- 相关分数：规划中的地标式启发式
通过定义一种新的 “相关性评分” 来帮助识别出在大多数但并非所有计划中出现的事实或行动，我们研究了对地标概念的扩展。我们描述了一种计算此相关性评分并将其用作计划搜索中的启发式的方法。通过使用基准计划问题实验比较我们方法与现有的基于地标启发式 - 内容调控中的推迟学习：人工智能与人类的相互作用
在线平台上成功的内容管理依赖于人工智能协作方法，这篇论文介绍了一种模型来捕捉内容管理中的人工智能相互作用，提出了一种近乎最优的学习算法来平衡选择性采样数据集的分类损失、未审核帖子的独特损失和人工审核系统的延迟损失。
- 理解测试时数据增强
利用数据增强在测试期间产生平均输出的测试时间增强（TTA）是一种非常强大的启发式算法，本文旨在为 TTA 提供理论保证并澄清其行为。
- 基于训练过的神经网络的优化：放松行走
此研究提出了一种基于全局和局部线性松弛的可扩展启发式方法，用于对训练后的神经网络模型进行建模和求解，具有与最先进的整数线性规划（MILP）求解器和之前的启发式方法相竞争，并且在输入、深度和神经元数量增加时能够产生更好的解。
- 通过增加极点来避免根搜索和优化中的不必要点
通过使用启发式方法和迭代算法，在根查找和优化问题中避免收敛到特定区域，为解决这一问题提出了一种新方法，并在文献中与现有方法进行比较。
- KPI 异常检测的自适应阈值启发法
本文提出了一种自适应阈值启发式方法（ATH），用于根据数据分布的本地特性动态调整检测阈值，以适应时间序列模式的变化，并通过期望的周期性和观察到的异常比例来计算阈值，以在时间序列 KPI 的异常检测中减少误判和处理概念漂移。实验结果表明，AT - KDD可视化重叠双聚类和布尔矩阵分解
本文研究如何针对重叠聚类进行双分图可视化问题，并提出能够满足近距离聚类元素、连续区域聚类元素和大范围不间断设计限制的目标函数和算法，并在实际数据集上进行实验，发现最佳结果采用局部放置相似聚类成员行列的新型启发式算法。
- 基于信息批次置信树的不确定性运动规划
本文提出一种名为 IBBT 算法的运动规划算法，该算法利用启发式算法，将随机运动规划问题划分为确定性运动规划问题和图搜索问题，并交替进行批量状态采样、路径规划和启发式搜索，以找到满足信念空间运动规划的最优解。实验表明，IBBT 算法在不同规 - AHP 中安全的判断聚合
该论文介绍了两种启发式方法以在小组分析层次过程（GAHP）的框架中检测和最小化操纵者的影响，这两种方法都基于判断中异常值和一致性进行。
- 有限查询图连接性测试
提出了一种组合优化模型，可以在限定次数的查询下寻找图中两点的连通性，创新性地提出了一种较为可扩展的精确算法以及适用于大规模数据的启发式算法。
- DeciLS-PBO: 一种有效的伪布尔优化局部搜索方法
本文通过两种方法提高局部搜索算法的效率解决了伪布尔优化问题 (PBO)。首先使用一些机制 (如单位传播) 将其广义化为 PBO 问题，然后利用措辞这个桥梁来增强对其的理解。实验表明我们的算法比现有算法性能更好。
- 嵌套搜索与有限差异搜索
本文提出利用 Nested Search 算法最优启发式播放路径的思路，与 Limited Discrepancy Search 算法相比，其更为高效。
- 多属性公平性：针对欺诈检测的应用
本文提出了一种公平度量方法，通过迭代式基于网格的启发式算法来校准敏感属性值的结果，实现对保护属性值的公平。在多个受保护属性值的情况下，通过对欺诈检测进行研究，证明所提出的启发式算法能够实现公平。与现有的公平技术相比，该算法在多个公开数据集上 - AAAI组合优化中的细粒度搜索空间剪枝和启发式学习
该研究提出了一种基于机器学习的框架来扩大组合优化算法，并使用可解释的学习模型来提供更深层次的洞见，以设计更好的启发式方法，在最大团枚举问题中展示了该框架的性能，并从中获得启示设计了一种新的启发式方法。
- AAAI使用指南针训练时间词嵌入
本文提出了一种基于 Word2Vec 模型的新启发式方法来训练时间词嵌入，即使用不随时间变化的向量作为参考来简化训练过程以提高效率，并在现有数据集上进行的实验结果表明该方法比其他可比较方法表现更好且对语料库大小有更高的鲁棒性。
- 使用 FlowCutter 计算树分解：PACE 2017 提交
本文介绍了一个算法，该算法用于加速在道路图上最短路径计算的多层划分，展示了其如何融入到树分解和参数化复杂性理论中。该算法作为 Pace 2017 竞赛的参赛者之一，在启发式树分解计算赛道上解决了所有问题实例，并获得了亚军。
- 前向后向选择和早期淘汰
本文提出了一种启发式方法，通过临时舍弃条件独立于特征集所选择的变量，在保持预测准确性的同时显著提高了前向 - 后向选择算法的运行效率，并在能够被贝叶斯网络或最大祖先图恰当表示的分布中，能够正确识别马尔科夫毯子。
- 寻找最优 Bayesian 实验设计的自然选择启发式算法
我们提出了一种适用于一般优化问题的高效搜索启发式算法，特别针对 Bayesian 最优实验设计问题，并通过评估死亡，药物动力学和逻辑回归模型的最优 Bayesian 实验设计来展示其优越性，作为中等规模设计问题（即大约 40 个维度）的计算 - MM基于无环图的二次约束二次规划在电力流中的应用
本文研究表明，当非凸性的二次约束二次规划的基础图为无环图且其约束满足一定的技术条件时，可以在多项式时间内解决；当这个条件不满足时，我们提出了一种启发式方法来获取可行点，并在放射网络的最优功率流问题上展示了此方法的应用。
- FF 规划系统：通过启发式搜索进行快速计划生成
基于前向状态空间搜索的启发式搜索算法是实现 FF 规划系统的主要技巧，该系统因比 HSP 系统更具优越性能而赢得了最近 AIPS-2000 规划竞赛的冠军。