说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 启发式搜索算法
1)  heuristic search algorithm
启发式搜索算法
1.
A heuristic search algorithm has been put forward for the 0-1 goal programming model by establishing optimal evaluation function,and by using the state-space theory of Artificial Intelligence.
针对期刊编辑部的稿件刊发计划问题,应用运筹学整数规划与目标规划理论,建立0-1目标规划模型;引入人工智能状态空间搜索理论,通过建立最优估价函数,提出了0-1目标规划模型的启发式搜索算法,用 C 语言编制了相应的求解程序软件,在微型计算机上实现了至今难以解决的0-1目标规划模型的求解问题。
2.
In order to improve the search efficiency, this paper presents an optimization solution based on heuristic search algorithm and applies it in the original system successfully.
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。
3.
This paper introduces the theory of artificial intelligence heuristic search algorithm, the advantage and search process of A* algorithm.
最短路径问题(SP)是人工智能的一个活跃方向,本文介绍了人工智能中的一般启发式搜索算法的原理及算法的优点,搜索过程,并将其应用到公园导游系统的路径搜索中,给出了一种搜索公园导游地图最短路径的算法及其实现。
2)  heuristic search algorithms
启发式搜索算法
3)  heuristic algorithm
启发式搜索算法
1.
Through combining genetic algorithm with simulated annealing, a heuristic algorithm is proposed and the network is represented by a sparse Huffman tree,which is used to optimize topological design withthe objective of minimizing the average network delay.
采用稀疏哈夫曼树来描述网络拓扑结构,并将遗传算法和模拟退火法相结合,提出了一种启发式搜索算法,实现了以最小平均时延为目标的局域网拓扑优化设计。
4)  A *heuristic search algorithm
A*启发式搜索算法
5)  tabu search heuristic
禁忌搜索启发式算法
1.
For the combinational attribute owned by the model,a tabu search heuristic is developed.
首先对研究问题进行界定,其中交通网络的道路和节点均带有禁止时间窗,目标是通过路径选择最小化应急物资的调运时间;随后定义两组决策变量,分别用于路径上节点和枝线的选择,进而构建问题的整数规划优化模型;鉴于模型的组合属性,设计问题求解的禁忌搜索启发式算法;最后通过一个算例对结果进行说明,得到如下结论:由于禁止时间窗的影响,车辆在最差路径上的运输时间及等待时间,要比满意路径上的分别长68。
6)  Heuristic Search Method
启发式搜索方法
补充资料:启发式搜索


启发式搜索
heuristic search

q一fQ sh一sousuo启发式搜索《heuristic search)一种利用与待求解问题有关的信息,即所谓启发信息,对搜索路径的走向给予一定约束或选择的搜索方法。 搜索方法的目标是要在与间题有关的状态空间或图表示中,根据已知的初始状态(起始节点)、目标状态(满足目标状态描述的节点)以及从一种状态(节点)转换到另一种状态(节点)所允许的操作或算符,寻找一条从初始状态达到目标状态的途径。绝大多数问题求解技术最终都归结为状态空间或图的搜索问题。 一般说来,不同的问题求解类型需要不同的搜索策略。根据问题求解的任务和问题本身所存在的解的情况,问题求解可分为三种类型。一是问题只有唯一解或有多个解,但它们均处于同等地位,不涉及寻找最优解。这类问题要求搜索方法尽可能地减少搜索次数并保证完全性,即问题存在解的话,搜索一定能成功并找到问题的解。定理证明所面临的就是这类问题。二是问题有多个解,问题求解的目的是寻求其最优解。在问题的规模不太大,复杂性不甚高的情况下,这是可以做到的,但对大多数这类问题来说,需利用某些启发信息以提高搜索效率。A‘和献)’等启发式搜索算法所要解决的就是这一类问题。第三类与第二类相似,但间题是NP难解的(参见Np完全性理论)。在现实的存储资源和时间条件下很难或根本得不到最优解。同时,对于诸如推销员旅行问题等具体应用,令人满意的解也并非一定要最优解。因而在求解这类问题时可以放弃最优解而研究各种更加实用有效的启发式搜索方法。 50年代末期,A.N~11,J.C.Sllaw和H.A.Sin五〕n开始研究启发式搜索。60年代中期以后,随着计算机,尤其是人工智能应用领域的不断扩大,NP难解性问题又长期得不到解决,因而启发式搜索的研究越来越引起人们的重视与兴趣,并且取得了一批引人瞩目的成果。如J.D〕ran和D.Michie以及N.J.Nill以)n的利用搜索估价函数引导搜索的方法,P.E.Hart,Nillsoll和B.Raphad的A‘算法,与或图上的启发式搜索AO‘算法以及各种博弈树搜索等。 启发式搜索的最大特点就是在搜索过程中使用与问题有关的启发信息来缩减搜索量,其一般过程如下: 步骤1建立只含有初始节点S的搜索图G,把S放人名为()PEN的未扩展节点表中; 步骤2建立扩展节点表口丈EEI),C以)SED初始为空表; 步骤3若01〕EN为空表,则搜索失败并退出; 步骤4把OPEN表上的第一个节点n〔xle移人CL(〕SEI〕表; 步骤5若n浏e为目标节点,则搜索成功并退出。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条