英语
乔什蒂纳
德国
埃斯帕尼奥
法国
戈伊德利格
拉脱维亚苏
马扎尔语
荷兰语
葡萄牙
葡萄牙人做巴西
索奥米
登录
电子邮件地址
密码
登录
或
使用Shibboleth登录
新用户?
单击此处注册。
你忘记密码了吗?
浏览
关于
联系我们
统计
提交
英语
乔什蒂纳
德国
埃斯帕尼奥
法国
戈伊德利格
拉脱维亚苏
马扎尔语
荷兰语
葡萄牙
葡萄牙人做巴西
索奥米
登录
电子邮件地址
密码
登录
或
使用Shibboleth登录
新用户?
单击此处注册。
你忘记密码了吗?
主页
学院研究和奖学金
论文和学位论文
加快联机启发式搜索的收敛速度和扩大脱机启发式搜索
职务:
加快联机启发式搜索的收敛速度和扩大脱机启发式搜索
文件夹
furcy无效a_200412_phd.pdf
(2.12 MB)
作者
大卫·安德烈·福西
作者
顾问
斯文·柯尼格
顾问
编辑
关联的组织
组织单位
计算机学院
系列
收藏
论文和学位论文
补充
永久链接
http://hdl.handle.net/1853/4855
摘要
中最常用的解决最短路径问题的方法
人工智能是启发式搜索算法。
主要
这项研究的贡献是新的启发式搜索算法
比现有问题更快或扩展到更大的问题
算法。
我们的贡献适用于在线和离线任务。
对于在线任务,现有的实时启发式搜索算法学习
更好的启发式值,在某些情况下最终收敛
通过重复执行导致
具有最低成本目标估计值的继任州。
相比之下,我们
声称实时启发式搜索更快收敛到最短
路径,当它总是选择一个导致状态的操作时
最小f值,其中状态的f值是对
通过状态从起点到目标的最短路径的成本,就像
离线A*搜索算法。
我们通过实施
FALCONS和
从经验上看,FALCONS显著减少了行动次数
汇聚最先进的实时搜索算法。
对于离线任务,我们改进了两种现有的扩展方式
大问题的最佳优先搜索。
首先,众所周知,WA*
算法(a*的贪婪变体)可以解决更大的问题
多元化(即当其并行扩张时)或
已提交(即,当它选择在
生成但未展开状态集的固定大小子集)。
我们
声称WA*可以解决更大的问题
多样性和承诺。
我们支持MSC-KWA的索赔*
算法。
其次,众所周知,广度优先搜索解决了
当它删减无望状态时,会出现更大的问题,导致
波束搜索算法。
我们声称光束搜索可以快速解决甚至
使用基于限制的回溯增强时的较大问题
差异搜索。
我们用BULB算法支持这一说法。
我们
表明MSC-KWA*和BULB都会扩展到比
三种标准中的几种最先进的离线搜索算法
基准域。
最后,我们提出了灯泡的一种任意变体
将其应用于生物学中的多序列比对问题。
赞助商
发布日期
2004-11-25
范围
2224191字节
资源类型
文本
资源子类型
论文
权利声明
权限URI
完整项目页面