- SLOPE: 带学习的最优剪枝扩展搜索
通过学习最佳剪枝扩展的搜索方法（SLOPE），在限制的计算环境下，我们实现了对最优路径附近区域的探索，降低了内存和计算成本。
- 使用约束发现稀疏和替代子集描述
通过使用限制条件和启发式搜索方法，本研究提出了一种在子群发现中提供简单解释并优化的方法，探讨了使用稀疏特征描述子群并寻找具有相似数据对象的替代子群描述的问题，同时证明了这两种限制条件会导致一个 NP - 困难优化问题。通过实验比较，本研究表 - 新颖启发式、多队列搜索和投资组合在数字规划中的应用
此研究论文使用启发式搜索来提高数值规划的性能，并探索了多队列搜索和启发式组合的方法。
- 优化基于启发式搜索的学习局部 MAPF 策略
多智能体路径规划是解决一组智能体到达目标位置的无碰撞路径问题。先进的经典多智能体路径规划求解器通常采用启发式搜索方法以找到数百个智能体的解决方案，但通常是集中式的，而在短时间内可能难以扩展。机器学习方法学习每个智能体的策略非常吸引人，因为它 - 使用物体为中心的动作约束的统一任务和运动规划
任务和动作规划方法中的抽象描述模糊和欠定性使得很难确定成功执行任务所需的物理约束。我们提出了一种替代的任务和动作规划方法，将任务和动作规划融合为一个启发式搜索，并基于基于物体的抽象的运动约束，从而利用现成的人工智能启发式搜索的计算效率，产生 - 高效更新共同基金投资组合的规划
使用线性规划和启发式搜索方法来优化组合调整的决策，提出的模型在以成本为基础的策略比较中展示了改进，可在其他综合组合管理所需的现实场景中轻松扩展。
- 结合启发式和多智体强化学习的多机器人路径规划
提出了一种结合启发式搜索、经验法则和多智能体强化学习的路径规划方法 MAPPOHR，将启发式搜索用于生成全局路径，用经验法则和奖励函数激励实时规划器，用多智能体强化学习算法实现实时规划，实验证明该方法比传统学习和启发式方法的规划性能更好且学 - Opti Code Pro: 基于启发式搜索的代码重构方法
使用基于启发式搜索的技术来解决代码重构中特定的耦合和内聚问题，并在 Java 项目上实现该算法及其有效性进行了演示。
- CVPRSearch-Map-Search: 动作识别的框架选择范式
通过深度学习算法和启发式搜索方法相结合，优化视频帧的选取，提高动作识别模型的准确性。
- AAAI多目标概率规划的启发式搜索
本篇论文旨在将启发式搜索算法应用于多目标随机最短路径 (MOSSPs) 问题，提出了基于相对快速的 MOLAO* 和 MOLRTDP 两种算法，以及一系列能够应对随机、多目标特点的启发式函数，通过实验证明了新算法及函数的有效性。
- 基于启发式搜索的通用规划：利用对象指针的新规划搜索空间
本研究提出了一种新的基于指针的 GP 解空间、评估和启发式函数，以及 BFGP 算法，为了实现 GP 的启发式搜索，避免了提前 grounding state 或 action 所带来的问题，能有效处理大型状态变量集合和大量数值域的情况。
- 异步训练的分布式拓扑地图
提出一种基于自主单元、分布式异步训练、电路驱动的权重更新方案以及启发式搜索的算法，使得拓扑特征图的训练在无需中央控制和同步执行的条件下实现，可进行可扩展的大规模数据集处理，同时实验结果表明算法在多个数据集上的分类任务中性能表现稳定。
- 一种高效的简单增量式时间网络数据结构用于时间规划
本文研究了在时间规划中简单时序网络（STN）解算器的使用方法，并提出了一种高效的内存数据结构 ——delta STN 来支持此应用案例；实验证明 delta STN 优于其他现有的方法。
- HSVI 能够解决零和部分可观察随机博弈
通过数学分析并且创新引入 HSV1-like 算法解决动态规划问题，其优于现有的线性规划和迭代方法。
- 非阻塞批处理 A*（技术报告）
使用神经网络进行启发式搜索的研究中，Non-Blocking Batch A* 提出了一种新的边界次优方法，该方法可以懒惰地以批处理方式计算神经网络启发式搜索结果，同时使用非神经网络启发式搜索算法进行扩展。在实验中发现，相较于当前阻塞式替代 - ICML模型规划中的广义启发式搜索的抽象解释
本文介绍了如何通过抽象解释作为一个统一框架来构建搜索启发式，以扩展启发式搜索到使用更复杂的数据类型和函数（例如，集合，几何），甚至具有不确定性和概率影响的更丰富的世界模型，并展示了这些启发式可与学习相结合，允许代理在新颖的世界模型中借助由抽 - IJCAI计算通用规划的启发式搜索程序
本文针对广义规划领域，在引入启发式搜索方法的前提下，提出首个本地启发式搜索方法，定义基于程序的解空间，以实现不同实例规划和不同实例规划大小的独立运行，同时定义 BFGP 算法进行最佳优先搜索，并由不同评估和启发式功能作为指导。
- 利用路径标志将广义规划扩展为启发式搜索
本文提出了一种用于广义规划的地标计数启发式算法，可以考虑规划实例中未显式表示的子目标信息，进一步提升启发式搜索的效率和实现。
- 束搜索：更快速和单调
本文提出了通过引入 monotonic beam search 算法和距离估计来提高 beam search 算法的实际效率。
- CITS：一种基于同步伊辛树搜索算法的组合优化问题求解算法
本文提出了一种基于模拟退火的启发式搜索算法，在搜索空间上通过展开马尔可夫链到递归深度树来寻找最优解，利用连续表示的自旋状态和正则化项以及振荡子的动力学来探索选定的树节点周围的搜索空间，并在 NP - 困难问题（MAX-CUT）上验证了该算法