摘要:在人工智能領(lǐng)域，不確定的動態(tài)環(huán)境下的重搜索問題的求解空間、時間復(fù)雜度都是比較大的，如何改進算法以提高重搜索效率就成為研究者們一直關(guān)注的問題在近兩年研究成果基礎(chǔ)上，本文對如何把啟發(fā)方法A*算法、基于OBDD的搜索技術(shù)和漸進搜索incrementalsearch結(jié)合在一起，從而改進重搜索算法這一問題進行了研究本文提出了一個在動態(tài)環(huán)境下的搜索算法BDDRPA*，它的優(yōu)點是可以應(yīng)用到動態(tài)的持續(xù)變化的領(lǐng)域中，例如持續(xù)規(guī)劃問題、移動的機器人問題等這些問題的特點是系統(tǒng)的狀態(tài)隨時間不斷發(fā)生改變，因此，初始的規(guī)劃會變得不太合適甚至不能再使用一般的處理方法是對新的狀態(tài)的全局進行重新搜索，從而得到新的規(guī)劃來執(zhí)行但是，我們發(fā)現(xiàn)在較多的問題中，這些改變是局部的，對于整個系統(tǒng)來說都往往是比較小的這樣，由于搜索狀態(tài)的改變只是一小部分，那么再進行一次徹底的搜索就顯得不必要，因為我們可以利用上很多原先的搜索記錄，這樣可以減少我們的搜索空間和時間，這就是漸進搜索的基本思想而BDDRPA*算法就是綜合了漸進搜索和基于OBDD的啟發(fā)式搜索方法而提出的本文首先簡要地介紹了經(jīng)典的搜索算法比如A*，寬度優(yōu)先搜索算法等，和基于OBDD的搜索算法BDDA*和SetA*接著詳細介紹了我們提出的Pre-BDDRPA*算法以及在它基礎(chǔ)上做了改進后的正式的BDDRPA*算法，我們給出了該算法的C++偽代碼并對其做了一些詳細的分析然后通過實驗將BDDRPA*和BDDA*算法、LPA*算法、A*算法以及BFS寬度優(yōu)先等重搜索算法進行比較，實驗結(jié)果證明，BDDRPA*算法確實能提高了重搜索的效率最后，我們探討了BDDRPA*在自動規(guī)劃、機器學(xué)習(xí)和自動控制三個領(lǐng)域上的應(yīng)用前景標題:人工智能啟發(fā)方法OBDD搜索技術(shù)重搜索算法專業(yè):計算機軟件與理論學(xué)位:碩士單位:中山大學(xué)@關(guān)鍵詞:人工智能　啟發(fā)方法　OBDD搜索技術(shù)　重搜索算法　論文時間:2005分類:TP18 TP301.6 導(dǎo)師:蘇開樂 語種:中文文摘URL:

登陸|注冊歡迎登陸本站，認識更多朋友，獲得更多精彩內(nèi)容推薦！