启发式策略

摘要： 对于随机k-SAT问题,限定每个变元出现的次数恰好出现d次,形成随机规则(k,d)-SAT问题,目前国内外对该问题的相关研究较少,且研究随机规则(k,d)-SAT问题比研究k-SAT问题更为具体。文中给出一种随机规则(k,d)-SAT问题的生成实例模型——RRIG(N,k,d)模型,并用改进的模拟退火算法SARSAT求解规则随机规则(k,d)-SAT问题。将变元出现次数d加入到扰动策略中,利用变元出现次数和子句间约束关系中的启发信息对候选解中的赋值选择性改动,加快算法收敛至较优解的速度;同时,模拟退火算法中的Metropolis接受准则和改进后的退火策略保证了算法能够有效跳出局部最优解,最后使用RRIG(N,k,d)模型生成不同参数的测试实例,并与其他相关算法进行比较,结果表明SARSAT算法能有效解决规则可满足问题。

摘要： 为优化双供应商情形下的设备维护和备件订购联合决策,以多零件并行制造系统为对象,采用泊松过程刻画零件的随机退化,基于马尔科夫决策过程对零件替换和备件订购联合决策进行建模,基于设备状态信息和库存状态信息建立系统状态的转移概率,以最小化系统平均总成本为目标,通过值迭代算法求取最优的设备维护和备件订购联合决策.在此基础上为提高计算效率,缩短求解时间,基于序列优化的方法设计启发式策略,通过双零件系统分析了最优策略和启发式策略的决策差异.敏感性分析结果显示,相比最优策略,启发式策略可以在成本增加率不超过5%时减少计算时间.

摘要： 供电监控系统作为城市轨道交通和城市综合管廊最重要的子系统之一,涉及变电、配电、用电、能源管理等系统的运行监控和健康管理,其可靠性和工作稳定性极端重要。面向城市基础设施的供电监控系统是典型的阶段任务系统(Phased Mission System,PMS),具有很明显的阶段性,即系统运行可分为多个不同阶段,各个阶段完成不同的作业。PMS的故障树BDD分析中变量排序问题是NP完全问题,因此从PMS各阶段故障树的结构特征出发,研究PMS故障树启发式变量排序。对于阶段异构PMS,引入了新的PDO变量排序策略——MEAN策略,基于大量具有各种结构特征的PMS故障树样本比较分析了已有DC策略、MEAN策略以及元变量策略的性能,总结了PMS故障树的策略选择相关结构特征和结构特征依赖的策略选择方法。基于所提出的变量排序策略及策略选择方法可以有效地采用BDD方法分析大规模PMS故障树。

摘要： 随着中国航天事业的发展,卫星地面站资源匮乏问题日益突出,需要对其进行统筹优化使用.因此,卫星地面站资源规划问题得到了广泛关注.在分析问题特点的基础上,对用户规划结果的偏好信息进行建模表达,建立了涵盖用户偏好的多目标数学规划模型,提出了基于偏好多目标进化算法的卫星地面站资源规划算法.为了进一步提升算法性能,设计了基于领域知识的启发式策略,包括:任务扩充策略、冲突消解策略以及任务缩减策略等.实验结果表明,与现有算法相比,用户偏好信息的引入能有效提升问题求解针对性,在IGD-CF(Inverted Generational Distance based on Composite Front)指标上取得了更好的效果.

摘要： 针对快速行进树算法(FMT*)在逐层递归扩展中产生的冗余探索问题,提出一种基于方向选择的快速行进树算法(DS-FMT*).该算法首先对拟扩展样本的四周产生均匀分布的方向选择线,判断周围的障碍物情况并选择有利于扩展的方向作为候选探索方向.随后将拟扩展到下一样本的实际探索方向与候选探索方向做比对,若实际探索方向与候选探索方向夹角一致,则优先考虑扩展该方向的样本.同时,结合样本的成本对比,改进FMT*递归扩展过程,降低了计算复杂度.最后,将所提出的DS-FMT算法与其他同类算法进行仿真比较,证明了DS-FMT*在保证路径良好质量的同时,提高了规划效率.通过移动机器人路径规划的实际应用实验,验证了所提算法的有效性.

摘要： 你是否有过没有经过分析推理大脑就自动得出结论的经历?直觉是指不以人类意志控制的特殊思维方式,它是基于人类的职业、阅历、知识和本能存在的一种思维形式。女性的直觉真的比男性更准吗?直觉又有着怎样的科学依据?有科学家认为直觉是人类进化出的思维捷径,它让人们可以做出有效而迅速的判断。"快速而节俭"的启发式策略就像是感性的暗示,通常很有帮助,但有时却会引起幻觉或错觉。

摘要： 针对零推进剂姿态机动约束耦合,导致规划效率低的问题,提出一种基于约束评价启发式的差分进化算法。基于零推进剂姿态机动约束分析,在规划空间中建立约束评价函数,对航天器约束和控制力矩陀螺约束进行解耦分类处理。设计基于约束评价函数的启发式策略,用于改进差分进化算法的种群变异,主动控制规划进程,引导零推进剂姿态机动规划序列满足多种约束,得到安全的姿态机动路径和控制力矩陀螺框架角路径。最后,数值仿真结果验证了该方法能够实现航天器零推进剂姿态机动规划。

摘要： DKCHER算法是基于超扩展规则的求差知识编译算法.本文首先研究了DKCHER算法的执行流程,并定义了互补量的概念,然后设计了启发式策略MACR(maximum complementary amount of clauses with middle result),用于动态选择与中间结果互补量最大的子句.针对互补展开过程,设计了动态启发式策略CAL(optimal sequence sorted by complementary amount of literals),将互补展开中的文字按照与输入公式互补量的大小进行排序并展开.将上述两种启发式策略与DKCHER算法相结合,分别设计了MACR_DKCHER算法、CAL_DKCHER算法和MACR_CAL_DKCHER算法.实验结果表明,MACR启发式策略能够提升DKCHER算法的编译效率和编译质量,编译效率最高可提升9倍,编译质量最高可提升1.9倍;CAL启发式策略在子句数和变量数比值较大的实例上,能够提高DKCHER算法的编译效率,但会降低DKCHER算法的编译质量;MACR_CAL启发式最高可将DKCHER算法的编译效率提高12倍,但会导致DKCHER算法的编译质量有所降低.

摘要： 针对简单遗传算法易陷入局部最优及收敛速度慢的不足,提出一种改进遗传算法-基于启发式策略的搜寻者遗传算法.首先将搜寻者优化算法中的模糊思想和近邻策略相结合改进变异算子,增强种群多样性,避免陷入局部最优;然后针对路径优化问题基于启发式策略设计反转算子,使得路径中不存在交叉边,加快收敛速度;最后将改进遗传算法用于求解旅行商问题.结果表明,改进遗传算法的求解精度和求解效率明显优于基本遗传算法.

摘要： 本文结合某电子贸易公司可视化仓储系统设计，首先探讨了货位安排策略;其次，在仓储系统设计中，针对电子产品时效性强、客户要求定制化的特点，提出一种启发式策略出入库优化方法;最后，为提高货物拣选效率，对货位存储情况采用平行坐标展开法进行可视化呈现。系统实施后，大大提高仓储的敏捷性.

摘要： 可满足性(SAT)问题是命题逻辑中一个经典问题,也是计算机科学理论与应用的一个核心问题,广泛应用于软件验证,数字系统测试与验证等领域.工业应用实例问题求解变量规模己达到百万数量级,传统的基于CPU的串行和并行SAT求解方法已无法满足如此规模的问题求解.本文基于GPU设计并实现了一种新的并行SAT求解器-PSA_SAT.不同于现有的并行SAT算法,PSA_SAT将SAT问题转化成数学极值问题,通过模拟退火算法来实现求解,运用启发式策略对一般的退火算法进行改进以加速收敛,并利用CUDA编程模型实现并行.实验表明,对于随机生成的测试用例,改进后的模拟退火算法优于一般的退火算法,且经过GPU加速后PSA_SAT相对于MiniSat获得了更好的求解性能.

摘要： 本文设计并实现了一个混合遗传算法来求解大规模人货混装问题,并详细介绍了其中的染色体编码方式,启发式策略,适应度函数的设计以及各种遗传算子的选择,并给出了一个C++版本的实现,在规模比较大时获得了较好的性能.将来的工作可以考虑有更多类关联物品的装船问题、如何提高运输船利用率以及更加有效的启发策略.

摘要： 变量排序问题是故障树BDD分析方法中的NP完全问题．本文证明了故障树变量排序问题复杂度和带重复变量模块排序问题复杂度之间的依赖关系，分析了变量排序问题的复杂性并定义了复杂性度量MA，通过实验数据揭示了随着MA增加深度优先遍历策略的性能逐渐下降，并且已有的基于权值和出现频度的改进机制并不能够带来明显的性能提升，所以研究设计在较大MA时有良好排序性能的新策略是迫切需要解决的问题．

摘要： 变量排序问题是故障树BDD分析方法中的NP完全问题．本文证明了故障树变量排序问题复杂度和带重复变量模块排序问题复杂度之间的依赖关系，分析了变量排序问题的复杂性并定义了复杂性度量MA，通过实验数据揭示了随着MA增加深度优先遍历策略的性能逐渐下降，并且已有的基于权值和出现频度的改进机制并不能够带来明显的性能提升，所以研究设计在较大MA时有良好排序性能的新策略是迫切需要解决的问题．

摘要： 变量排序问题是故障树BDD分析方法中的NP完全问题．本文证明了故障树变量排序问题复杂度和带重复变量模块排序问题复杂度之间的依赖关系，分析了变量排序问题的复杂性并定义了复杂性度量MA，通过实验数据揭示了随着MA增加深度优先遍历策略的性能逐渐下降，并且已有的基于权值和出现频度的改进机制并不能够带来明显的性能提升，所以研究设计在较大MA时有良好排序性能的新策略是迫切需要解决的问题．

摘要： 变量排序问题是故障树BDD分析方法中的NP完全问题．本文证明了故障树变量排序问题复杂度和带重复变量模块排序问题复杂度之间的依赖关系，分析了变量排序问题的复杂性并定义了复杂性度量MA，通过实验数据揭示了随着MA增加深度优先遍历策略的性能逐渐下降，并且已有的基于权值和出现频度的改进机制并不能够带来明显的性能提升，所以研究设计在较大MA时有良好排序性能的新策略是迫切需要解决的问题．

摘要： 以同时最小化顾客期望等待时间和车辆期望等待时间为目标函数,建立了随机动态装卸车辆路径问题的数学模型,提出了求解该问题的两种启发式求解策略——最近邻策略和堆栈策略,推导出两种策略总期望等待时间的上界,并对两种策略在不同需求情形下的表现以及目标函数与参数之间的关系进行了仿真.仿真结果表明:需求密集和需求稀少时最近邻策略优于堆栈策略,需求中等时堆栈策略优于最近邻策略；两种策略分别存在最优服务强度,且最近邻策略的最优服务强度大于堆栈策略的最优服务强度；堆栈策略存在最优堆栈长度,且最优堆栈长度同时受服务强度和顾客平均到达率的影响.

摘要： 以同时最小化顾客期望等待时间和车辆期望等待时间为目标函数,建立了随机动态装卸车辆路径问题的数学模型,提出了求解该问题的两种启发式求解策略——最近邻策略和堆栈策略,推导出两种策略总期望等待时间的上界,并对两种策略在不同需求情形下的表现以及目标函数与参数之间的关系进行了仿真.仿真结果表明:需求密集和需求稀少时最近邻策略优于堆栈策略,需求中等时堆栈策略优于最近邻策略；两种策略分别存在最优服务强度,且最近邻策略的最优服务强度大于堆栈策略的最优服务强度；堆栈策略存在最优堆栈长度,且最优堆栈长度同时受服务强度和顾客平均到达率的影响.

摘要： 以同时最小化顾客期望等待时间和车辆期望等待时间为目标函数,建立了随机动态装卸车辆路径问题的数学模型,提出了求解该问题的两种启发式求解策略——最近邻策略和堆栈策略,推导出两种策略总期望等待时间的上界,并对两种策略在不同需求情形下的表现以及目标函数与参数之间的关系进行了仿真.仿真结果表明:需求密集和需求稀少时最近邻策略优于堆栈策略,需求中等时堆栈策略优于最近邻策略；两种策略分别存在最优服务强度,且最近邻策略的最优服务强度大于堆栈策略的最优服务强度；堆栈策略存在最优堆栈长度,且最优堆栈长度同时受服务强度和顾客平均到达率的影响.

摘要： 一种启发式仿生知识嫁接策略的知识图谱扩展与补全方法，包括：步骤一，启发式仿生知识嫁接的过程模型构建：启发于园艺嫁接技术，对仿生知识嫁接过程中知识接穗、知识砧木和知识树的模型进行构建；步骤二，启发式仿生知识嫁接的保障机制设计：基于上述知识嫁接过程模型构建，设计面向仿生启发式知识嫁接的四种具体实施保障机制，包括完备性、相关性、连通性和重用性，以保证工程领域技术与方法知识实体元素快速扩展到制造知识图谱及应用；步骤三，基于自然语言处理的知识图谱扩展与补全配置；本发明采用自然语言处理技术提高知识图谱扩展与补全过程的质量与速度，实现了知识图谱的自动化扩展与补全，增强了知识图谱的决策知识服务能力。

摘要： 本发明公开了一种基于启发式混杂策略的特高压直流控保系统数据优化重构方法，其步骤包括：1、对电力数据采用四分位法进行不良数据识别，并将不良数据删除；2、采用构建的组合预测模型预测值作为不良数据的修正值，完成数据优化；3、判断数据是否存在实体节点，若不存在，则创建实体节点；4、创建特征节点和数据节点，构成数据子图；5、计算相应的时间节点和空间节点，并设立时间标签和空间标签，构成时间子图和空间子图；6、连接节点，构建时空关系图索引。本发明能实现对特高压直流控保系统中电力数据的优化和重构，有效处理系统电力数据中的不良数据，并且可以满足不同任务类型电力数据存储管理需求，提高了电力大数据存取效率。

摘要： 本发明提供了一种基于启发式方法和自适应策略的新高考教学班分班方法，根据行政班分班后得到的结果，对每个同学的基础信息和选课情况进行筛选统计；根据教学模式以及学考是否上完的信息，利用分班函数进行教学班分班，分班函数包括选考教学班分班函数和学考教学班分班函数，选考教学班分班函数判断每个学生的选考课上课时间是否冲突并将其未固的一门选考科目划分到指定的节次以实现分班；学考教学班分班函数根据选课人数利用蛇形分班策略或排序优先级，以优先级从高到低的顺序分班；对分班结果优化，并保存教学班分班结果。本发明根据学生基础信息、选课科目、各科成绩，通过满足各种规则条件的均衡、结合一定班额范围，划分出学生所在教学班。

摘要： 本发明涉及一种软件测试的技术领域，揭露了一种基于控制流启发式搜索策略的软件测试方法，包括：利用基于关键节点的循环检测算法获取控制流图中的所有程序节点，并将检测到的程序节点加入循环模块中；计算循环模块中各程序节点的属性关联度和行为关联度；根据各程序节点的属性关联度和行为关联度对程序节点进行赋权；根据不同程序节点的权重，建立基于节点权重与距离的启发式搜索目标函数；利用基于路径搜索的启发式搜索策略对目标函数进行求解，针对循环模块中不同的循环结构采取不同的搜索策略，并根据求解结果执行对应的软件测试。本发明还提供了一种基于控制流启发式搜索策略的软件测试系统。本发明实现了软件的测试。

摘要： 本发明涉及货物装箱优化技术领域，提供了一种基于遗传算法和启发式策略的电商订单装箱优化方法，将电商订单分割为裸送货物和非裸送货物；根据货物的数量多少，选择采用枚举法、结合块处理的遗传算法、或模块化方法得到非裸送货物针对不同快递商的物流成本；加总裸送货物和非裸送货物得到电商订单对于不同快递商的总物流成本和装箱方案；输出总物流成本最低所对应的快递商及装箱方案。本发明针对电商平台类企业的订单特征设计了一套高效装箱优化方法，灵活考虑了多种箱型、多种快递可选的情况；通过合理规划装箱方案，减少工人打包时的试错时间，帮助提高打包效率，同时减少订单包括纸箱与快递成本在内的总物流成本，方案简单可行，具有推广意义。

摘要： 本发明公开了一种基于自启发式策略的自然场景文字检测方法及系统，建立两层级联滤波机制以判断文字区域与背景区域，考虑到文字区域在灰度自然场景图像中存在暗底浅字或者浅底暗字两种模式，对文字区域对比度类型进行判断以将灰度自然场景图像中的文字区域的对比度统一为暗底浅字模式；将两层级联滤波处理后判断为文字的结果视为种子文字，针对每一个种子文字构建自启发式搜索策略在其邻近区域，采用训练好的深度神经网络以滑动检测窗口的方式检测漏检文字以提高文字检测召回率，最后将相邻文字以单词为单元分割开来。本发明所公开的自然场景文字检测方法及系统对实现自然场景文字语义自动化理解具有很高的实用价值。

摘要： 本发明涉及一种基于启发式策略的任务高效调度方法，按调度周期内时段顺序进行任务调度，基于资源集、最长连续工作时段数量以及当前时段生成一组当前时段内可用的资源集，基于资源集和每种任务的工作量得到当前时段内每种任务所需资源数量，根据当前时段内每种任务的工作量及每种任务所需的资源数量生成可行的调度方案。本发明保证调度方案的可用性，提出资源数量预估策略，排除大量平均覆盖度较低和覆盖度均衡性较差的调度方案，缩小搜索空间；提出按组分配策略，以资源平均能力值为索引，快速搜索预估数量的资源组合；通过建立能力值平均矩阵动态缩小资源组合的搜索空间，进一步提升搜索效率。

摘要： 本公开提供了一种可行解的启发式策略调度方法、装置、设备、介质、程序产品和求解器，涉及运筹优化技术领域，尤其涉及大数据和人工智能技术。具体实现方案为：根据待求解问题的特征和各启发式策略的特征确定所述各启发式策略与待求解问题的相关度，并根据所述相关度对所述各启发式策略进行排序，其中，所述相关度用于衡量所述待求解问题在分支定界的不同求解状态下，所述各启发式策略的可行解求解结果的质量；将所述排序的结果作为调度所述各启发式策略的优先级。本公开可以为不同类型的待求解问题确定更加匹配的优先级调度策略，具有良好的泛化能力，从而在不同的类型和场景中提升可行解的求解效率。

摘要： 本发明涉及货物装箱优化技术领域，提供了一种基于遗传算法和启发式策略的电商订单装箱优化方法，将电商订单分割为裸送货物和非裸送货物；根据货物的数量多少，选择采用枚举法、结合块处理的遗传算法、或模块化方法得到非裸送货物针对不同快递商的物流成本；加总裸送货物和非裸送货物得到电商订单对于不同快递商的总物流成本和装箱方案；输出总物流成本最低所对应的快递商及装箱方案。本发明针对电商平台类企业的订单特征设计了一套高效装箱优化方法，灵活考虑了多种箱型、多种快递可选的情况；通过合理规划装箱方案，减少工人打包时的试错时间，帮助提高打包效率，同时减少订单包括纸箱与快递成本在内的总物流成本，方案简单可行，具有推广意义。

摘要： 本发明公开了基于Alpha Zero以及结合启发式策略的自动排料方法，涉及工业生产的排料技术领域。本发明包括选取启发式策略、选择比较优势机制、选择训练方式和网络模型、模型训练以及自动排料。本发明启发式策略确定每个元件合适的摆放位置及旋转角度，并用以深度卷积神经网络为基础的策略价值网络来增强MCTS搜索的能力，来确定下一待摆放的元件，如此得到每回合最终排样方案，将当前排样方案结果与之前回合排样方案进行对比，来判断当前回合的比较优势，该回合的排样方案、比较优势又可作为训练数据，提高网络预测动作、评价局面的准确度，如此交替进行，直到训练结果不在提升；有效降低废料率，减少计算时间。