1) CBR using Tow aspects learning
双向式CBR算法
2) CBR using two aspects learning
双向式CBR
1.
Based on the CBR using introspective learning this paper comes up a new CBR algorithm,the CBR using two aspects learning,for a few kinds of users.
文中在反馈式CBR算法的基础上针对多个使用群体提出了一种新的双向式CBR算法,把使用者信息和实例信息相分离而成为使用者实例库和应用实例库,通过对使用者实例库的搜索来重用已有的针对不同用户的搜索策略、改编策略和存储策略,从而使对应用实例库的搜索的速度和精度、改编的满意度和存储结构的合理性达到最优化。
3) Introspective CBR
反馈式CBR算法
1.
The task of this dissertation is to study the general CBR and the Introspective CBR and come up one of methods to resolve the problem which multi-user CBR systems face to.
此课题的任务是通过对传统CBR算法以及反馈式CBR算法的深入研究，对多用户CBR系统提出一个实用的解决方案，即双向式CBR算法。
4) Bidirectional heuristic A* algorithm
双向启发式A*算法
5) bi-directional A* algorithm
双向A算法
6) Double Direction A Algorithm
双向A￣＊算法
补充资料：启发式算法
计算机科学的两大基础目标，就是发现可证明其执行效率良好且可得最佳解或次佳解的算法。而启发式算法则试图一次提供一或全部目标。 例如它常能发现很不错的解，但也没办法证明它不会得到较坏的解；它通常可在合理时间解出答案，但也没办法知道它是否每次都可以这样的速度求解。
有时候人们会发现在某些特殊情况下，启发式算法会得到很坏的答案或效率极差，然而造成那些特殊情况的数据结构，也许永远不会在现实世界出现。因此现实世界中启发式算法很常用来解决问题。启发式算法处理许多实际问题时通常可以在合理时间内得到不错的答案。
有一类的通用启发式策略称为元启发式算法（metaheuristic），通常使用乱数搜寻技巧。他们可以应用在非常广泛的问题上，但不能保证效率。
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