人工智能中A^＊算法的改进及其在8数码问题中的应用

对人工智能中的经典启发式搜索算法———A 算法,进行较为详细的介绍,并以8数码问题(华容道问题)为例,对传统的启发函数(不在位的将牌的个数)进行了改进,改进后的启发函数采用每个将牌与其目标位置距离的综合.实践证明。

基于广度优先搜索的求解8数码问题的算法研究

本文介绍一种求解8数码问题的算法,它是基于广度优先搜索思想的。针对广度优先搜索算法在时间和空间上的开销较大,本文针对8数码问题,给出了算法采用的数据结构,提高了算法的效率,降低了算法在时间和空间上的开销。

一种基于A^(*)算法与8数码问题的特征映射与估价方法

本文提出一种基于A^(*)算法与8数码问题的特征映射与估价模型ENet,将神经网络的思想应用到估价函数中,使算法本身更具鲁棒性和高效性。同时,本文还将构筑了一个有关8数码问题的数据集ENumbers,并给出一种基于8数码问题的算法评价标准。实验显示,ENet方法相比其它经典方法更加有效,能够更加精确地拟合A^(*)算法背景下的8数码问题,就皮尔逊相关系数这一精度指标对经典方法提升了约4.025%。

一类状态空间图表示的产生式系统的prolog求解

本文介绍了产生式系统和状态空间图,结合Prolog提出了一种生成产生式系统的一个通用模型,最后通过对几个实例进行了计算机模拟,结果表明,该模型具有良好的适用性.