1、实验环境 Visual Studio 2019 2、实验目的和要求 ①实验目的：熟悉掌握启发式搜索算法A*及其可采纳性 ②实验要求：编写程序实现8数码和15数码问题，采用至少两种估价函数，分析估价函数求解问题时候的效率差别，分析估价函数对搜索算法的影响 3、解题思路 ①首先，定义一个open表和一个close表用于后续搜索，再定义一个搜索图G，并将初始状态节点放入open表，图G中。 ②其次，对open表按照估价函数进行排序（首次排序其实无意义），由排序后的open表得到最接近目标状态的结点，将该节点取出，若该节点与目标状态一致，则跳转第④步。 ③对由②中找到的结点进行扩展（本题中具体实现为将“0”码向上、下、左、右四个方向移动），并将扩展得到的新节点放入open表和图G中，将扩展结束的结点放入close表中避免再次对其扩展。而后返回第②步。 ④根据每一次扩展后在子节点的结构体中留下的父节点信息（close数组下标），由最终得到的目标状态结点一步步往前回溯，可得到最终解图。

通过整数编程进行多机器人路径规划（提交SoCG 2021） 这是塔夫茨大学一个实施项目，是我们对提交的一部分。 我们对其他算法的探索。 该项目在Yu和LaValle的“图上的最佳多机器人路径规划：完整算法和有效启发式算法” 实现了最小化跨机器人多运动计划算法。 根据SoCG挑战的要求，我们添加了其他约束来处理连续的网格运动。 正在安装 该项目依赖于Python 3.8，Gurobi 9.1和其他一些依赖项。 Gurobi可以一起并且需要许可证 。 其他依赖项可以通过pip install -r requirements.txt 。 跑步 求解器在小型实例（最大25x25）上效果最佳。 要为最小实例生成解决方案，请运行 python solve_instance.py --db cgshop_2021_instances_01.zip --name small_000_10x10_20_

CPLEX二阶锥规划考虑Wind+CB+SVG+OLTC+ESS多时段24h，参考文献：主动配电网多源协同运行优化研究_乔珊 摘要：最优潮流研究在配 电网规划运行 中不可或缺 ， 且在大量分布式能源接入 的主动配 电网环境下尤 为重要 。传统的启发式算法 在全局最优 解和求解 速度上均 无法满足主动配电网运行要求 ， 而基于线性化的最优潮流方法在高阻抗的配 电网中适用性也较 弱。 基于此，文章建立 了基 于二阶锥规划的动态最优潮流模型框架，力图将原非线性规划模型松弛转化为SOPC进行快速求解 。 首先 ，给出了基于二阶锥松弛 的配 电网动态最优潮流基本模 型； 然后,对主动配 电网中各重要参与元素进行相应 的线性化建模处理 以便 高效求解，如主动管理设备、配 电网重构、需求响应及综合负荷等；同时，分析 了松弛模型和近似等效 的准确性。

- 基于GA的车间设施布局优化 - 各设施长宽、功能关系、物流量、搬运成本数据均在Excel中 - 待优化的两个变量分别存放设施的横纵坐标、横纵摆放抉择 - 设置了适应度函数和约束条件 - 完整matlab代码，main直接运行 以下是一些学习matlab的经验：1. 开始学习MATLAB之前，建议你阅读官方提供的MATLAB文档和教程，了解MATLAB的基本语法、变量和操作符等。2. MATLAB支持不同类型的数据，包括数字、字符串、矩阵和结构体等。学习如何创建、操作和处理这些数据类型是很重要的。3. MATLAB官方网站上有大量的示例和教程，可以帮助你学习各种MATLAB功能和应用。你可以按照这些示例逐步学习和实践。

Minimax算法和机器学习技术已经研究了数十年，以在象棋和五子棋等游戏领域中达到理想的优化。 在这些领域中，几代人试图为修剪和评估功能的有效性优化代码。 因此，存在装备精良的算法来处理游戏场合中的各种复杂情况。 但是，作为传统的零和游戏，Connect-4与使用传统minimax算法的零和家族的其他成员相比，受到的关注较少。 近年来，基于研究结论，专业知识和游戏经验，创造了新一代启发式方法来解决此问题。 但是，本文主要介绍了一种自行开发的启发式方法，并结合研究和我们自己的经验证明了与网上可用的Connect-4系统版本相抗衡的结果。 尽管大多数以前的工作都集中在赢得算法和基于知识的方法上，但我们通过启发式分析来补充这些工作。 我们已经进行了三个功能，搜索深度和特征数量之间的关系的实验，并与在线样本进行了对比测试。 与基于总结经验和通用特征的样本不同，我们的启发式方法主要集中于船上部件之间的详细连接。 通过分析当我们的版本与具有不同搜索深度的在线样本进行对抗时的获胜百分比，我们发现采用minimax算法的启发式算法在零和游戏的早期阶段是完美的。 由于游戏树中的某些节点对minimax算

关于启发式的一本有用的书。•Heuristic and problem solving: Michalewicz Zbigniew, Fogel David B. (2000). How to solve it: modern heuristics. Springer (467pp) ISBN 3-540-66061-5 中文教材

人工智能实验报告，启发式解决八数码问题的实验报告

MiVeCC_with_DRL 这是一种多路口车辆合作控制（MiVeCC）方案，可实现3 * 3无信号交叉口中车辆之间的协作。 我们提出了一种结合启发式规则和两阶段深度强化学习的算法。 启发式规则使车辆通过交叉路口而不会发生碰撞。 基于启发式规则，DDPG用于优化车辆的协同控制并提高交通效率。 仿真结果表明，与现有方法相比，所提算法在不发生碰撞的情况下可将多个路口的出行效率提高4.59倍。 一种基于端边云计算的多路口车辆协同控制| 先决条件 Linux 或 macOS Python 3 MATLAB 2017b CPU或NVIDIA GPU + CUDA CuDNN Python模块 numpy==1.16.2 opencv-contrib-python == 3.4.2.16 opencv-python==4.2.0.32 张量流==1.12.0 matplotlib=

开发了一种新算法，材料生成算法（MGA），并将其应用于优化问题。 材料化学的一些先进和基本方面，特别是化合物的结构和生产新材料时的化学React，被确定为MGA的鼓舞性概念。 主要论文是材料生成算法：一种用于工程问题优化的新型元启发式算法Siamak Talatahari，Mahdi Azizi和Amir H.Gandomi 期刊：流程，2021年

沙猫群优化(Sand Cat Swarm Optimization, SCSO)算法是一种受自然界沙猫行为而设计的元启发式算法。 本资源仅供学习交流，严禁用于商业用途。