包邮自适应约束满足问题 求解方法的研究

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 完全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