計(jì)算智能若干方法的應(yīng)用研究.pdf

1、傳統(tǒng)的人工智能是符號(hào)主義,以知識(shí)為基礎(chǔ),通過推理進(jìn)行問題求解.計(jì)算智能是以數(shù)據(jù)為基礎(chǔ),以連接主義的思想為主,通過訓(xùn)練建立聯(lián)系,進(jìn)行問題求解.常見的計(jì)算智能方法有神經(jīng)網(wǎng)絡(luò)、模糊技術(shù)、進(jìn)化計(jì)算、混沌科學(xué)等.計(jì)算智能方法正得到越來(lái)越多學(xué)者的研究和完善,并與傳統(tǒng)的人工智能技術(shù)互相交叉、取長(zhǎng)補(bǔ)短,使得人工智能研究與應(yīng)用呈現(xiàn)出向上的發(fā)展趨勢(shì).本文研究了模糊技術(shù)、神經(jīng)網(wǎng)絡(luò)和遺傳算法三種典型計(jì)算智能方法在工業(yè)控制上的應(yīng)用,并對(duì)神經(jīng)網(wǎng)絡(luò)和遺傳算法進(jìn)行深入

2、的分析研究,從兩種方法的互補(bǔ)性入手,將兩種方法進(jìn)行融合.本文首先從計(jì)算機(jī)工業(yè)監(jiān)測(cè)控制系統(tǒng)的一個(gè)實(shí)例出發(fā),研究模糊技術(shù)在工業(yè)控制上的應(yīng)用.該系統(tǒng)注重對(duì)作為知識(shí)獲取來(lái)源的知識(shí)源本身的研究,依照工業(yè)規(guī)范,設(shè)計(jì)模糊控制規(guī)則,用于構(gòu)建活性石灰生產(chǎn)線安全智能監(jiān)控系統(tǒng).為了對(duì)智能控制系統(tǒng)在質(zhì)量控制中的非線性問題做進(jìn)一步的研究,本文介紹了另外兩種計(jì)算智能方法——神經(jīng)網(wǎng)絡(luò)和遺傳算法.神經(jīng)網(wǎng)絡(luò)是一種處理復(fù)雜系統(tǒng)中非線性問題的有效方法.雖然在有合理的結(jié)構(gòu)和恰

3、當(dāng)?shù)臋?quán)值的條件下,BP網(wǎng)絡(luò)可以逼近任意的連續(xù)函數(shù),但是確定該合理結(jié)構(gòu)和權(quán)值并不是網(wǎng)絡(luò)本身所能實(shí)現(xiàn)的.BP算法是基于梯度的方法,這種方法的收斂速度慢,且常受局部極小點(diǎn)的困擾,采用具有全局收斂性的遺傳算法則可擺脫這種困境.于是本文選擇采用遺傳算法優(yōu)化網(wǎng)絡(luò)的初始權(quán)重,然后利用BP算法最終完成網(wǎng)絡(luò)訓(xùn)練的方法.雖然在一定條件下遺傳算法總是以概率1收斂于問題的最優(yōu)解,但是基本的遺傳算法并不能保證全局最優(yōu)收斂.為此,本文引入泛函分析中的壓縮映射原理,