过棋盘扫描法利用棋盘的内轨和外轨,找出当前棋盘状态下的有效走法;其次,采用置换表和历史启发与NegaScout搜索算法结合的NegaScout_TT_HH,降低搜索过程中的节点数;最后从棋盘的基本价值、棋子的数量、移动范围和攻击力几方面进行考虑,对该棋的棋局状态进行评估。

预测变量-时间分解方法的改进及其收敛性研究

本文改进了文献[1]中的算法并讨论其收敛性,指出了原问题最优解即为搜索函数不动点的条件,提供了在不同条件下可采用的较好的求解方法,得到了实际计算与理论分析相一致的结果。

基于多策略的改进花授粉算法

花授粉算法是近年来提出的一种新型的、简单高效的优化算法,已在各个领域得到广泛应用,但其搜索策略存在的不足,制约着其应用范围.为此,提出一种改进的基于多策略的花授粉算法.首先,新全局搜索策略通过利用两组随机个体差异矢量和莱维飞行机制来增加种群多样性并扩大搜索范围,使算法更易跳出局部最优,提升其开采能力;其次,在局部搜索部分引入精英变异策略,并与随机个体变异机制组合成一种新的局部授粉策略,利用精英个体对其他个体的演化方向进行引导,提高算法的搜索速度;通过随机个体变异策略来保持种群的多样性,增强算法的持续优化能力;同时,通过一种线性递减概率规则调节这两种变异策略,使其取长补短,以提高算法的优化能力;最后,对进化中没有得到改善的解,利用余弦函数搜索因子策略产生一个新解加以替换,从而提高算法解的质量.通过5类经典测试函数的仿真实验和采用统计学上的分析,证明了该算法的稳定性和有效性;与现有经典的和知名的改进算法进行了对比,实验结果表明,所提出的改进算法是一种富有竞争力的新算法.同时,利用改进算法对军事领域中的无人作战飞行器航线规划问题进行求解,测试结果表明,改进算法在解决实际工程问题时,同样具有一定的优势.

一种多目标人工蜂群算法

为将标准人工蜂群算法有效应用到多目标优化问题中,设计了一种多目标人工蜂群算法。其进化策略在利用精英解引导搜索的同时结合正弦函数搜索操作来平衡算法对解空间的开发与开采行为。另外,算法借助了外部集合来记录与维护种群进化过程中产生的Pareto最优解。理论分析表明:针对多目标优化问题,本算法能收敛到理论最优解集合。对典型多目标测试问题的仿真实验结果表明:本算法能有效逼近理论最优,具有较好的收敛性和均匀性,并且与同类型算法相比,本算法具有良好的求解性能。

基于通用量子门的量子遗传算法及应用

为加快量子遗传算法的参数更新速度,简化遗传操作步骤,提出了一种基于通用量子门的量子遗传算法(Quantum Genetic Algorithm with Universal Quantum Gate,UQGA)。该方法以通用量子门为逻辑计算单位,对染色体进行遗传操作。利用Hadamard门进行基础变换;通用量子门通过新的旋转角度函数,对各个基因位进行选择、变异操作;通过求解适应度函数,得到全局最优解;同时,算法经数学证明是收敛的。该算法应用到函数极值搜索和Iris数据集特征选择中。实验结果表明,UQGA具有较好的全局搜索和特征选择性能,尤其是在收敛速度、运算时间和分类准确率方面明显优于普通量子遗传算法和普通遗传算法。

SURF与FLANN算法结合的图像匹配方法

针对核环境下自主式导航机器人对目标识别与跟踪过程中提高特征点匹配的准确率和稳定性问题,提出一种基于加速鲁棒特征(speed up robust features,SURF)算法进行特征提取和特征描述,利用快速最近邻逼近搜索函数库(fast library for approximate nearest neighbors,FLANN)算法进行特征点预匹配,并使用随机采样一致性(random sample consensus,RANSAC)算法优化匹配结果,从而实现图像实时匹配与识别。实验结果表明,在不同实验条件下,包括角度变换、缩放变换、局部遮挡、局部光照等,本文算法均能匹配出目标区域内模板图像,具有较好的精确性和稳定性。

基于CAFMS算法的正弦调频信号参数估计及性能分析

文章提出了一种估计单分量正弦调频信号参数的新算法,详细分析并推导得到了调制指数与幅度两个参数的理论估计精度.仿真结果表明,在较高信噪比条件时(SNR>-3dB)论文所提算法的估计理论精度与仿真精度基本上是一致的.这说明了文章理论分析的正确性,也说明了论文所提算法的有效性和优越性.

HOG-FLANN在图像匹配ORB算法中的应用

针对ORB算法在图像匹配中特征点的提取会存在一些不稳定边缘点,为了提高ORB特征点匹配的准确性,提出了使用方向梯度直方图(HOG)描述符与快速最近邻逼近搜索函数库(FLANN)相结合的匹配算法。本算法通过移动的HOG窗口对图像中的局部窗口进行初步匹配,然后在HOG窗口的约束下通过使用FLANN对ORB特征点进行图像预匹配,最后采用随机采样一致性(RANSAC)对错误的匹配点进行剔除实现图像的精确匹配。经实验测得本文算法的预匹配准确率由原来的89%提高到了94%,实验结果表明采用HOG窗口与FLANN相结合的匹配算法可以有效的提高ORB特征点预匹配的准确率,并具有较好的稳定性。

中值滤波在噪声图像匹配中的应用

在图像匹配中噪声是影响图像匹配准确性的关键因素之一,为了提高图像匹配的准确率,本文提出了中值滤波与SIFT算法相结合的图像匹配算法。使用中值滤波对含有噪声的图像进行预处理,然后采用SIFT算法对图像中的特征点进行检测并获取特征点的描述符。在图像匹配中采用快速最近邻逼近搜索函数库(FLANN)算法快速完成图像特征点的匹配,最终采用随机采样一致性(RANSAC)完成对错误匹配的剔除实现图像的精确匹配。

特征匹配技术在水下边坡监测中的应用研究

针对传统水下边坡监测无法快速、直观展现水下边坡的形态、坡度和细部地形特征,以及多期测量成果间客观存在的系统偏差问题,提出了一种基于特征匹配的水下边坡监测新方法。首先将每期多波束三维点云数据生成水下地形曲面,得到水下边坡的多波束声纳影像;然后将多期监测声纳影像采用加速稳健特征算法生成目标特征集,采用快速最近邻逼近搜索函数库和k邻域算法高效找到最优匹配点;最后通过匹配点校正后的声纳影像,可直观反映水下边坡的动态变化,为后期水下边坡整体稳定性分析与治理提供了基础地形数据。与传统监测的方法相比,该方法实现了水下边坡地形监测可视化,具有全覆盖、分辨率高的特点,对及时监测和掌握水下边坡的动态变化具有一定的工程意义。

教学用机文件系统的一种清理方法

一 教学实验用机无效文件清除的必要性 随着学生进行实验和练习时间的增长,会在教学实验用机系统中留下很多无效文件和子目录,磁盘文件系统逐渐变得庞杂起来。这不仅浪费磁盘空间,而且降低了磁盘存取速度,影响系统运行效率;更为不利的是,当在这样的系统环境下重复进行教学(如新一届学生的教学)时,教学进程往往会受到干扰。因此,教学实验用机的软件系统应定期进行清理,消除无效文件和于目录。

一种基于和声搜索的协同过滤算法研究

改进传统的相似度计算方法,为寻找最优的相似度函数,采用参数优化的和声搜索算法来寻找相似度函数的最优权值向量。为提高推荐速度,得到最优的相似度函数后,对于用户的推荐计算不再采用和声搜索算法。实验表明,和传统算法相比,该算法能提高预测精度和覆盖率,有更好的推荐效果,并能够更快地获得目标用户的最邻近用户,加快推荐的速度。

基于改进主动形状模型的含胸壁粘连型肿块的肺区分割方法研究

肺区分割是计算机辅助诊断肺癌的前提。当肿块与胸壁粘连时,由于两者的计算机断层成像(CT)值接近,基于局部低级特征的传统分割方法不能得到正确结果;而且由于肿块体积大,造成了肺区内正常组织的大面积缺失,故以往含胸壁粘连型肺结节(直径小于3cm)的肺区分割方法不再适用,需要采用能结合先验形状和低级特征的主动形状模型(ASM)来分割含胸壁粘连型肺肿块的肺区。但传统ASM的搜索步骤是一种基于最小二乘的优化方法,该方法对异常标记点敏感,会使轮廓更新到正常肺组织和肿块的过渡区域而不是真正的肺边缘。针对这一问题,提出了改进的ASM算法:首先基于距离特征识别异常标记点,然后赋予异常标记点和正常标记点不同的搜索函数。搜索过程在设定的包围核(VOI)内进行。用所提出的ASM方法分割30个含胸壁粘连型肿块的肺区,与金标准的重叠度为93.6%。实验结果表明针对含胸壁粘连型肿块的肺区分割问题,改进的ASM算法能得到较好的分割结果,并且算法的运行时间是在临床可接受的范围内。