基于BDD的增量启发式搜索

摘要：

增量搜索是一种利用先前的搜索信息提高本次搜索效率的方法,通常可以用来解决动态环境下的重规划问题.在人工智能领域,一些实时系统常常需要根据外界环境的变化不断修正自身,这样就会产生一系列变化较小的相似问题,此时应用增量搜索将会非常有效.另外,基于BDD(binary decision diagram)的启发式搜索,结合了基于BDD的搜索和启发式搜索这两种方法的优点.它既用BDD这一紧凑的数据结构来表示系统的状态空间,又通过使用启发信息来进一步压缩搜索树的大小.在介绍基于BDD的启发式搜索和增量搜索之后,结合这两种方法给出了基于BDD的增量启发式搜索算法--BDDRPA*.大量的实验结果表明,BDDRPA*算法是非常有效的,它可以被广泛地应用到智能规划、移动机器人问题等领域中.

关键词：增量搜索、启发式搜索、BDD(binary、decision、diagram)、重规划

所属期刊栏目：20

分类号：TP181(自动化基础理论)

资助基金：the National Natural Science Foundation of China under Grant Nos.60833001, 60721061, 60725207;the National Basic Research Program of China under Grant No.2010CB328103 国家重点基础研究发展计划973

在线出版日期：2009-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：2352-2365