自适应约束满足问题求解方法的研究

约束求解是人工智能领域最热门的方向之一，是约束程序的核心。自适应约束求解方法是研究热点并引领约束求解的发展方向。本书详述在约束求解的分支策略选择、变量选择、值选择以及约束传播等相关环节应用自适应理念的方法，重点介绍自适应对求解效率的影响。各章主要研究实现自适应约束求解的技术和方法，包括：比较分析典型分支策略，突出自适应分支策略的优势；比较分析典型变量排序启发式，实现自适应变量选择约束求解方法；结合自适应值选择与自适应分支，实现自适应值选择约束求解方法；设计并实现自适应约束传播约束求解方法。本书可作为计算机科学与技术、智能处理、信息技术等相关专业的硕士、博士研究生和计算机科技工作者的教材或参考书。

第1章 概述
1.1 引言
1.2 研究背景与研究现状
1.3 当前存在的主要问题
1.4 本书工作及组织结构
本章小结
第2章 约束满足问题相关背景知识
2.1 约束满足问题
2.2 约束求解
2.2.1 约束求解方法
2.2.2 约束求解过程
2.2.3 自适应约束求解
2.3 约束传播
2.3.1 引言
2.3.2 相容性技术
2.4 标准测试用例
2.4.1 现实世界实例
2.4.2 模式化实例
2.4.3 学术实例
2.4.4 半随机化实例
2.4.5 随机实例
本章小结
第3章 自适应分支选择
3.1 引言
3.2 分支策略及其比较
3.2.1 分支策略
3.2.2 分支策略性能对比
3.3 自适应分支策略
3.3.1 接近2-way分支策略和受限2-way分支策略间的自适应
3.3.2 实验评测
3.4 自适应分支策略的改进
3.4.1 辅助顾问启发式的改进
3.4.2 AdaptBranchLVO自适应分支求解算法
本章小结
第4章 自适应变量选择
4.1 典型变量排序启发式
4.1.1 静态变量排序启发式
4.1.2 动态变量排序启发式
4.2 自适应变量选择实现
本章小结
第5章 自适应值选择
5.1 引言
5.2 典型的值排序启发式
5.3 自适应值选择实现
5.3.1 典型自适应值排序启发式
5.3.2 自适应值选择与自适应分支的结合
本章小结
第6章 自适应约束传播
6.1 引言
6.2 两种约束传播方法之间的自适应传播
6.2.1 自适应约束传播启发式
6.2.2 基于比特位操作的自适应约束传播
6.2.3 基于AC与LmaxRPC的自适应约束传播
6.3 多种约束传播方法学习型自适应
本章小结
第7章 聚类分析理论及实践改进
7.1 聚类分析理论
7.1.1 聚类分析的定义
7.1.2 聚类分析的算法分类
7.1.3 聚类分析的过程
7.2 聚类分析实践改进
7.2.1 局部概率引导的优化K-means++算法
7.2.2 Canopy在划分聚类算法中对K选取的优化
本章小结
第8章 结论与展望
8.1 结论
8.2 展望
参考文献