第 4 章 智能控制理論與人工智能-V20-220815

現(xiàn)代機(jī)電控制工程張皓.北印自動化howzh@第4章智能控制理論與人工智能智能控制是一門融合了多學(xué)科的交叉學(xué)科，是多種學(xué)科向控制領(lǐng)域延伸、拓展、應(yīng)用并且與之相結(jié)合的產(chǎn)物。4.1.1智能控制的基本概念4.1概述智能控制的對象：

01高度未知對象02高度不確定性對象04具有復(fù)雜特性的對象05具有思維決策需求的對象03高度非線性對象模糊控制理論自學(xué)習(xí)控制神經(jīng)網(wǎng)絡(luò)理論優(yōu)化理論自適應(yīng)控制人機(jī)系統(tǒng)理論知識工程理論其他當(dāng)前智能控制的理論包括：4.1.2智能控制理論與計算方法01020304模糊計算，包括模糊集合、隸屬度函數(shù)、模糊化、模糊推理和模糊清晰化等，主要用于模糊控制算法。邏輯推理運(yùn)算，以知識為基礎(chǔ)，通過IF-THEN的一階謂詞邏輯推理進(jìn)行問題求解。神經(jīng)計算，包括人工神經(jīng)網(wǎng)絡(luò)中的各種學(xué)習(xí)算法。在專家系統(tǒng)和專家控制系統(tǒng)中，系統(tǒng)的中間狀態(tài)并不依賴于被控對象的數(shù)理關(guān)系通過數(shù)值計算得到，而是采用一些統(tǒng)計學(xué)的概率計算方法和手段，來獲得系統(tǒng)的某一狀態(tài)或進(jìn)行某一個體的性能評價。智能控制的計算方法進(jìn)化計算、免疫計算和群智能算法，其中進(jìn)化計算主要包括遺傳算法、進(jìn)化規(guī)劃、進(jìn)化策略和遺傳規(guī)劃等，群智能算法主要包括粒子群優(yōu)化算法和蟻群優(yōu)化算法等。05

智能控制系統(tǒng)就是具備一定智能行為，能夠自適應(yīng)地完成某種控制任務(wù)的控制系統(tǒng)。一般來講，智能控制系統(tǒng)具有幾個明顯的功能特點(diǎn)，包括自適應(yīng)、自學(xué)習(xí)、自組織、自診斷和自修復(fù)。4.1.3智能控制系統(tǒng)間接式智能控制系統(tǒng)系統(tǒng)的控制器依然采用常規(guī)的控制器，智能控制器并不直接參與系統(tǒng)的控制，只是用于完成被控對象的參數(shù)辨識、控制器參數(shù)整定、控制規(guī)則和算法調(diào)整等工作。直接式智能控制系統(tǒng)控制系統(tǒng)中，控制器直接采用智能控制器，智能控制直接參與系統(tǒng)的控制過程，智能控制器的輸出就是作用于被控對象的控制量。復(fù)合式智能控制系統(tǒng)針對復(fù)雜被控對象或生產(chǎn)過程，采取分層分級控制，系統(tǒng)的總體控制和調(diào)度采用智能控制方法，下層各級控制依據(jù)具體情況選擇相應(yīng)的智能控制算法或常規(guī)控制算法。這種控制系統(tǒng)多用于企業(yè)生產(chǎn)過程控制、區(qū)域協(xié)同制造等。132智能控制系統(tǒng)按照系統(tǒng)結(jié)構(gòu)劃分另外，還可以將智能控制系統(tǒng)按照工作原理的不同，分為模糊控制系統(tǒng)、神經(jīng)控制系統(tǒng)、仿生控制系統(tǒng)、專家控制系統(tǒng)、遞階控制系統(tǒng)和學(xué)習(xí)控制系統(tǒng)等。模糊控制并不是一種基于精確的系統(tǒng)數(shù)學(xué)模型和精確計算的控制方法，它建立于人工實(shí)踐經(jīng)驗基礎(chǔ)上，仿照人思維中的模糊推理方式，依靠某些模糊或者定性的知識來作出決策。4.2模糊控制4.2.1模糊控制的系統(tǒng)構(gòu)成和基本原理下面結(jié)合一個簡單的模糊控制例來介紹模糊控制的基本原理和系統(tǒng)構(gòu)成。室溫一維模糊控制系統(tǒng)結(jié)構(gòu)如圖4-2所示，系統(tǒng)由模糊控制器、變頻器電機(jī)、壓縮機(jī)空調(diào)器和傳感器構(gòu)成。其中，模糊控制器（FuzzyController-FC）也稱為模糊邏輯控制器（FuzzyLogicController-FLC），由于所采用的模糊控制規(guī)則是由模糊理論中模糊條件語句來描述的，因此模糊控制器是一種語言型控制器，具體包括模糊化、知識庫、模糊推理和清晰化。1、模糊集合4.2.2模糊數(shù)學(xué)基礎(chǔ)和精確量的模糊化集合具備某種特性、確定的、能夠相互區(qū)別的一類事物的全體稱為一個集合，集合通常用大寫字母表示，組成集合的個體稱為集合內(nèi)的元素，一般用小寫字母表示論域由被討論對象的所有集合稱為論域，也稱為全域或空間，通常用大寫字母表示。序偶許多事物，它們往往會成對出現(xiàn)，而且二者有一定的順序，通常把這樣兩個具有固定次序的客體稱為一個序偶。模糊集合（FuzzySets）給定論域X，集合A是X中的模糊集合的含義是，A是以隸屬度函數(shù)表示其特征的集合。對于X中的元素

，稱為對A的隸屬度，且。如果A是一個有限集合，則（為正整數(shù)）。表征的是與集合A之間所屬程度。越接近1表示元素隸屬于A的程度越高，反之，越接近0，表示元素隸屬于A的程度越低。清晰集合是由具備某種特性的元素構(gòu)成的，即該集合中的元素100%具備該特性。模糊集合也具有一定特性，例如人群中的“成年人”便是一個模糊集合，其特性是“成年”，與清晰集合不同的是，組成模糊集合的并不一定明顯具備該集合的特性，即不一定會100%具備該集合的特性，甚至集合中的某些元素可能完全不具備該集合的特性。假設(shè)模糊集合A表示“成年人”，19歲和50歲都是成年人，令它們對應(yīng)的隸屬度分別為0.5和0.8，則，

；1歲不是成年人，但它也可以屬于集合A，只不過其隸屬度很低，若為0.01，則。模糊集合并不是由單一的表示，而是用相互關(guān)聯(lián)的和來表示。模糊控制是隨著計算機(jī)技術(shù)成熟以后才進(jìn)入實(shí)用階段的，模糊控制器基本上都是數(shù)字控制裝置，所以模糊控制的理論和方法基本上都是離散化的，上述定義的模糊集合為離散集合。常用的模糊集合表示方法

查德（Zadeh）表示法

式中，并非分?jǐn)?shù)或二者的比值，它只是一種表示和二者之間關(guān)系的表達(dá)式；符號“+”并不是指相加，只是表示各項同屬于一個集合。需要注意的是，上式中，如果某一元素的隸屬度為0，即，則該項可以省略。

向量表示法當(dāng)模糊集合的論域由有限個元素組成，則該集合可以用模糊向量來表示，模糊向量按照的排列順序排列，即

這種表示方法中，由于出現(xiàn)的只是各個元素的隸屬度函數(shù)，故所有的一定要順序排列，并且隸屬度為0的項，不能省略。

序偶表示法式中，如果某一項的隸屬度為0，即，則該項可以省略。例4-1

根據(jù)對象特性定義圖4-2所示室溫控制系統(tǒng)的溫度偏差（設(shè)定溫度與實(shí)際溫度之間的差值）正較大的集合A如下：（1）查德（Zadeh）表示法：式中，分母表示溫度偏差，分子為與該溫度偏差對應(yīng)的集合A的隸屬度。（2）向量表示法：（3）序偶表示法：通過以上幾種表示方法可以看出，在（1）和（3）兩種表示方法中隸屬度函數(shù)為0的元素可以省略，而在向量表示法中則不能省略，因為向量表示法中只列舉了各元素的隸屬度函數(shù)，而各元素則是用每個隸屬度函數(shù)在集合中的排序隱含地表達(dá)，省略任何一項均會造成整個集合的元素信息的被破壞。2、模糊集合的運(yùn)算模糊集合的邏輯運(yùn)算圖4-3模糊集合的并、交、補(bǔ)模糊集合運(yùn)算的基本定律3、精確量的模糊化模糊控制中進(jìn)行模糊推理，使用的是模糊的語言變量，而系統(tǒng)的輸入變量是精確量，需要進(jìn)行模糊化。所謂模糊化就是將實(shí)測得的精確值轉(zhuǎn)化為在該語言變量相應(yīng)論域內(nèi)不同語言值的模糊集合。模糊語言是指具有模糊性的描述語言，如冷、熱、美、丑、優(yōu)，劣等，語言值即為語言變量的值，但是它并不是通常的數(shù)值，而是以模糊語言表示的模糊集合。模糊化過程主要包括（1）確定語言變量及其論域、論域元素；（2）確定模糊集合及選取隸屬度函數(shù)。模糊量化模糊集合及隸屬度函數(shù)選取主觀經(jīng)驗法專家評分法：根據(jù)領(lǐng)域內(nèi)專家的經(jīng)驗，來確定論域中的每個元素對于每個模糊子集的隸屬度函數(shù)。因素加權(quán)法：若模糊概念是由若干因素相互作用而成，則可以綜合各因素的重要程度選擇隸屬度函數(shù)。二元排序法：通過多個事物間的兩兩對比來確定某種特征下的順序，由此來決定這些事物對該特征的隸屬度函數(shù)的大致形狀。模糊統(tǒng)計法一種概率統(tǒng)計方法，通過實(shí)驗獲得實(shí)驗結(jié)果，統(tǒng)計結(jié)果中某元素屬于某子集的概率作為該元素對于該子集的隸屬度函數(shù)。典型函數(shù)法采用現(xiàn)有的曲線來確定隸屬度，主要有矩形分布、梯形分布、k次拋物線型分布、型分布、正態(tài)分布、柯西分布等，這些都是比較常用的辦法。如下圖4-4（a）、（b）、（c）所示，分別采用三角形、正態(tài)分布、梯形三種曲線確定的論域U中每個元素對應(yīng)模糊子集的隸屬度函數(shù)。圖4-4

典型函數(shù)確定的隸屬度函數(shù)

圖4-4顯示，由于論域和模糊子集選擇的比較獨(dú)特，相應(yīng)的幾個元素對某集合的隸屬度為最大，例如，無論套用上述哪一個曲線，元素“-4”對于模糊集合NM的隸屬度函數(shù)均為1。

采用典型函數(shù)作為隸屬度函數(shù)，則論域中各個元素對各個模糊集合的隸屬度均可通過典型函數(shù)計算得到。例如，按照圖4-4（a）

采用三角形曲線，可以確定各元素對各模糊集合的隸屬度如表4-1所示。確定模糊集合按照對輸入變量進(jìn)行模糊量化后得到值，然后查表，就可得到與輸入變量相對應(yīng)的模糊集合。1、模糊關(guān)系與模糊關(guān)系矩陣4.2.3模糊關(guān)系和模糊推理

2、模糊控制規(guī)則存放于知識庫中的模糊控制規(guī)則，是將專家知識或操作人員在長期實(shí)踐中積累總結(jié)出來的經(jīng)驗，轉(zhuǎn)化為模糊控制條件語句的集合，又稱為模糊控制算法。模糊控制規(guī)則由一系列的關(guān)系詞如if–then、else、also、and、or等連接形成的模糊條件句構(gòu)成，關(guān)系詞必須經(jīng)過“翻譯”才能將模糊規(guī)則數(shù)值化。最常用的關(guān)系詞為if–then、also和and，其中and一般對應(yīng)于多變量模糊控制系統(tǒng)。模糊條件句中，通常if…語句部分是“前提部”，then…語句部分是“結(jié)論部”。3、模糊推理

模糊推理是模糊控制系統(tǒng)的核心，它是一種不確定性的推理方法，根據(jù)事先制定的模糊控制規(guī)則，運(yùn)用模糊數(shù)學(xué)理論對模糊輸入量進(jìn)行計算推理，得到某一確定的輸出范圍即模糊輸出量。已經(jīng)提出的模糊推理方法有很多種，如Mamdani推理算法、Zadeh近似推理、Yager法和Takagi-sugeno型推理法等。4.2.4模糊清晰化

經(jīng)過模糊推理計算得到的輸出是模糊集合，是所屬論域內(nèi)的隸屬度函數(shù)，而模糊控制器的輸出是需要送到實(shí)際的對象或執(zhí)行機(jī)構(gòu)的，必須是明確的值，所以要將模糊集合轉(zhuǎn)換成為確定的值，這一轉(zhuǎn)換過程稱為清晰化或模糊判決(Ddefuzzification)。

清晰化計算方法有多種，下面介紹常用的幾種方法：選取模糊控制器的輸入和輸出變量確定變量的模糊化條件設(shè)計模糊控制規(guī)則庫設(shè)計模糊推理機(jī)選取模糊清晰化處理方法4.2.5模糊控制器的基本設(shè)計神經(jīng)網(wǎng)絡(luò)（NeuralNetworks，NN），也稱作人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetworks，ANN）或神經(jīng)計算（NeuralComputing，NC），是采用大量的簡單處理單元，經(jīng)相互間的有序連接組成的一種人工計算網(wǎng)絡(luò)，因其仿照人類神經(jīng)網(wǎng)絡(luò)的組織和功能，故稱為人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)主要從兩個方面對人腦進(jìn)行簡化和抽象仿生，一是結(jié)構(gòu)上，仿照人腦的組織結(jié)構(gòu)構(gòu)建；二是功能上，根據(jù)計算和控制的需要模仿人腦的并行分布式工作原理和自組織、自學(xué)習(xí)等功能構(gòu)建。4.3神經(jīng)網(wǎng)絡(luò)控制（1）生物神經(jīng)元生物神經(jīng)元是構(gòu)成神經(jīng)系統(tǒng)的基本結(jié)構(gòu)和功能單元，是實(shí)現(xiàn)神經(jīng)信息交換即接受、產(chǎn)生、傳導(dǎo)和輸出神經(jīng)信息的基石。常見的神經(jīng)元包括單級、雙極、假單極和多級神經(jīng)元等四個類型。神經(jīng)元（neuron）主要由細(xì)胞體、樹突和軸突三部分組成，其典型結(jié)構(gòu)也就是多級神經(jīng)元結(jié)構(gòu)如圖4-6所示。1.神經(jīng)元模型（2）神經(jīng)元的數(shù)學(xué)模型

人工神經(jīng)網(wǎng)絡(luò)利用數(shù)學(xué)模型來模擬生物神經(jīng)網(wǎng)絡(luò)的某些結(jié)構(gòu)和功能，它最基本的構(gòu)成單元就是仿生物神經(jīng)元的人工神經(jīng)元。圖4-8所示的MP模型是典型的人工神經(jīng)元模型，由美國心理學(xué)家WarrenMcCullocht和邏輯學(xué)家WalterPitts于1943年聯(lián)合提出。（1）前饋型網(wǎng)絡(luò)前饋型神經(jīng)網(wǎng)絡(luò)一般由一個輸入層、若干個隱含層與一個輸出層構(gòu)成。這種網(wǎng)絡(luò)的特點(diǎn)是只有相鄰的前后兩層神經(jīng)元彼此之間是相互連接的，且連接方式是從前向后的單向連接，各層之間不存在反饋，且同層中各個神經(jīng)元之間是相互獨(dú)立的，并無任何方式的連接。前饋型神經(jīng)網(wǎng)絡(luò)是迄今為止應(yīng)用最廣泛一類網(wǎng)絡(luò)，常見的有感知器、BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)等。2.神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)（2）反饋型網(wǎng)絡(luò)將前饋型神經(jīng)網(wǎng)絡(luò)中輸出層的輸出反饋至輸入層，使之成為輸入層的輸入信號，如此就形成了反饋型神經(jīng)網(wǎng)絡(luò)。反饋型網(wǎng)絡(luò)中輸入層的神經(jīng)元接收外來輸入信號，同時也會接收來自輸出層的反饋信號。Hopfield神經(jīng)網(wǎng)絡(luò)是反饋網(wǎng)絡(luò)中最簡單且應(yīng)用廣泛的模型之一。（3）相互結(jié)合型網(wǎng)絡(luò)這種類型的網(wǎng)絡(luò)中，每個神經(jīng)元之間都可能存在相互的雙向連接，因而不再是層次分明的分層結(jié)構(gòu)形式，而是呈現(xiàn)一種網(wǎng)狀結(jié)構(gòu)，網(wǎng)絡(luò)中的所有神經(jīng)元都同時扮演著輸入和輸出的角色。（4）混合型網(wǎng)絡(luò)混合型神經(jīng)網(wǎng)絡(luò)是介于這兩種網(wǎng)絡(luò)之間的一種聯(lián)接方式，整體結(jié)構(gòu)與前饋型網(wǎng)絡(luò)的層次結(jié)構(gòu)基本相同，但在同一層的神經(jīng)元之間可能存在相互的雙向連接。這種同一層內(nèi)神經(jīng)元之間的互聯(lián)可以控制同層內(nèi)其它神經(jīng)元的興奮或抑制，也可以實(shí)現(xiàn)對同一層神經(jīng)元的分組控制。

BP神經(jīng)網(wǎng)絡(luò)是一種按照誤差反向傳播（BackPropagation）學(xué)習(xí)的多層前饋型網(wǎng)絡(luò)，其算法簡稱BP算法。BP算法屬于有導(dǎo)師的學(xué)習(xí)，它包括正向傳播和反向傳播過程。正向傳播的對象是信號，輸入信號經(jīng)隱含層傳向輸出層，若實(shí)際輸出與期望輸出一致，則BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)結(jié)束；若實(shí)際輸出與期望輸出不一致，二者存在誤差，則轉(zhuǎn)入反向傳播，反向傳播的對象是誤差。BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層構(gòu)成，隱含層可以是單層，也可以是多層，網(wǎng)絡(luò)中相鄰的前、后兩層神經(jīng)元之間通過權(quán)連接。4.3.2典型神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)

離散Hopfield網(wǎng)絡(luò)基本原理4.3.3神經(jīng)網(wǎng)絡(luò)控制技術(shù)模糊神經(jīng)網(wǎng)絡(luò)控制神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制

將模型參考自適應(yīng)控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合，構(gòu)成的就是神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制。根據(jù)控制結(jié)構(gòu)的不同，神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制分為神經(jīng)網(wǎng)絡(luò)直接模型參考自適應(yīng)控制和神經(jīng)網(wǎng)絡(luò)間接模型參考自適應(yīng)控制。神經(jīng)網(wǎng)絡(luò)自校正控制PID神經(jīng)網(wǎng)絡(luò)控制從現(xiàn)階段的普遍情況來看，專家系統(tǒng)大致包括以下幾方面的內(nèi)涵：（1）專家系統(tǒng)以計算機(jī)硬件為依托、以計算機(jī)軟件為實(shí)現(xiàn)手段，是一種用于解決現(xiàn)實(shí)需求的計算機(jī)程序系統(tǒng)；（2）專家系統(tǒng)建立在專家知識和經(jīng)驗基礎(chǔ)上，是對專家知識和經(jīng)驗的一種清晰明確化的表達(dá)；（3）專家系統(tǒng)中不斷融入人工智能的方法與手段。4.4專家控制系統(tǒng)4.4.1概述1.專家系統(tǒng)定義按系統(tǒng)的特性以及所解決問題的類型，專家系統(tǒng)主要可分為以下幾種：2.專家系統(tǒng)的類型解釋型專家系統(tǒng)。診斷型專家系統(tǒng)。預(yù)測型專家系統(tǒng)。咨詢和規(guī)劃型專家系統(tǒng)。設(shè)計型專家系統(tǒng)。控制型專家系統(tǒng)。監(jiān)視型專家系統(tǒng)。教育教學(xué)型專家系統(tǒng)。維修型專家系統(tǒng)。調(diào)試型專家系統(tǒng)。1.專家系統(tǒng)的基本構(gòu)成一般情況下，專家系統(tǒng)主要由專家知識庫、綜合數(shù)據(jù)庫、知識獲取模塊、推理機(jī)、解釋模塊、人機(jī)接口等幾部分組成，專家系統(tǒng)結(jié)構(gòu)如圖4-21所示。4.4.2專家系統(tǒng)的工作原理2.知識的表示及推理（1）產(chǎn)生式規(guī)則表示法產(chǎn)生式規(guī)則一般用于表示有因果關(guān)系的知識，其通用形式為“”即“前提→結(jié)論”,常用“IF-THEN”語句來表示。產(chǎn)生式規(guī)則由兩部分組成，其中的A稱為前件或前提條件，B稱為后件、行動或結(jié)論。采用產(chǎn)生式規(guī)則構(gòu)建的專家系統(tǒng)，其知識庫內(nèi)知識的表達(dá)方式因面向領(lǐng)域、知識庫規(guī)模、使用和推理規(guī)則等不同也各有不同，但無論采用何種方式，其中前件和后件都是必不可少的。如表4-3所示，為某交流電機(jī)傳動裝置故障判斷處理專家系統(tǒng)知識庫中的部分知識表示。（2）框架表示法產(chǎn)生式規(guī)則的知識表示側(cè)重于知識的因果關(guān)系，是一種仿照人類思維和邏輯推理方式的知識表達(dá)方式?？蚣鼙硎痉ū硎镜闹R一般具有結(jié)構(gòu)性和層次性，并且是經(jīng)過整理的，隨著事物的發(fā)展而變化，仿照的是人類在觀察事物時的思維活動。當(dāng)人們遇到新事物時，往往會從記憶中尋找類似事物的大體框架，隨著觀察的深入會對其中的一些細(xì)節(jié)進(jìn)行修改和補(bǔ)充，形成對新事物的認(rèn)識。例如，學(xué)生們在進(jìn)入大學(xué)學(xué)習(xí)之前，根據(jù)平時的所見所聞，就已經(jīng)對高等院校以及各自的大學(xué)生活形成了一個基本的框架，如教室、圖書館、宿舍、食堂、學(xué)生社團(tuán)等。進(jìn)入大學(xué)之后，又可建立起更具體的框架，并不斷地將了解的相關(guān)信息填入框架中，這就是知識的框架表示法。

專家控制系統(tǒng)由于被控對象和控制要求的不同，其結(jié)構(gòu)也可能會因此不相同。專家控制系統(tǒng)一般由專家控制器、被控對象、傳感器檢測、執(zhí)行、接口等部分構(gòu)成，如圖4-22所示。其中，專家控制器的核心是由知識庫、綜合數(shù)據(jù)庫、推理機(jī)和學(xué)習(xí)機(jī)構(gòu)等部分，與傳統(tǒng)的專家系統(tǒng)不同的是增加了控制接口、數(shù)據(jù)處理、工業(yè)互聯(lián)接口等機(jī)構(gòu)。4.4.3專家控制系統(tǒng)

根據(jù)系統(tǒng)的作用機(jī)理不同，專家控制系統(tǒng)分可以為直接專家控制系統(tǒng)和間接專家控制系統(tǒng)。在直接專家控制系統(tǒng)中，專家控制器直接參與閉環(huán)系統(tǒng)的控制運(yùn)算，其輸出的控制量經(jīng)執(zhí)行機(jī)構(gòu)作用于被控對象，用專家控制裝置直接替代了常規(guī)控制器，直接承擔(dān)了系統(tǒng)控制的核心控制任務(wù)，如圖4-23所示。在間接專家控制系統(tǒng)中，專家控制器并未直接參與閉環(huán)系統(tǒng)的控制，系統(tǒng)控制器通常仍采用常規(guī)的控制器和控制算法，專家控制器可以用于調(diào)整常規(guī)控制器的參數(shù)，協(xié)調(diào)各種控制算法，監(jiān)控被控對象的某些特征，如超調(diào)、上升時間和穩(wěn)定時間等，然后進(jìn)行信息處理并擬訂待校正參數(shù)的規(guī)則，以實(shí)現(xiàn)控制系統(tǒng)穩(wěn)定、高效運(yùn)行，如圖4-24所示。4.5遺傳控制4.5.2遺傳算法的基本思想

遺傳算法是一種模仿自然界中生物優(yōu)勝劣汰、適者生存機(jī)制的隨機(jī)優(yōu)化搜索算法，主要通過選擇、交叉和變異操作來實(shí)現(xiàn)問題的求解。對于非線性、多極值的尋優(yōu)問題,遺傳算法是一種有效的求解方法。利用遺傳算法搜索或?qū)で笞顑?yōu)解，實(shí)際上就是在一組種群個體中找出最佳組合或最優(yōu)解，是一種逼近式的搜索過程。遺傳算法的基本運(yùn)算過程可簡化為：參數(shù)編碼、適應(yīng)度函數(shù)確定、初始種群設(shè)定、個體適應(yīng)度計算、終止條件判斷和遺傳操作，具體運(yùn)算流程如圖4-25所示。圖4-25

遺傳算法的運(yùn)算流程4.5.3遺傳算法的實(shí)現(xiàn)編碼：二進(jìn)制編碼、格雷（Gray）碼、實(shí)數(shù)編碼、多參數(shù)級聯(lián)編碼等初始種群設(shè)定適應(yīng)度函數(shù)選擇：輪盤賭選擇法、確定性選擇方法、錦標(biāo)賽選擇法交叉：單點(diǎn)交叉、兩點(diǎn)交叉、多點(diǎn)交叉和隨機(jī)交叉等變異

對于作為數(shù)據(jù)處理的計算機(jī)而言，通常將計算機(jī)能夠識別和處理的二進(jìn)制數(shù)稱為數(shù)據(jù)，這些數(shù)據(jù)連同它所代表的意義、組織方式和過程稱之為信息，各種信息以某種方式關(guān)聯(lián)在一起形成的信息結(jié)構(gòu)，即為人工智能領(lǐng)域中的知識。知識的分類方法有多種：根據(jù)所具有的性質(zhì)不同，知識可分為顯性知識和隱性知識；根據(jù)確定性程度不同，知識可分為確定性知識和不確定性知識。根據(jù)內(nèi)容不同，知識可分為這四種類型：知道是什么的知識（Know-what)，即關(guān)于客觀事實(shí)的知識；知道為什么的知識（Know-why），即自然規(guī)律和原理方面的知識；知道怎么做的知識（Know-how)，即技術(shù)訣竅、技能和能力方面的知識；知道是誰的知識（Know-who)，即知道何人具有何種知識和能力的知識，主要涉及社會關(guān)系等方面。4.6人工智能4.6.1知識的表示方法1.專家系統(tǒng)定義2.謂詞邏輯表示法例4-12 試將下列知識用謂詞公式表示出來：（1）武漢不是最大的城市，但是武漢是個英雄的城市。（2）每個努力學(xué)習(xí)的人都會有收獲。解 首先定義謂詞和個體如下：（1）MBCity(x)：x是最大的城市；HEROCity(x)：x是英雄的城市。（2）StyHard(x)：x努力學(xué)習(xí)；Harvest(x)：x有收獲。第二步，變量賦值或確定取值范圍：（1）BCity(x)、HEROCity(x)中，x=Wuhan（2）StyHard(x)、Harvest(x)中，x是任意人第三步，選擇連接詞和量詞將上述謂詞和個體連接成為謂詞公式：3.產(chǎn)生式表示法

產(chǎn)生式表示法，又稱為產(chǎn)生式規(guī)則表示法，常用于事實(shí)、規(guī)則類知識以及它們各自的不確定性度量的表達(dá)。本書4.4.2節(jié)曾對確定性規(guī)則類知識的產(chǎn)生式規(guī)則表示法和推理方法做過介紹4.框架表示法

本書4.4.2節(jié)對框架表示法有詳細(xì)介紹，讀者可參閱。5.其它表示法語義網(wǎng)絡(luò)表示法腳本表示法面向?qū)ο蟮谋硎痉顟B(tài)空間表示法與或樹表示法

推理是指利用推理規(guī)則從已知事實(shí)出發(fā)，推導(dǎo)出其中蘊(yùn)含的結(jié)論或獲得新結(jié)論的過程。由于推理的方法、過程和結(jié)論各有不同，推理的分類也是多種多樣，下面介紹幾種常見的推理方式分類方法。根據(jù)推理過程所用知識的確定性，推理可以分為確定性推理和不確定性推理。根據(jù)推理出新判斷的途徑也就是邏輯基礎(chǔ)不同，推理可以分為演繹推理、歸納推理和默認(rèn)推理。根據(jù)推理過程中推出的結(jié)論是否越來越來越接近最終目標(biāo)，推理可以分為單調(diào)推理和非單調(diào)推理。根據(jù)推理中是否運(yùn)用了與問題相關(guān)的啟發(fā)性知識，推理可以分為啟發(fā)性推理和非啟發(fā)推理。根據(jù)選擇的推理方向不同，推理有正向推理、反向推理、雙向推理和混合推理。4.6.2確定性推理方法1.基本概念選擇針對性強(qiáng)的規(guī)則，優(yōu)先執(zhí)行。如果有多個規(guī)則待選擇，一般選取前提條件也就是前件較多、較詳細(xì)的規(guī)則，因為這樣的規(guī)則更具體、針對性更強(qiáng)，其結(jié)論一般更接近目標(biāo)，。若幾條規(guī)則都可以成功，選擇匹配度高的事實(shí)或規(guī)則，優(yōu)先執(zhí)行。從計算工作量和時間的角度，選擇前提條件較少的規(guī)則。因為前提條件較少的規(guī)則，在匹配時計算工作量較少，匹配計算所花時間少。選擇最新的事實(shí)。一般認(rèn)為產(chǎn)生的最新事實(shí)普遍比較老的事實(shí)更有效，因此對于多個事實(shí)的選擇中，往往會優(yōu)先選擇最新的事實(shí)。2.推理中的沖突消解策略3.確定性推理的邏輯基礎(chǔ)

邏輯推理是按照邏輯規(guī)則進(jìn)行的推理，可分為經(jīng)典邏輯推理和非經(jīng)典邏輯推理。其中，經(jīng)典邏輯主要包括命題邏輯和謂詞邏輯，由于這兩種邏輯的值非“真”即“假”，經(jīng)典邏輯推理根據(jù)已知事實(shí)推理得到的結(jié)論都是精確的，也是非“真”即“假”，因此它又稱為確定性推理或精確推理。非經(jīng)典邏輯推理采用的是經(jīng)典邏輯之外的那些邏輯如多值邏輯、非單調(diào)邏輯和模糊邏輯等，是一種不確定性的推理。自然演繹推理和基于一階謂詞邏輯的歸結(jié)推理是確定性推理中兩種常用的推理。4.自然演繹推理例4-14設(shè)已知如下事實(shí)：（1）只要是導(dǎo)體人們都可以用來導(dǎo)電。（2）所有的金屬都是導(dǎo)體。（3）銅是金屬。求證：人們可以用銅來導(dǎo)電。證明: 定義謂詞及常量如下：Conductor(x) 表示x是導(dǎo)體Utilize(x，y) 表示x使用y來導(dǎo)電Metal(x) 表示x是金屬People 表示人們Copper 表示銅將上述已知事實(shí)及待求解問題用謂詞公式表示，即：

在邏輯推理中，不確定性推理是相對應(yīng)于確定性推理而言的，它實(shí)際上是一種從具有不確定的初始證據(jù)出發(fā)，通過運(yùn)用不確定性知識，最終推導(dǎo)出既具有一定程度的不確定性又具有合理性或基本合理的結(jié)論的推理過程。一般情況下，不確定性推理所面對的不確定性主要有兩類，一類是證據(jù)的不確定性，一類是規(guī)則的不確定性。證據(jù)的不確定性主要表現(xiàn)在以下幾個方面：①證據(jù)解釋的歧義性；②證據(jù)內(nèi)容的不全面性；③觀測得到的證據(jù)與其實(shí)際值間的差異導(dǎo)致的證據(jù)的不確定性；④證據(jù)詞義的模糊性；⑤專家判斷得出的證據(jù)并非完全可靠可信的；⑥對命題的真假無法給出確切判斷時導(dǎo)致的隨機(jī)性；⑦對命題的真假作出的判斷以及推理過程得到的中間結(jié)論的前后不一致性等。4.6.3不確定性推理可信度方法（C-F法）4.6.4狀態(tài)空間搜索策略1.狀態(tài)空間圖的一般搜索算法

在八數(shù)碼問題中，1~8的數(shù)字以及空格位置構(gòu)成的任意一種布局就表示一個狀態(tài)，共有9！個狀態(tài)。算符可以有兩類，一類是根據(jù)數(shù)字的移動來定義，這種方法比較復(fù)雜；另一類是根據(jù)空格的移動來定義，這樣定義的算符共有4種：(1)如果空格上面有數(shù)字，將空格與其上面含有數(shù)字的方格交換位置，為方便描述，以下簡記為空格與數(shù)字互換位置；(2)如果空格下面有數(shù)字，將空格與數(shù)字互換位置；(3)如果空格左面有數(shù)字，將空格與數(shù)字互換位置；(4)如果空格右面有數(shù)字，將空格與數(shù)字互換位置。狀態(tài)空間圖搜索的基本思想