基于边际概率分布重新进行单变量选取的置信传播算法求解约束满足问题

针对RB模型这一类具有增长取值域的随机约束满足问题,提出一种基于边际概率分布重新进行单变量选取的置信传播算法。该算法在置信传播方程不收敛时,通过边际概率分布顺序由大到小找到下一个变量进行重新赋值,从而消去变量的过程。实验结果表明:这种重新挑选变量进行赋值的置信传播算法能在可满足相变区域找到问题的解,有效地提高了置信传播地求解效率。

约束可满足性中求解RB模型实例的算法综述

约束满足问题是人工智能领域中最基本的NP完全问题之一。多年来,随着约束满足问题的深入研究,国内外学者提出多种实例模型。其中,RB模型是一种能生成具有精确相变的增长域约束满足问题实例,其求解难度极具挑战性。为了寻找其求解的新型高效算法,促进约束可满足问题的RB模型求解算法领域的研究,首先从约束满足问题的模型发展、求解技术进行分析;其次,对各类求解RB模型实例算法进行梳理,将求解的算法文献划分为回溯启发式类、信息传播类和元启发式类相关改进算法,从算法原理、改进策略、收敛性和精确度等方面进行对比综述;最后给出求解RB模型实例算法的研究趋势和发展方向。

一种基于回溯求解约束满足问题的置信传播算法

针对一个典型的具有可变取值域的随机约束满足问题模型即RB模型,提出一种基于回溯的置信传播的算法。该算法在置信传播方程不收敛时,通过回溯对上一个变量进行重新赋值,从而将消去变量的过程继续进行下去。数值结果表明:这种基于回溯的置信传播算法能在可满足性相变区域找到问题的解,有效地提高了置信传播算法的求解效率。

基于条件约束满足问题的产品配置研究

强大灵活的配置模型和高效的求解策略是实现复杂产品配置的基础。为了构建复杂产品的配置模型,提出了一种基于条件约束满足问题框架的配置建模方法,该方法利用配置变量和配置约束来统一表达配置模型中的产品模型和用户需求,从而使配置模型具有表达一致性;配置变量分为类型变量、属性变量、接口变量、基数变量四种类型;配制约束包含依赖约束和活动约束两种类型;在构建统一形式配置模型的基础上,采用一种模型分解策略进行求解。最后采用一个汽车产品实例说明配制建模和配置求解过程。

可满足问题中的模型计数

模型计数问题是指计算给定问题的解的个数,这是一类比决策更困难的问题,也是人工智能领域研究的一个热点问题.对模型计数问题的研究不仅可以提高算法的求解效率,更能促进对问题困难本质的了解.以可满足问题(命题可满足(SAT)和约束可满足问题(CSP))为例,从精确算法和近似求解两方面综述了模型计数问题的研究现状,重点介绍了相关概念以及各个算法之间的优缺点,并提出了有待解决的开放性问题,对模型计数问题的研究予以了总结和展望.

一类约束满足问题及其算法

针对具有解析约束形式、同一变量多赋值的约束满足问题,提出了一种新的约束满足问题定义·通过一种特殊约束满足问题的研究提出一套建立在这个定义基础之上的概念和三种算法:整数规划法、不等式组法和直接求解不定方程法,详细研究了其中的第三种算法,并给出了最坏情况下的时间复杂度,从而能够比较清晰地描述一类约束满足问题的一般分析过程,揭示了约束满足问题同经典的整数规划、数论和整数环论的联系·

基于非二元约束满足的配置问题求解方法

依据产品的可配置性,提出基于非二元约束的逻辑产品模型,给出基于动态变量序的一类配置求解算法。采用仿真实验比较各种算法的求解效率,指出各算法在不同配置约束密度下快速求解配置问题时的适用范围。基于逻辑产品模型,依据配置问题实际性质,采用相应配置求解算法,能够更快地生成符合客户要求的产品配置方案。

E-CARGO模型在CSP问题中的描述

基于角色的协同RBC(Role-Based Collaboration)是一套研究角色及它们之间复杂关系的方法、理论和技术。在RBC中,群组角色分配GRA(Group Role Assignment)既是一个关键问题,也是一个难题。已有许多研究探讨了基于Q(Qualification)矩阵来处理GRA问题,但仅利用Q矩阵难以描述问题中的复杂约束关系。因此,将约束集(Constraint)引进E-CARGO模型,提出了带约束的EC-CARGO模型,研究了RBC、GRA、SAT(SATisfaction)和CSP(Constraint Satisfaction Problem)之间的联系,建立了RBC-GRA-SAT-CSP问题求解转换关系;提出应用EC-CARGO模型求解经典CSP约束满足问题的方法,进而描述了应用GRA求解CSP约束满足问题的通用框架。最后以N皇后问题为例,验证了通过GRA的约束指派求解CSP问题的有效性。

优化求解约束满足问题的MDDc和STR3算法

广义弧相容是求解约束满足问题应用最广泛的相容性,MDDc,STR2和STR3是表约束上维持广义弧相容应用较多的算法,其中,MDDc基于对约束压缩表示的思想,将表约束表示成多元决策图,对各个元组之间存在较多交叠部分的约束具有很好的压缩效果;STR3同STR2一样,基于动态维持有效元组的思想,当元组集规模缩减较慢时,STR3维持广义弧相容的效率高于STR2.通过深入分析发现,MDDc中查找节点的有效出边和STR3中检测并删除无效元组是耗时最多的操作.分别对MDDc和STR3提出一种自适应查找有效出边和检测删除无效元组的方法AdaptiveMDDc和AdaptiveSTR,对于同一操作,可以根据回溯搜索不同阶段的局势,自适应地选择代价最小的实现方法.得益于较低的判断代价以及回溯搜索不同阶段采用不同方法的效率差异,AdaptiveMDDc和AdaptiveSTR相比,原算法速度提升显著,其中,AdaptiveSTR在一些问题上相比STR3提速3倍以上.

值域增长约束满足问题的无回溯与随机行走策略的算法复杂性分析

值域增长的约束满足问题模型是计算复杂性理论中一类重要的实际问题模型,针对解决这类问题的算法研究仍然很少。通过研究RB模型这一典型的值域增长约束满足问题,发现当问题规模很大时,无回溯策略比随机行走策略更加有效。这与典型的值域确定的约束满足问题如SAT问题不同,是值域增长的约束满足问题所特有的性质。通过实验研究了两种策略的表现,并进一步对两种策略的表现进行了分析。

基于禁忌搜索算法求解随机约束满足问题

为了求解具有增长取值域的随机约束满足问题(CSP),提出了一种基于禁忌搜索并与模拟退火相结合的算法。首先,利用禁忌搜索得到一组启发式的初始赋值,即由一个随机初始化的可行解通过邻域构造一组候选解,再利用禁忌表使候选解向最小化目标函数值的方向移动;如果得到的最优赋值不是问题的解,就把它作为启发式的初始赋值,再执行模拟退火对这组赋值进行修正直到得到全局最优解。数值实验结果表明,所提算法在接近问题的理论相变阈值时仍然能有效地找到问题的解,与其他局部搜索算法相比,表现出了显著的优越性,可用于随机CSP的算法设计。

两种改进的模拟退火算法求解大值域约束满足问题

随机约束满足问题的相变现象及求解算法是NP-完全问题的研究热点。RB(revised B)模型是一个非平凡的随机约束满足问题,它具有精确的可满足性相变现象和极易产生难解实例这两个重要特征。针对RB模型这类具有大值域的随机约束满足问题,提出了两种基于模拟退火的改进算法即RSA(revised simulated annealing algorithm)和GSA(genetic-simulated annealing algorithm)。将这两种算法用于求解RB模型的随机实例,数值实验结果表明,在进入相变区域时,RSA和GSA依然可以有效地找到随机实例的解,并且在求解效率上明显优于随机游走算法。在接近相变阈值点时,由这两种算法得到的最优解仅使得极少数的约束无法满足。

启发式回溯算法求解约束满足问题

针对一个典型的具有可变取值域的随机约束满足问题,提出了利用度启发式策略和最少约束值启发式策略来选择变量进行赋值的不完备回溯算法。该算法首先通过度启发式来确定待赋值变量的顺序,然后利用最少约束值启发式对选择的变量进行赋值,最后在有限时间内通过回溯得到变量的一组取值。用此算法对由RB模型生成的随机实例进行求解,实验结果表明,与经典的回溯算法相比,该算法具有显著的优越性。在控制参数(即约束紧度)进入相变区域时,该算法能在较短的时间内有效地找到实例的解。

不同紧度下约束满足问题的相变现象

提出了一个基于RB模型的随机约束满足问题即p-RB模型。该模型考虑了约束紧度的多样性,将所有约束按照不同的权重分成若干组,同一组具有相同的约束紧度,而相异组具有不同的约束紧度。用二阶矩方法严格证明了随着控制参数的不断增加,p-RB模型发生了精确的可满足性相变现象。数值实验表明该模型的有解概率经历了从1到0的突然转变,同时求解难度在相变区域达到高峰,表明该模型在相变区域能产生大量的难解实例。

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。

船舶动力定位非线性模型预测控制

针对受船舶运动状态和推力饱和约束影响的动力定位控制问题,本文提出了一种非线性模型预测控制方法。依据多面体描述理论建立了船舶动力定位多面体描述偏差模型,针对上述模型采用线性矩阵不等式设计非线性模型预测控制器中的终端要素,并证明了闭环系统的稳定性。仿真结果表明:设计的控制器能在满足约束条件和受环境干扰条件下快速控制船舶稳定在计划航向和计划船位,验证了控制器的有效性和本质鲁棒性。

基于约束规划的一类排序问题通用求解方法

多约束排序问题是生产调度中常遇到的问题,传统的优化模型及方法在适应约束改变等方面存在诸多不足。鉴于此,将多约束排序问题定义为约束满足问题,系统设计时将模型定义与求解算法分离,利用约束规划平台的基本约束构建特定领域的抽象约束库,形成可重构的多约束排序问题通用求解框架。应用时,根据问题需求不同可利用抽象约束库快速重构优化模型,针对重构的优化模型配置相应的求解算法即可实现问题求解。应用结果表明,提出的方法通用性强,可满足实际应用的要求。

产品方案设计约束模型及其演化博弈算法求解

针对产品方案设计这一有约束的系统求解问题,通过分析产品方案设计在概念与特性上与约束满足问题(CSP)的相似性,将方案求解问题映射到CSP中来表示方案设计,对应CSP中的变量、变量的域和约束集建立产品方案设计CSP模型.采用演化博弈算法求解CSP模型,将方案设计求解问题的搜索空间映射为博弈的策略组合空间,将评价函数映射为博弈的效用函数.通过主体的顺序最优反应达到均衡状态,并不断对均衡状态施加扰动再重新恢复均衡,从而搜寻到更优的均衡状态,最终达到对应于全局最优解的Pareto最优均衡状态.以透平膨胀机的方案设计为例验证了所提理论和方法的可行性和有效性.

数值与符号的耦合约束求解模型

采用约束关系依赖图(CRDG)表达耦合约束之间的依赖关系,从而建立数值与符号耦合约束模型。提出耦合约束的求解算法:对CRDG进行最小独立子图分解,对存在耦合约束的子图用"孪生变量法"进行一阶解耦,对没有耦合约束的子图用传统方法进行独立求解,求解之后再对孪生变量进行等效性验算。该耦合约束模型及其求解算法拓展了传统约束理论,实现了数学求解和推理求解有机地结合。

基于约束满足和贝叶斯网络的大规模定制产品配置方法

针对在产品配置过程中忽略了用户兴趣这一不足,提出了一种基于约束满足问题(constraint satisfaction problem,CSP)与贝叶斯网络(Bayesian network,BN)二者结合的产品配置方法.在CSP与BN的理论基础上,建立了基于CSP与BN的配置模型,给出了求解的具体方法.最后以组装电脑为例,开发了组装电脑产品的配置系统,该系统验证了这种配置方法能对配置结果进行优化,具有一定的可行性和有效性.