基于自适应分类的学习搜索算法

被引:1
作者
蒋建东
俞瑞钊
机构
[1] 浙江大学人工智能研究所
[2] 浙江大学人工智能研究所 杭州
[3] 杭州
关键词
自适应分类; 搜索; 学习; 反复加深;
D O I
暂无
中图分类号
学科分类号
摘要
本文给出一放弃可采纳性的分类式学习搜索算法SALS,它在系统初建时就能快速地获取经验知识,该算法的空间复杂度和平均时间复杂度皆为所获解路径耗费值的线性函数,将反复加深技术运用于SALS而得到的搜索算法ID-SALS,在保持良好的时间和空间复杂度的同时,又能保证找到的解为次优解,文中最后给出了ID-SALS的两点改进。
引用
收藏
页码:867 / 872
页数:6
相关论文
共 3 条
[1]   可采纳搜索算法最坏复杂度的下确界 [J].
张伟 ;
俞瑞钊 ;
何志均 .
计算机学报, 1990, (06) :449-455
[2]   一种复合自适应分类算法 [J].
刘隆和 ;
许俊刚 ;
朱平云 .
自动化学报, 1989, (03) :273-277
[3]   统计启发式搜索方法 [J].
张钹 ;
张铃 .
计算机学报, 1987, (06) :328-337