基于启发式回溯算法的平面移动式立体车库RGV调度策略

为了提高立体车库路径规划阶段的兑现率,对有轨引导小车(rail guided vehicle,RGV)运行过程及行程时间进行分析,给出了符合并行调度模式的路径重叠率计算方法,针对立体车库作业特征提出了一种值排序启发式(value ordering heuristics,VOH)回溯算法,构建路径节点滑动时间窗,以单位时间窗内任务请求数作为约束函数,通过评估函数对扩展结点性能进行估值并排序,并利用VOH-预剪枝策略对部分结点进行剪枝,以此提高算法求解速度。在非齐次泊松到达过程下进行仿真,实验结果表明,值排序启发式回溯算法可有效降低RGV并行运行过程中时间、空间的路径重叠率,在该实验规模的立体车库模型中发挥稳定,表现为在RGV平均利用率基本不变的前提下具有更小的平均服务时间,当顾客到达率为40、25、10、5 veh/h时,RGV平均服务时间分别减少18.07%、13.29%、12.46%、4.27%,为提升立体车库运行效率提供参考。

基于强化学习的混合元启发式暂态电压稳定特征选择方法及可解释性研究

新型电力系统发展背景下,使用有效的特征选择方法来提取与暂态电压稳定强相关的关键响应特征,对研究暂态电压失稳机理与系统潜在安全隐患具有重要意义。为此,提出一种基于改进过滤法与混合元启发式包装法的复合框架进行特征选择的新方法。基于对称不确定性值改进的最大相关最小冗余性准则进行特征粗筛;将Q学习强化学习融合至元启发式优化算法中,并采用开发探索折衷策略以增强特征细选能力,获取最优关键响应特征子集。在此基础上,采用沙普利值加性解释归因理论综合分析各筛选特征对暂态电压稳定的影响与系统薄弱环节。新型电力系统算例验证了所提方法的有效性。

基于粗糙集的启发式值约简的改进算法

本文根据粗糙集理论讨论了属性值约简问题,基于属性值的重要度提出了一种改进的启发式值约简方法。首先,通过约简广义特征表和决策表获得决策表的属性值核。其次,用条件属性与决策属性之间的互信息增量来度量值重要度,进行启发式信息、构建和属性值约简。最后,用属性蒸发率和置信度等指标对决策规则质量进行评价,验证了算法的有效性。

基于动态值启发式的约束满足求解算法

为提高约束满足问题的求解效率,提出了一种基于动态值启发式的约束满足问题求解算法。该算法在求解过程中吸收了以往启发式算法的优点,充分利用了预处理和弧相容检查阶段的信息。不但加入了变量启发式,而且在实例化变量时,对所有值的优先级进行动态的改变,从而实现了动态值启发式。比较了静态值启发式和动态值启发式的效率,分析了该算法的优缺点。通过随机问题标准库用例测试表明,该算法比经典主流算法具有更好的效率优势。

一种基于辨识矩阵的启发式属性值约简新算法

属性值约简是Rough Sets知识约简的核心内容之一。针对经典算法存在的不足,对属性值约简的本质及过程进行了深入研究,在此基础上构造辨识矩阵,提出了一种启发式的属性值约简新算法,并对其正确性进行了分析和证明。实验表明该算法有效可行,不仅可以得到更加简练的决策规则,而且不破坏决策系统中不一致规则所蕴含的信息量,弥补了经典算法的不足。

带模糊权值的最短路问题及启发式算法

研究网络链路权值是三角型模糊数时的最短路问题,建立模糊线性整数优化模型。通过引入目标函数的正、负理想点和隶属度概念,将模糊优化问题转化为确定系数的单目标优化问题,并给出求解算法。该算法通过调整反映决策者意图的目标函数权系数,得到决策者的满意解。对14个节点的实例网络进行仿真,经过6步就能得到令决策者满意的解,表明了模型和算法的有效性。

光伏发电系统容配比与功率限值整定方法

为在保证系统可靠运行的前提下实现光伏发电系统发电量最大化,提出一种以光伏发电系统度电成本为目标的容配比与变功率限值整定方法,分析容配比和变功率限值对光伏逆变器可靠性以及系统发电量的影响规律,建立考虑功率器件寿命的光伏发电系统容配比与功率限值参数优化整定模型,并利用启发式算法进行模型求解。最后,不同纬度地区的算例分析结果验证所提整定方法的有效性。

两种智能值排序启发式研究

为提升约束满足问题求解效率,对最受推崇的智能值排序启发式Look-ahead和Survivors-first进行深入研究。比较两种值排序启发式在常规和自适应两种环境下的效率表现。结果显示,在多数问题类上,常规情况下Survivors-first效果更好,而在自适应环境下效率有所下降;在不同环境下使用不同启发式可提升约束满足问题求解效率。

改变值更新规则加快启发式实时算法的收敛

网络最优路径问题的求解多用启发式算法。LRTA*算法作为启发式A*算法的改进,在多路径求解中,通过引入网络系统实时动态信息,满足动态环境下的实时要求,较快收敛于最优路径。本文给出了通过改变值更新规则来加快实时算法收敛的一种新方法,通过时间和解质量的相对折中,使该算法比LRTA*算法更快地收敛于满意解,是一种求解大城市稠密路网两点间最优路径的有效方法。

模糊集值产生式系统的启发式图搜索算法

首先提出了模糊集值产生式系统的概念，然后运用三角范算子，得到了模糊集值产生式系统的启发式算法。

启发式的属性值约简在隐形眼镜诊断中的应用

根据粗糙集理论,讨论属性值的约简方法。属性值约简是在属性约简的基础上,对决策表中的每一条记录去掉冗余属性值,从而构成一个最小的决策规则集。重点根据启发式值约简方法,对隐形眼镜数据进行分析,为后序的数据分析减少冗余信息。

启发式值约简算法的研究与实现

在粗糙集理论的基础上,本文研究了启发式值约简的过程。本文研究的就是在属性约简完成后的启发式值约简算法,它一般先构造由约简属性集合和决策属性组成的决策表;然后利用一定的启发式信息对其进行去重操作,得到的新表将作为值约简的初始决策表;最后,判断记录中的各个属性值是否冗余,删除冗余属性值,对记录的属性值进行约简得到近似最小规则集。最终实现了其测试系统。

针对锋电位的启发式阈值检测算法

作为植入式脑电信号处理的关键环节,锋电位检测的精确度将直接影响后续脑电信号的解码与分析。提出了一种基于启发式阈值的锋电位自动检测算法。通过对椭圆滤波器参数的优化,降低了原始信号中有用信号衰减程度,实现了较低幅值锋电位的有效保留。并且启发式阈值的设定大大降低了采集环境引入的混杂噪声干扰,实现了具有鲁棒性的锋电位自动阈值检测。基于英国莱斯特大学神经工程实验室提供的细胞外模拟记录数据的实验验证表明,在多种信噪比下提出的算法的平均检测精度可达65.21%。此外,基于猕猴肢体伸展抓握运动范式下采集的植入式脑电数据的实验的结果表明,即使在不确定背景噪声的真实环境中,该算法仍可有效地用于锋电位信号的检测。

结合look-ahead值排序的自适应分支求解算法

基于新近提出的自适应分支约束求解框架,结合look-ahead值启发式,提出一种新的约束求解算法AdaptBranchLVO。为验证算法效率,在标准测试库上进行了充分对比实验。结果表明,新提出算法在效率上明显优于已有的自适应分支求解算法。

最值问题教学“三步走”:建模、运用与变式——以中考几何最值微专题教学为例

中考几何最值问题是各地热点考题,学校备课组在复习备考期间都会加强对这类问题的复习研究.如果能将一些同类的最值问题“集中”在一起,根据由易到难、由特殊到一般的逻辑顺序展开教学,并注重预设“启发式问题”促进学生自主发现思路,这样做不但能让学生掌握一类最值问题的解答策略,还可以促进学生明辨形异质同的同类问题,发展学生的数学思维.

基于霍夫曼编码的与或树启发式的多值测试算法研究

对复杂航空电子装备,采用基于二值测试的故障诊断策略设计算法,将损失大量信息,降低测试精度和效率。本文针对多值测试的诊断策略优化设计问题进行研究,提出基于霍夫曼编码的与或树启发式搜索算法,通过实例仿真验证该算法是可行的。

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。

炉容受限的加热炉调度问题及启发式修复算法

针对钢铁生产中炉容受限的加热炉调度问题,建立并行加热炉调度的多目标优化模型,并针对问题的NP-难特性提出一种启发式修复算法.在松弛炉容约束得到初始调度的基础上,通过不断检测冲突并消解冲突实现问题的有效求解.根据最小冲突板坯优先的变量选择策略选择冲突板坯,并根据最小在炉板坯数的值选择策略为冲突板坯重新指派新的加工机器;为避免搜索陷入死端,算法增加回溯机制以保证得到可行的调度方案.数据实验表明:该算法能够有效求解炉容受限的加热炉调度问题,且具有较高的计算效率.

加快启发式实时算法的收敛

LRTA 算法是一种实时搜索算法 ,若重复求解同样的规划任务 ,LRTA 将收敛于最短路径 .文中给出了通过改变值更新规则来加快实时算法收敛的一种方法 .实验表明它比LRTA

图规划基于距离的目标排序启发式

讨论图规划回溯搜索过程中变量和值排序的缺点,并且提出一个基于实现某一子目标的难度的简单策略即获得子目标的困难度,该标准可以通过规划图本身的结构加以量化,特殊的使用子目标在规划图中最早出现用层的下标来表示.结果表明该方法在许多标准的规划问题求解过程中的惊人效果.