1) hearistic depth finding strategy
启发式深度优先搜索
2) depth first heuristic search algorithm
深度优先启发式搜索算法
3) width first heuristic search algorithm
宽度优先启发式搜索
1.
It was one kind of width first heuristic search algorithms.
该算法是以现有规则集中的信息为启发信息,通过对解空间进行宽度优先启发式搜索,产生新规则。
4) depth first search
深度优先搜索
1.
A novel trajectory pattern learning method based on vector quantization and depth first search;
基于矢量量化和深度优先搜索的轨迹分布模式学习算法
2.
Coordinate transformation model Ⅰ by coordinate transformation and computer simulation, depth first search model Ⅱ and dynamic model.
针对截断切割的加工费用最少的问题，建立了４个模型，模型Ⅰ是利用坐标变换的方法和计算机模拟对所有加工方式枚举得出了加工费用最省的方法；考虑到算法的优化，给出了深度优先搜索模型Ⅱ；当调整刀具需额外费用ｅ≠０时，建立了动态规划模型Ⅲ；最后为解决实际中的精加工或超精加工的磨削余量问题建立了模糊线性规划模型Ⅳ，从而完满的解决了问题。
3.
A method to mark transitive predecessors and transitive successors by using depth first search is provided with a description of the algorithm based on stack.
给出了先序活动和后序活动的基本定义,讨论了运用深度优先搜索进行先序活动和后序活动标定的基本原理,提出了基于堆栈机制的标定算法。
5) depth-first search
深度优先搜索
1.
Application of the depth-first search method in the calculation of water supply pipe networks;
深度优先搜索在给水管网计算中的应用
2.
Improved depth-first search algorithm for valued constraint satisfaction problem;
加权约束满足问题的改进深度优先搜索算法
3.
Survey of quick thinning algorithm based on depth-first search;
基于深度优先搜索的快速指纹细化算法改进
6) DFS
深度优先搜索
1.
An elicitation DFS arithmetic based on C++ class object is put forward and used for writing the program of orbit simulator.
采用 C++的类对象对递归算法进行改进 ,提出了一种基于 C++类对象递归带启发的深度优先搜索算法 ,并将其应用于轨道模拟盘软件的研制
2.
(3) By analysis of the graph-based Depth First Search(abbreviation for DFS) of network division,we propose a method to access the network topology based on the algorithm.
(3)通过对图的深度优先搜索(缩写为DFS)划分算法的分析,提出利用基于DFS的网络分割算法进行网络拓扑的方法,从而获得了一个描述网络连接情况的无向连通图G(V,E)。
补充资料：启发式搜索
启发式搜索
heuristic search
q一fQ sh一sousuo启发式搜索《heuristic search)一种利用与待求解问题有关的信息，即所谓启发信息，对搜索路径的走向给予一定约束或选择的搜索方法。 搜索方法的目标是要在与间题有关的状态空间或图表示中，根据已知的初始状态(起始节点)、目标状态(满足目标状态描述的节点)以及从一种状态(节点)转换到另一种状态(节点)所允许的操作或算符，寻找一条从初始状态达到目标状态的途径。绝大多数问题求解技术最终都归结为状态空间或图的搜索问题。 一般说来，不同的问题求解类型需要不同的搜索策略。根据问题求解的任务和问题本身所存在的解的情况，问题求解可分为三种类型。一是问题只有唯一解或有多个解，但它们均处于同等地位，不涉及寻找最优解。这类问题要求搜索方法尽可能地减少搜索次数并保证完全性，即问题存在解的话，搜索一定能成功并找到问题的解。定理证明所面临的就是这类问题。二是问题有多个解，问题求解的目的是寻求其最优解。在问题的规模不太大，复杂性不甚高的情况下，这是可以做到的，但对大多数这类问题来说，需利用某些启发信息以提高搜索效率。A‘和献)’等启发式搜索算法所要解决的就是这一类问题。第三类与第二类相似，但间题是NP难解的(参见Np完全性理论)。在现实的存储资源和时间条件下很难或根本得不到最优解。同时，对于诸如推销员旅行问题等具体应用，令人满意的解也并非一定要最优解。因而在求解这类问题时可以放弃最优解而研究各种更加实用有效的启发式搜索方法。 50年代末期，A.N~11，J.C.Sllaw和H.A.Sin五〕n开始研究启发式搜索。60年代中期以后，随着计算机，尤其是人工智能应用领域的不断扩大，NP难解性问题又长期得不到解决，因而启发式搜索的研究越来越引起人们的重视与兴趣，并且取得了一批引人瞩目的成果。如J.D〕ran和D.Michie以及N.J.Nill以)n的利用搜索估价函数引导搜索的方法，P.E.Hart，Nillsoll和B.Raphad的A‘算法，与或图上的启发式搜索AO‘算法以及各种博弈树搜索等。 启发式搜索的最大特点就是在搜索过程中使用与问题有关的启发信息来缩减搜索量，其一般过程如下: 步骤1建立只含有初始节点S的搜索图G，把S放人名为()PEN的未扩展节点表中; 步骤2建立扩展节点表口丈EEI)，C以)SED初始为空表; 步骤3若01〕EN为空表，则搜索失败并退出; 步骤4把OPEN表上的第一个节点n〔xle移人CL(〕SEI〕表; 步骤5若n浏e为目标节点，则搜索成功并退出。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条