基于A星搜索算法的5G前传路由选取技术

在基于到光纤直驱和波分复用等技术的5G前传网络中,无论使用哪种前传承载技术方案,均涵盖不同路由站点之间传输的场景。本文基于启发式图搜索法——A星搜索算法的思路,结合基站前传的特征以及分析盲目的图搜索的劣势,提出新的估价函数思想,并且为5G前传路由的选取提供一种更为高效的算法。

基于改进A^(*)算法的移动机器人路径规划

针对A^(*)算法在路径规划中存在遍历节点数过多、转折角度较大的问题,提出一种能自适应场景地图的改进A^(*)算法。通过量化地图场景信息和障碍物分布情况,引入父节点对当前节点的影响力,增加障碍物分布率的启发函数权重,减少遍历节点数量、提高搜索速度;加入转弯惩罚函数、扩展邻域优先级搜索和冗余节点平滑策略对路径进一步优化,避免路径出现多余转弯,降低路径出现局部最优解的可能。在相同地图场景中进行测试对比,所提算法能有效减少遍历节点数量,降低总转折角度,提高搜索速度,缩短路径距离,获得最优路径。

一种改进启发函数的A^(*)算法

针对传统A^(*)算法路径搜索节点多和转折角度大的问题,提出一种改进启发函数的A^(*)算法.首先,基于子节点到目标节点的距离改进启发函数表达式;其次,以子节点到目标节点障碍物占地面积与子节点到目标节点地图总面积比值构造的动态权重因子调整启发函数;最后,以启发函数构造累积代价函数的权重因子.结果表明,相比其他5种路径规划算法,改进后A^(*)算法可有效减少搜索节点数,提高搜索效率,降低路径转折角度.

改进的万有引力搜索算法在函数优化中的应用

万有引力搜索算法应用于函数优化问题时易陷入局部最优解且优化精度不高。针对这些问题,提出了一种改进的万有引力搜索算法。该算法通过引入反向学习策略、精英策略和边界变异策略,显著地提高了万有引力搜索算法中粒子的探索能力与开发能力,获得了较强的全局优化能力和局部优化能力。通过对6个非线性基准函数进行仿真实验,结果表明:与基本的万有引力搜索算法、加权的万有引力搜索算法和人工蜂群算法相比,改进的万有引力搜索算法在求解复杂函数的优化问题时具有更好的优化性能。

基于约束满足的车间调度算法综述

为了说明如何利用启发式信息构造车间调度的约束满足求解算法,首先概述了常规约束满足求解技术,进而介绍了车间调度问题的约束传播算法、树搜索算法和启发式修复算法的构造原理及适用性。在此基础上,针对目标优化问题,给出两种求解框架。最后,指出近期的研究趋势和进一步的研究工作。

基于A^＊算法的舰船最佳航线选择

提出利用A*启发式搜索算法选择舰船最佳航线,对算法中利用的估价函数作了定量的描述.通过实例与传统的图搜索算法选择最佳航线进行比较,A*算法不仅减少了搜索的结点数目,而且搜索效率较Dijkstra算法可以提高30%～40%.

混沌映射与t-分布变异策略改进的海鸥优化算法

针对海鸥优化算法(SOA)求解精度较低、迭代后期收敛速度慢、易陷入早熟收敛的缺点,提出一种基于混沌映射和t-分布变异改进的海鸥优化算法(CtSOA),采用tent映射策略使初始海鸥种群均匀分布在搜索空间中,采用t-分布变异策略平衡算法的探索和开发能力,综合两种改进策略提高了算法的全局搜索精度和跳出局部极值的能力。在14个测试函数上分别与SOA、其他五种元启发式算法、单一策略改进的SOA以及其他学者改进的SOA进行对比,实验结果表明,综合两种改进策略的CtSOA具有更优的收敛精度和更快的收敛速度。

基于启发式函数的多叉树防碰撞算法

为克服传统二叉树防碰撞算法搜索效率低的缺点,提出了一种基于启发式函数的自适应多叉树防碰撞算法。新算法通过定义和计算启发式函数,有效地利用碰撞比特信息来估计节点内待识别标签的数量。新算法根据节点内的标签数量,可在不同节点和深度,自适应地调整搜索叉数,从而有效地提高了算法的搜索效率。理论分析和仿真实验证明:新算法克服了传统防碰撞算法的缺点,尤其在待识别标签数量较多场合,可有效地减少搜索和识别时间,提高射频识别系统的吞吐率。

A^＊算法在游戏寻径中的应用

图搜索技术能够从图中寻找一条从起点到目标点的路径.围绕游戏寻径问题,介绍了如何确定启发式函数进行启发式搜索,并把A*算法用程序加以实现,从而证明A*算法可以解决游戏中的寻径问题.

博弈树置换表启发式算法研究

博弈树搜索对于计算机博弈至关重要。优秀的搜索算法通过搜索较少的节点就可以获得最佳路径,从而提高计算机的博弈水平。论文以中国象棋计算机博弈作为背景,在alpha-beta基本搜索算法上,详细阐述了置换表启发算法的原理和哈希冲突,引进了双层置换表的概念及其替换策略,增强了引擎的搜索效率。实验结果表明了该算法的有效性。

基于有序爬山法的前向启发式搜索规划

根据快速前向启发式搜索规划器FF中放宽规划图和有利动作之间的关系,定义了状态适用度函数的概念,可对后继扩展状态的启发式估值进行快速近似的比较。在此基础上,结合增强型爬山法搜索后继状态的贪婪选择机制,提出了一种改进的局部搜索算法——有序爬山法,即根据状态适应度函数对所有待扩展的后继状态进行排序,并加入到扩展优先队列。在启发式估值阶段,适应度高的状态将被优先计算评估,有利于更快地发现较优状态,从而减少调用启发式估值程序的次数。通过在国际规划大赛基准测试领域的实验结果表明,该方法减少了搜索节点的数目和搜索时间,有效地提高了启发式搜索效率,而计算状态适应度及对状态进行排序的时间消耗几乎可以忽略,因此整体规划性能比FF有显著的提升。

一种LKH组播密钥树的启发式构建方法

LKH(logical key hierarchy)方法是一种有效的组播密钥更新技术。但在密钥更新过程中,该方法的加密开销与传输开销往往成为通信系统的瓶颈。通过对上述问题的研究,给出了最优密钥树结构的定义,并提出一种构建最优密钥树的启发式搜索算法。与传统LKH密钥树结构相比,最优树的不同层具有不同的分支数,因此其可降低密钥更新过程中的处理开销。理论分析与仿真实验均表明,所提方案可有效降低系统组播密钥更新的加密开销、传输开销及密钥存储量。

基于D*Lite算法的估价函数分析

为提高D*Lite算法在机器人路径规划中的效率,提出3种基于D*Lite算法的估价函数。研究函数的特性及其构造原则,结合Aε*算法的特点,利用估价函数的可纳性约束设计其改进算法。实验结果表明,改进算法能减少扩展节点的数量,提高搜索效率,并保证其解在一定范围内的最优性。

基于启发式搜索算法的网格信息查询优化

如何提高网格信息系统的查询效率是提高网格性能的关键问题之一。在基于资源分类树(将计算资源按其属性和数值组织成平衡二叉树)的网格信息系统中,资源分类树深度过大,搜索效率就会降低。针对该问题,提出基于启发式搜索算法的查询优化方案并成功应用于原有的查询系统。给出具体的算法、实验步骤及结果分析。实验结果表明,采用启发式搜索可以提高网格查询系统的查询效率。

A树搜索算法代价与误差关系的研究

本文对Ｐｅａｒｌ提出的Ａ＊算法所使用的可采纳性启发式函数ｈ的准确性和期望代价之间的精确关系的两个定理做了介绍，并提出和证明了为确保这两个定理正确性的附加条件．

模S下的AND/OR图的启发式搜索算法NAO

本文首先定义了一类新的AND/OR图:图中的结点或为AND结点或为OR结点,而不能是混合型结点,并定义其路径耗散值用三角模S来度量和计算,使其更具有普遍意义,作为通常的AND/OR图AO~*算法的推广,本文依照普通图A~*算法中的启发式估价函数f=g+h,将新AND/OR图中的启发式估价函数F分成G、H两部分,并据此提出了NAO~*算法。本文的结论表明:NAO~*算法与AO~*算法有本质的不同;当H≤H~*时NAO~*可采纳,而且其结果极易推广到一般的AND/OR图中去。

基于人工智能的城市交通系统关键技术研究

通过对城市智能交通系统的数据组织形式、数据结构的分析 ,确立了以四叉树形式组织空间信息的方法 ,以及知识库中规则表示形式 ,提出了用启发式图搜索策略 ,改进逐层回溯策略的方法 ,建立并实现了交通图中求解最优路径的算法 .

基于宽度优先搜索的K-medoids聚类算法

针对传统K-medoids聚类算法对初始值敏感、中心点随机选择以及聚类精度不够高等缺点,在粒计算有效初始化的基础上,提出中心点宽度优先搜索策略。首先,利用粒计算初始化获取K个有效粒子,遴选该K个粒子所对应的K个中心点作为K个初始中心点;然后,根据对象间的相似性分别对K个粒子中的对象建立以中心点为根节点的相似对象二叉树,通过宽度优先搜索遍历二叉树迭代出最优中心点,同时采用簇间距离和簇内距离优化准则函数。实验结果表明,所提算法在UCI中Iris和Wine标准数据集中测试,在有效缩短迭代次数的同时保证了算法聚类准确率。

双向启发式图搜索算法BRA之研究

本文在[1]中基于模运算,提出了随机产生式系统的启发式图搜索算法RA~*.本文提出一个随机产生式系统的双向搜索的启发式图搜索算法BRA~*,证明了算法BRA~*的可采纳性,并得到了一些新的可采纳性结果.算法BRA~*的搜索效率比算法RA~*高.若启发式估价函数满足单调性限制,通过使用NP操作,则算法BRA~*的搜索空间将进一步减少.

ATLAS语言实现中的设备分配算法研究

ATLAS是一种专业领域测试语言,其特有的设备分配给该语言的实现带来一定困难.本文提出了一种基于剥夺的启发式双重回溯搜索静态设备分配算法;并针对实际应用中ATE的特点,给出了两个实用的启发函数指导设备分配过程.通过若干实例表明,该算法能够以较高的效率实现静态设备分配.