結(jié)合領(lǐng)域知識的智能規(guī)劃方法研究及其應(yīng)用
發(fā)布時間:2024-12-10 22:19
智能規(guī)劃是人工智能的重要組成部分,與當(dāng)前熱門的機器學(xué)習(xí),深度學(xué)習(xí)等同屬于人工智能的不同分支,是傳統(tǒng)意義上的人工智能。近年來,智能規(guī)劃在啟發(fā)式搜索方法和規(guī)劃模型設(shè)計方法上有了新的研究進展,進一步推動了智能規(guī)劃領(lǐng)域的發(fā)展。然而對于復(fù)雜的大規(guī)模規(guī)劃問題,即使是利用當(dāng)前較為先進的啟發(fā)式搜索方法求解也不一定有效。另外,智能規(guī)劃作為應(yīng)用性極強的領(lǐng)域,目前在現(xiàn)實中的應(yīng)用仍不夠廣泛,其主要原因是設(shè)計出完整的規(guī)劃模型比較困難。綜上,本文的工作主要圍繞了上述兩個核心問題,探索了在不同特定領(lǐng)域下的多啟發(fā)式求解方法,并結(jié)合知識工程的研究提出了規(guī)劃模型設(shè)計方法,利用規(guī)劃模型解決了實際應(yīng)用問題,具體工作主要分為三部分:1.基于啟發(fā)式搜索的方法是當(dāng)前較為先進的規(guī)劃方法,在分析了單啟發(fā)式方法在搜索過程中存在的問題之后,本文提出了利用多個啟發(fā)式各自優(yōu)勢來進行規(guī)劃求解的方法,即多啟發(fā)式融合。在該方法中針對啟發(fā)式選擇問題,提出了設(shè)置啟發(fā)式隊列優(yōu)先級的策略,根據(jù)不同啟發(fā)式隊列的優(yōu)先級進行選擇將要擴展的下一個狀態(tài),然后在規(guī)劃過程中基于貪心的思想快速搜索規(guī)劃解,并給出了在規(guī)劃過程中使用多啟發(fā)式融合的算法。最后通過在國際規(guī)劃大賽上的...
【文章頁數(shù)】:84 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外發(fā)展歷史
1.2.1 智能規(guī)劃的發(fā)展歷史
1.2.2 知識工程的發(fā)展歷史
1.3 本文研究內(nèi)容
1.4 本文組織結(jié)構(gòu)
第二章 智能規(guī)劃及其知識工程
2.1 智能規(guī)劃簡介
2.1.1 智能規(guī)劃概念模型
2.1.2 規(guī)劃問題的領(lǐng)域知識及描述語言
2.2 規(guī)劃問題的知識工程建模
2.2.1 通用建模方法
2.2.2 專用建模方法
2.2.3 基于學(xué)習(xí)的建模方法
2.3 規(guī)劃問題的求解方法
2.3.1 狀態(tài)空間搜索
2.3.2 圖規(guī)劃方法
2.3.3 基于啟發(fā)式搜索的規(guī)劃方法
2.3.4 規(guī)劃求解方法小結(jié)
2.4 規(guī)劃應(yīng)用領(lǐng)域與現(xiàn)實世界問題
2.4.1 應(yīng)用領(lǐng)域
2.4.2 現(xiàn)實世界問題
2.5 本章小結(jié)
第三章 多啟發(fā)式融合規(guī)劃方法研究
3.1 研究背景
3.2 放寬規(guī)劃圖啟發(fā)式
3.3 線性放寬規(guī)劃特征啟發(fā)式
3.4 Landmark計數(shù)啟發(fā)式
3.4.1 Landmark定義
3.4.2 LMC啟發(fā)式的計算
3.5 單啟發(fā)式在搜索過程中存在的問題
3.6 多啟發(fā)式融合方法
3.6.1 啟發(fā)式隊列優(yōu)先級
3.6.2 在規(guī)劃過程中使用多啟發(fā)式融合方法
3.7 實驗結(jié)果和對比
3.7.1 Blocks領(lǐng)域
3.7.2 Airports領(lǐng)域
3.7.3 Pipesworld領(lǐng)域
3.7.4 Storage領(lǐng)域
3.7.5 Rovers領(lǐng)域
3.7.6 實驗分析
3.8 本章小結(jié)
第四章 結(jié)合領(lǐng)域知識的泊車規(guī)劃問題建模
4.1 研究背景
4.2 規(guī)劃模型設(shè)計方法
4.3 泊車規(guī)劃問題與智能規(guī)劃
4.4 泊車規(guī)劃模型設(shè)計方法APPG
4.4.1 停車場領(lǐng)域分析
4.4.2 PG問題知識建模
4.4.3 泊車規(guī)劃模型分析
4.4.4 規(guī)劃合成
4.5 泊車規(guī)劃實驗
4.6 本章小結(jié)
第五章 面向?qū)嶋H應(yīng)用的泊車規(guī)劃模型擴展
5.1 停車場領(lǐng)域現(xiàn)狀
5.2 泊車規(guī)劃模型擴展方法
5.2.1 問題規(guī)模擴展
5.2.2 動態(tài)擴展
5.2.3 領(lǐng)域偏好擴展
5.2.4 多區(qū)域擴展
5.3 面向多目標(biāo)的泊車規(guī)劃方法
5.3.1 多目標(biāo)泊車規(guī)劃實驗
5.3.2 實驗結(jié)果分析
5.4 本章小結(jié)
第六章 總結(jié)與展望
6.1 工作總結(jié)
6.2 未來展望
致謝
參考文獻
攻讀碩士學(xué)位期間取得的成果
本文編號:4015742
【文章頁數(shù)】:84 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外發(fā)展歷史
1.2.1 智能規(guī)劃的發(fā)展歷史
1.2.2 知識工程的發(fā)展歷史
1.3 本文研究內(nèi)容
1.4 本文組織結(jié)構(gòu)
第二章 智能規(guī)劃及其知識工程
2.1 智能規(guī)劃簡介
2.1.1 智能規(guī)劃概念模型
2.1.2 規(guī)劃問題的領(lǐng)域知識及描述語言
2.2 規(guī)劃問題的知識工程建模
2.2.1 通用建模方法
2.2.2 專用建模方法
2.2.3 基于學(xué)習(xí)的建模方法
2.3 規(guī)劃問題的求解方法
2.3.1 狀態(tài)空間搜索
2.3.2 圖規(guī)劃方法
2.3.3 基于啟發(fā)式搜索的規(guī)劃方法
2.3.4 規(guī)劃求解方法小結(jié)
2.4 規(guī)劃應(yīng)用領(lǐng)域與現(xiàn)實世界問題
2.4.1 應(yīng)用領(lǐng)域
2.4.2 現(xiàn)實世界問題
2.5 本章小結(jié)
第三章 多啟發(fā)式融合規(guī)劃方法研究
3.1 研究背景
3.2 放寬規(guī)劃圖啟發(fā)式
3.3 線性放寬規(guī)劃特征啟發(fā)式
3.4 Landmark計數(shù)啟發(fā)式
3.4.1 Landmark定義
3.4.2 LMC啟發(fā)式的計算
3.5 單啟發(fā)式在搜索過程中存在的問題
3.6 多啟發(fā)式融合方法
3.6.1 啟發(fā)式隊列優(yōu)先級
3.6.2 在規(guī)劃過程中使用多啟發(fā)式融合方法
3.7 實驗結(jié)果和對比
3.7.1 Blocks領(lǐng)域
3.7.2 Airports領(lǐng)域
3.7.3 Pipesworld領(lǐng)域
3.7.4 Storage領(lǐng)域
3.7.5 Rovers領(lǐng)域
3.7.6 實驗分析
3.8 本章小結(jié)
第四章 結(jié)合領(lǐng)域知識的泊車規(guī)劃問題建模
4.1 研究背景
4.2 規(guī)劃模型設(shè)計方法
4.3 泊車規(guī)劃問題與智能規(guī)劃
4.4 泊車規(guī)劃模型設(shè)計方法APPG
4.4.1 停車場領(lǐng)域分析
4.4.2 PG問題知識建模
4.4.3 泊車規(guī)劃模型分析
4.4.4 規(guī)劃合成
4.5 泊車規(guī)劃實驗
4.6 本章小結(jié)
第五章 面向?qū)嶋H應(yīng)用的泊車規(guī)劃模型擴展
5.1 停車場領(lǐng)域現(xiàn)狀
5.2 泊車規(guī)劃模型擴展方法
5.2.1 問題規(guī)模擴展
5.2.2 動態(tài)擴展
5.2.3 領(lǐng)域偏好擴展
5.2.4 多區(qū)域擴展
5.3 面向多目標(biāo)的泊車規(guī)劃方法
5.3.1 多目標(biāo)泊車規(guī)劃實驗
5.3.2 實驗結(jié)果分析
5.4 本章小結(jié)
第六章 總結(jié)與展望
6.1 工作總結(jié)
6.2 未來展望
致謝
參考文獻
攻讀碩士學(xué)位期間取得的成果
本文編號:4015742
本文鏈接:http://sikaile.net/kejilunwen/rengongzhinen/4015742.html
上一篇:一種用于分心駕駛監(jiān)測的人工智能算法的研究與實現(xiàn)
下一篇:沒有了
下一篇:沒有了
最近更新
教材專著