关于问题求解

问题求解一直是人工智能学科的主题之一。本文建立环境C下的限制物无可拓空间用于包括矛盾问题在内的一般问题的表示及求解，并给出了问题求解策略及求解算法，使问题求解更具智能色彩。     

基于遗传算法的智能组卷研究

分析了智能组卷约束条件，建立了智能组卷系统的数学模型，并给出了改进的遗传算法求解智能组卷问题的新方法．实验结果表明所提出的新组卷算法相对于其他算法更能有效地解决自动组卷问题，组卷成功率高，组卷速度快，具有较好的性能和实用性。     

智能组卷算法研究

智能组卷是网络化考试系统中较为关键的模块，其问题的实质是多约束条件的最优求解。本文提出一种基于遗传算法的智能组卷策略。     

求解非线性方程组的智能新方法

求解方程组是工程研究中的基本问题,因此将非线性方程组的求解问题转化为函数优化问题,应用一种新的智能优化算法-布谷鸟搜索算法求解此优化问题,数值实验结果表明了该算法在求解非线性方程组时的可行性和有效性。     

智能物流下货到人模式的货位分配优化

为了求解智能物流环境下货到人模式的智能仓库货位分配问题,首先根据货物出入库频率、货物质量和货位信息,从提货架稳定性、提高出入库效率、相关货物靠近存放角度建立多目标货位分配模型,然后运用权重法将多目标问题求解转为单目标问题求解,最后提出一种基于改进的遗传算法求解数学模型.该算法通过优化种群初始化方式、选择合理的适应度函数...     

智能搜索的极值的可拓性研究与应用

本文立足於对无信息搜索的深入分析和探讨，并结合无信息搜索中传统的宽度优先搜索和深度优先搜索的各自优缺点，提出全新的必须同时考虑有信息搜索即启发式搜索和无信息搜索相结合的综合技术的智能搜索、智能搜索极值和极值可拓性的概念问题．并给出这一系列全新的问题求解方法的典型应用课题存在的广泛前景。如公安人员对在逃罪犯的搜捕、撒网捕鱼或牧童攀枝摘桃过程之类的问题求解。     

组合优化问题求解的计算模型研究

优化技术是一种以各种形式的数学处理方法为基础,用于求解各种工程问题优化解的应用技术。如何有效地求解组合优化问题现在仍是一个公开的困难问题。以遗传算法、模拟退火算法和蚁群算法为代表的智能优化算法的出现,为解决组合优化问题提供了一条新的途径。但智能优化算法目前仍存在许多问题需要进一步研究,如数学基础不够完善,研究结论相对分散等。建立一个智能优化算法求解组合优化问题的计算模型,可以将各种算法形成一个统一的算法结构框架,并对该模型中的操作算子进行了相关研究。     

用自适应多点变异混合遗传算法实现智能组卷

智能组卷是一个多重约束目标的求解问题.为了解决这一问题,采用了一种自适应多点变异混合遗传算法的智能组卷方法.实验表明,该方法具有较好的使用性能和实用性.     

矩形布局空间的处理及优化研究

针对矩形布局中的空间处理问题,根据布局空间的结构特点及变化规律,提出采用可行域算法求解矩形布局问题,并利用Visual C＋＋6.0编程工具开发出具有实用意义的矩形智能布局系统。实例表明,该方法可以提高矩形布局问题的求解效率。     

基于可拓智能体的机械产品概念设计方案求解方法

通过对可拓工程方法和智能体技术的研究,提出了基于可拓智能体的概念设计求解方法。求解策略应用于传动系统设计能够得到合理结果。     

基于整型编码遗传算法技术的智能组卷系统的研究

根据智能组卷的概念建立组卷数学模型与目标函数,并提出基于遗传算法的智能组卷策略.通过采用分段整型编码方案和遗传算法的选择、交叉、变异操作,有效地解决了组卷这个多目标优化求解问题.     

基于MAS的故障诊断任务分解研究

在传统故障诊断基础上，将多Agent技术（MAS）应用于复杂系统故障诊断领域，是求解复杂过程故障诊断问题的一种新尝试．研究了基于MAS的分布式智能故障诊断模型，基于一种分布式Agent诊断系统结构原型系统，重点研究了诊断问题的任务辨识、分解问题，构建了基于Agent的任务分配的综合遗传算法和模拟退火算法的混合算法．应用表明，该算法具有很好的可扩展性、适应性和稳定性．     

机器人路径规划算法研究

在机器人设计中,路径规划是最基础也是最重要的因素之一,故对其算法研究尤为重要。利用传统路径规划算法与智能路径规划算法求解机器人路径规划问题,对智能算法、蚁群算法与遗传算法进行了MATLAB仿真,验证了蚁群算法与遗传算法求解路径规划问题的可行性。     

一种基于最小价值度优先的集成电路布图规划和布局算法

平面布局的自动化是CAD领域的研究方向之一，旨在为工程设计师提供智能辅助工具，用以求解大在规模集成电路，产品包装，集装箱运输等若干领域中出现的空间布局问题，本文针对一类特定集成电路空间布局问题提出了中心线贴边动作和占角动作的思想和相应的基于最小价值度优化（LVFP）的算法，实验表明，在多数情况下，这一算法可以快速得到比较好的计算结果。     

基于遗传算法智能组卷系统的研究与实现

试题库智能组卷问题是一个在一定约束条件下的多目标参数优化问题,利用传统的数学方法求解较为困难,自动组卷的效率和质量取决于试题库设计以及抽题算法的设计.设计一个基于遗传算法的智能组卷系统,从试题库中自动地查找和组织出一些不同类型、不同难度、不同章节范围内的试题来组成一份最佳的试卷,解决了在教学过程中组卷耗时长、试题质量低的问题,实现了快速智能组卷.     

CVRP物流配送路径优化及应用研究

车辆行驶路径优化问题是智能安全交通网络的重要组成部分。针对传统车辆路径求解搜索时间过长、得不到最优解、求解质量不高的现况,在研究一般物流配送路径问题处理方法和数学模型的基础上,提出了一种改进的蚁群算法求解问题以提高构建路径的速度和质量,在限量车辆路径问题（CapacitatedVehicleRoutingProblem,CVRP）中用改进的蚁群算法来优化求解车物流的配送路径。通过MATLAB仿真结果表明,蚁群算法搜索速度相对较快,具有良好的全局求优能力,收敛结果表明可以准确求出最优路径,相比传统方案,优化后解的质量得到了提高,速度提高了80%左右,是一种可行性较高的求解物流配送路径优化问题的有效算法。     

智能交通系统中车辆路径优化问题的研究

针对智能交通系统中的车辆路径优化问题,运用蚁群算法进行求解,并对状态转移概率公式的选择做出了调整,进一步对信息素挥发因子进行改进,从而改进了基本蚁群算法到一定阶段后容易陷入局部最优的缺点,提高了算法的运算速度.实例求解表明,改进蚁群算法在车辆路径优化问题中,可以快速有效地得到近似最优解.     

遗传算法在智能机器人行为规划中的应用研究

遗传算法(GA)是一种基于进化论的仿生算法,非常适合于求解最优化问题,适用于解决难度大或者计算代价大的问题。将遗传算法用于可移动智能体的研究,其重点是智能机器人的行为规划,对此进行了论述。     

一种基于VCR智能特性的深度优先搜索算法

本文分析和探讨了恒进制（FCR）与变进制（VCR）用于深度优先搜索（DFS）的技术,并指出了两种进制在盲目搜索（无信息搜索）中的特性,提出了问题求解中有时必须考虑结合VCR与FCR的智能综合技术来实现DFS的新方法。最后,给出了撒网捕鱼和牧童上树攀枝摘桃之类问题求解的应用实例。     

以“智能去雾问题”为例的计算思维教学研究

计算思维的问题解决,第一步是把握问题的核心要素,通过抽象、建模,形成问题的完整模型;第二步是求解问题,为问题求解提供约束,设计算法实现计算机的自动化求解;第三步是迁移应用的思维方式,引入,他山之石可以攻玉;迁出,用于其他问题达到举一反三、一通百通。"智能去雾问题"一课围绕信息时代的核心素养之一——计算思维展开,通过一个前沿、有趣、创新、交叉的研究问题培养学生的问题解决能力及思维方式,将国际顶级前沿研究的原始创新之美引入中学课堂,让学生体会、体验、实践,经历发现创新的问题并解决的思维过程。