人工智能第一章緒論1.1人工智能的定義和開展1.2人類智能和人工智能1.3人工智能的各種認知觀1.4人工智能的研討與運用領域1.5課程概要1.1.1人工智能的定義幾種定義智能機器〔intelligentmachine〕人工智能〔學科〕人工智能〔才干〕人工智能〔擬人思想、行為〕人工智能〔理性思想、行為〕1.1定義和開展3中南大學智能系統與智能軟件研討所1.1.2人工智能的來源與開展孕育期〔1956年前〕數理邏輯學科〔弗雷治、維納等〕計算的新思想〔丘奇、圖靈等〕構成期〔1956--1970年〕1956年，第一次人工智能的研討會1969年，第一屆國際人工智能結合會議1970年，<人工智能>國際雜志創刊1.1定義和開展4中南大學智能系統與智能軟件研討所1.1.2人工智能的來源與開展開展期〔1970年~〕進一步研討AI根本原理方法和技術進展適用化研討專家系統與知識工程智能機器人智能控制等從“一枝獨秀〞到“百花齊放〞1.1定義和開展5中南大學智能系統與智能軟件研討所1.2人類智能和人工智能1.2.1智能信息處置系統的假設人是一種智能信息處置系統物理符號系統的六種根本功能物理符號系統的假設推論一推論二推論三6中南大學智能系統與智能軟件研討所1.2.1智能信息處置系統的假設人類的認知行為具有不同層次認知生理學認知心思學認知信息學認知工程學1.2人類智能和人工智能7中南大學智能系統與智能軟件研討所1.2.2人類智能的計算機模擬機器智能可以模擬人類智能智能計算機下棋定理證明言語翻譯新型智能計算機神經計算機量子計算機1.2人類智能和人工智能8中南大學智能系統與智能軟件研討所1.2.3人工智能的研討目的近期目的建造智能計算機替代人類的部分智力勞動遠期目的用自動機模擬人類的思想過程和智能行為1.2人類智能和人工智能9中南大學智能系統與智能軟件研討所1.3人工智能的各種認知觀符號主義〔Symbolicism〕基于物理符號系統假設和有限合理性原理銜接主義〔Connectionism〕基于神經網絡及其間的銜接機制與學習算法行為主義〔Actionism〕基于控制論及感知—動作型控制系統10中南大學智能系統與智能軟件研討所1.4人工智能的研討及運用領域人工智能的根本技術知識表示〔KnowledgeRepresentation〕形狀空間法、問題歸約法、謂詞邏輯法…推理搜索〔Searching&Reasoning〕啟發式搜索、消解原理、不確定性推理…計算智能〔ComputationalIntelligence〕模糊計算、神經計算、進化計算…構成技術〔系統與言語〕產生式系統、LISP言語、Prolog言語…11中南大學智能系統與智能軟件研討所1.4.1問題求解問題的表示、分解、搜索、歸約等進展復雜的數學公式符號運算求解1.4.2邏輯推理與定理證明經過對現實數據庫的操作來證明定理多種證明方法幾何定理證明的“吳氏方法〞1.4研討及運用12中南大學智能系統與智能軟件研討所1.4.3自然言語了解言語自然言語、人造言語、機器言語“了解〞的規范1.4.4自動程序設計根據不同目的描畫來編寫的計算機程序促進人工智能系統的開展1.4研討及運用13中南大學智能系統與智能軟件研討所1.4.5專家系統是一個智能化的計算機程序系統和傳統的計算機程序之間有本質區別1.4.6機器學習是機器獲取智能的途徑學習是一個有特定目的的知識獲取過程學習的本質是對信息的了解與運用有多種學習方法1.4研討及運用14中南大學智能系統與智能軟件研討所1.4.7神經網絡神經計算機在其它領域中的廣泛運用1.4.8機器人學操作機器人智能機器人機器人的廣泛運用促進人工智能的開展1.4研討及運用15中南大學智能系統與智能軟件研討所1.4.9方式識別是計算機對環境識別的需求是對人類環境的感知模擬1.4.10機器視覺人類80％以上的外部信息來自視覺低層視覺與高層視覺前沿研討領域廣泛運用1.4研討及運用16中南大學智能系統與智能軟件研討所1.4.11智能控制驅動智能機器自主地實現其目的的過程是一個定性和定量的混合控制過程是當今自動控制的最高程度1.4.12智能檢索是信息時代降臨的需求智能檢索系統所面臨的三大問題1.4研討及運用17中南大學智能系統與智能軟件研討所1.4.13智能調度與指揮尋覓最正確調度和組合NP完全類問題的求解軍事指揮系統等領域1.4.14分布式人工智能與Agent是傳統人工智能的延伸和擴展研討目的是創建一種能描畫自然系統和社會系統的準確概念模型1.4研討及運用18中南大學智能系統與智能軟件研討所1.4.15計算智能與進化計算計算智能包括神經計算、模糊計算、進化計算等進化計算的實際根底是生物進化論1.4.16數據發掘與知識發現知識獲取數據庫知識發掘數據庫中知識發現的四個特征1.4研討及運用19中南大學智能系統與智能軟件研討所1.4.17人工生命人工生命概念的提出實際根底與研討方法研討內容1.4.18系統與言語工具計算機系統的一些概念得到開展新的編程言語與公用開發工具1.4研討及運用20中南大學智能系統與智能軟件研討所1.5課程概要簡述人工智能的來源與開展概括地論述知識表示的各種主要方法討論常用的搜索原理和推理求解技術引見近期人工智能技術和方法的熱點詳細地分析人工智能的主要運用領域表達人工智能的爭議與展望21中南大學智能系統與智能軟件研討所第二章知識表示方法2.1形狀空間法2.2問題歸約法2.3謂詞邏輯法2.4語義網絡法2.5其他方法2.6小結2.1形狀空間法

〔StateSpaceRepresentation〕問題求解技術主要是兩個方面：問題的表示求解的方法形狀空間法形狀〔state〕算符〔operator〕形狀空間方法23中南大學智能系統與智能軟件研討所2.1.1問題形狀描畫定義形狀：描畫某類不同事物間的差別而引入的一組最少變量q0，q1，…，qn的有序集合。算符：使問題從一種形狀變化為另一種形狀的手段稱為操作符或算符。問題的形狀空間：是一個表示該問題全部能夠形狀及其關系的圖，它包含三種闡明的集合，即三元形狀〔S，F，G〕。2.1形狀空間法24中南大學智能系統與智能軟件研討所2.形狀空間表示概念詳釋例如下棋、迷宮及各種游戲。OriginalStateMiddleStateGoalState2.1形狀空間法25中南大學智能系統與智能軟件研討所例:三數碼難題

〔3puzzleproblem〕123123123312312312初始棋局目的棋局2.1形狀空間法26中南大學智能系統與智能軟件研討所有向圖途徑代價圖的顯示闡明圖的隱示闡明2.1.2形狀圖示法AB2.1形狀空間法27中南大學智能系統與智能軟件研討所2.1.3形狀空間表示舉例產生式系統〔productionsystem〕一個總數據庫：它含有與詳細義務有關的信息隨著運用情況的不同，這些數據庫能夠簡單，或許復雜。一套規那么：它對數據庫進展操作運算。每條規那么由左部鑒別規那么的適用性或先決條件以及右部描畫規那么運用時所完成的動作。一個控制戰略：它確定應該采用哪一條適用規那么，而且當數據庫的終止條件滿足時，就停頓計算。2.1形狀空間法28中南大學智能系統與智能軟件研討所形狀空間表示舉例例：猴子和香蕉問題2.1形狀空間法29中南大學智能系統與智能軟件研討所解題過程用一個四元表列〔W，x，Y，z〕來表示這個問題形狀.這個問題的操作〔算符〕如下：2goto〔U〕表示猴子走到程度位置U或者用產生式規那么表示為 〔W，0，Y，z〕goto〔U〕〔U，0，Y，z〕2.1形狀空間法30中南大學智能系統與智能軟件研討所pushbox〔V〕猴子把箱子推到程度位置V，即有 〔W，0，W，z〕pushbox〔V〕〔V，0，V，z〕climbbox猴子爬上箱頂，即有 〔W，0，W，z〕climbbox〔W，1，W，z〕2.1形狀空間法31中南大學智能系統與智能軟件研討所grasp猴子摘到香蕉，即有 〔c，1，c，0〕grasp〔c，1，c，1〕

該初始形狀變換為目的形狀的操作序列為 {goto(b),pushbox(c),climbbox,grasp}2.1形狀空間法32中南大學智能系統與智能軟件研討所(b，1，b，0)〔U，0，b，0〕〔V，0，V，0〕〔c，1，c，0〕〔U，0，V，0〕〔c，1，c，1〕〔a，0，b，0〕目的形狀goto〔U〕goto〔U〕U=b，climbboxgoto〔U〕U=bpushbox〔V〕猴子和香蕉問題的形狀空間圖goto〔U〕U=V2.1形狀空間法33中南大學智能系統與智能軟件研討所猴子和香蕉問題自動演示：

猴子香蕉箱子

猴子香蕉箱子

Ha!Ha!2.1形狀空間法34中南大學智能系統與智能軟件研討所2.2問題歸約法

〔ProblemReductionRepresentation〕子問題1子問題n原始問題子問題集本原問題35中南大學智能系統與智能軟件研討所問題歸約表示的組成部分：一個初始問題描畫；一套把問題變換為子問題的操作符；一套本原問題描畫。問題歸約的本質：從目的(要處理的問題)出發逆向推理，建立子問題以及子問題的子問題，直至最后把初始問題歸約為一個平凡的本原問題集合。2.2問題規約法36中南大學智能系統與智能軟件研討所2.2.1問題歸約描畫

〔ProblemReductionDescription〕梵塔難題123CBA2.2問題規約法37中南大學智能系統與智能軟件研討所解題過程〔3個圓盤問題〕1231231231231231231231232.2問題規約法38中南大學智能系統與智能軟件研討所多圓盤梵塔難題演示2.2問題規約法39中南大學智能系統與智能軟件研討所2.2.2與或圖表示1.與圖、或圖、與或圖2.2問題規約法ABCD與圖ABC或圖40中南大學智能系統與智能軟件研討所2.2問題規約法BCDEFGAHMBCDEFGAN41中南大學智能系統與智能軟件研討所2.一些關于與或圖的術語2.2問題規約法HMBCDEFGAN父節點與節點弧線或節點子節點終葉節點42中南大學智能系統與智能軟件研討所3.定義2.2問題規約法與或圖例子ttttttttt〔a〕〔b〕有解節點無解節點終葉節點43中南大學智能系統與智能軟件研討所不可解節點的普通定義沒有后裔的非終葉節點為不可解節點。全部后裔為不可解的非終葉節點且含有或后繼節點，此非終葉節點才是不可解的。后裔至少有一個為不可解的非終葉節點且含有與后繼節點，此非終葉節點才是不可解的。與或圖構成規那么2.2問題規約法44中南大學智能系統與智能軟件研討所梵塔問題歸約圖〔113〕〔123〕

〔111〕〔113〕

〔123〕〔122〕

〔111〕〔333〕

〔122〕〔322〕

〔111〕〔122〕

〔322〕〔333〕

〔321〕〔331〕

〔322〕〔321〕

〔331〕〔333〕

2.2問題規約法45中南大學智能系統與智能軟件研討所2.3謂詞邏輯法邏輯語句方式言語2.3.1謂詞演算1.語法和語義根本符號謂詞符號、變量符號、函數符號、常量符號、括號和逗號原子公式46中南大學智能系統與智能軟件研討所連詞和量詞(Connective&Quantifiers)連詞與及合取〔conjunction)或及析取〔disjunction〕蘊涵〔Implication〕非〔Not〕量詞全稱量詞〔UniversalQuantifiers)存在量詞(ExistentialQuantifiers)2.3謂詞邏輯法47中南大學智能系統與智能軟件研討所2.3.2謂詞公式原子公式的的定義：用P(x1，x2，…，xn)表示一個n元謂詞公式，其中P為n元謂詞，x1,x2,…，xn為客體變量或變元。通常把P(x1,x2,…,xn)叫做謂詞演算的原子公式，或原子謂詞公式。分子謂詞公式可以用連詞把原子謂詞公式組成復合謂詞公式，并把它叫做分子謂詞公式。2.3謂詞邏輯法48中南大學智能系統與智能軟件研討所適宜公式〔WFF，well-formedformulas〕適宜公式的遞歸定義適宜公式的性質適宜公式的真值等價〔Equivalence)2.3謂詞邏輯法49中南大學智能系統與智能軟件研討所2.3.3置換與合一置換概念假元推理全稱化推理綜合推理定義就是在該表達式中用置換項置換變量性質可結合的不可交換的2.3謂詞邏輯法50中南大學智能系統與智能軟件研討所合一〔Unification)合一：尋覓項對變量的置換，以使兩表達式一致。可合一：假設一個置換s作用于表達式集{Ei}的每個元素，那么我們用{Ei}s來表示置換例的集。我們稱表達式集{Ei}是可合一的。2.3謂詞邏輯法51中南大學智能系統與智能軟件研討所2.4語義網絡法

〔SemanticNetworkRepresentation〕語義網絡的構造定義組成部分詞法構造過程語義52中南大學智能系統與智能軟件研討所表示占有關系和其它情況例：小燕是一只燕子，燕子是鳥；巢-1是小燕的巢，巢-1是巢中的一個。選擇語義基元試圖用一組基元來表示知識，以便簡化表示，并可用簡單的知識來表示更復雜的知識。2.4語義網絡法2.4.1二元語義網絡的表示53中南大學智能系統與智能軟件研討所2.4.2多元語義網絡的表示謂詞邏輯與語義網絡等效LIMINGMANISAISA〔LIMING，MAN〕或MAN〔LIMING〕〔語義網絡〕〔謂詞邏輯〕2.4語義網絡法54中南大學智能系統與智能軟件研討所多元語義網絡表示的本質把多元關系轉化為一組二元關系的組合，或二元關系的合取。R(X1，X2，…，Xn)R12(X1，X2)∧R13(X1，X3)∧…∧R1n(X1，Xn)......Rn-1n(Xn-1，Xn)可轉換為2.4語義網絡法55中南大學智能系統與智能軟件研討所2.4.3銜接詞和量化的表示合取三元變為二元組合析取加注析取界限，并標志DIS，以免引起混淆。否認兩種表示方式：～或標注NEG界限。2.4語義網絡法56中南大學智能系統與智能軟件研討所蘊涵在語義網絡中可用標注ANTE和CONSE界限來表示蘊涵關系。ANTE和CONSE界限分別用來把與先決條件(antecedent)及與結果(consequence)相關的鏈聯絡在一同。量化存在量化—ISA鏈全稱量化—分割法2.4語義網絡法57中南大學智能系統與智能軟件研討所2.5其他方法〔Others)框架〔Frame〕表示框架是一種構造化表示法，通常采用語義網絡中的節點-槽-值表示構造。劇本〔Script〕表示劇本是框架的一種特殊方式，它用一組槽來描畫某些事件的發生序列。過程〔Procedure〕表示過程式表示就是將有關某一問題領域的知識，連同如何運用這些知識的方法，均隱式地表達為一個求解問題的過程。58中南大學智能系統與智能軟件研討所2.6小結〔Summary〕本章所討論的知識表示問題是人工智能研討的中心問題之一。知識表示方法很多，本章引見了其中的7種，有圖示法和公式法，陳說式表示和過程式表示等。59中南大學智能系統與智能軟件研討所方法初始問題算符目的結果形狀空間法歸約法謂詞邏輯法語義網絡法形狀結點適宜公式結點算符弧子句集〔setofclause〕置換合一消解反演鏈目的形狀結點根結點目的網絡解答途徑〔path〕解答樹〔tree〕nil語義網絡知識表示方法間的關系60中南大學智能系統與智能軟件研討所第三章搜索推理技術3.6產生式系統3.7系統組織技術3.8不確定性推理3.9非單調推理3.10小結3.1圖搜索戰略3.2盲目搜索3.3啟發式搜索3.4消解原理3.5規那么演繹系統3.1圖搜索戰略圖搜索控制戰略

一種在圖中尋覓途徑的方法。

圖中每個節點對應一個形狀，每條連線對應一個操作符。這些節點和連線(即形狀與操作符)又分別由產生式系統的數據庫和規那么來標志。求得把一個數據庫變換為另一數據庫的規那么序列問題就等價于求得圖中的一條途徑問題。圖搜索過程圖62中南大學智能系統與智能軟件研討所開場把S放入OPEN表OPEN表為空表？把第一個節點(n)從OPEN表移至CLOSED表n為目的節點嗎？把n的后繼節點放入OPEN表的末端，提供前往節點n的指針修正指針方向重排OPEN表失敗勝利圖3.1圖搜索過程框圖是是否否3.1圖搜索戰略63中南大學智能系統與智能軟件研討所3.2盲目搜索特點：不需重排OPEN表種類：寬度優先、深度優先、等代價搜索等。3.2.1寬度優先搜索定義以接近起始節點的程度逐層擴展節點的搜索方法。特點：一種高代價搜索，但假設有解存在，那么必能找到它。算法64中南大學智能系統與智能軟件研討所開場把S放入OPEN表OPEN表為空表？把第一個節點(n)從OPEN表移至CLOSED表能否有后繼節點為目的節點？擴展n，把n的后繼節點放入OPEN表的末端，提供前往節點n的指針失敗勝利圖3.2寬度優先算法框圖是否是否3.2盲目搜索65中南大學智能系統與智能軟件研討所例子

八數碼難題〔8-puzzleproblem〕1238456712384567〔目的形狀〕〔初始形狀〕規定：將牌移入空格的順序為：從空格左邊開場順時針旋轉。不許斜向挪動，也不前往先輩節點。從圖可見，要擴展26個節點，共生成46個節點之后才求得解〔目的節點〕。3.2盲目搜索66中南大學智能系統與智能軟件研討所1238456712384123845674123856712384123845671238456712384567678910111213123845675675671123845671238456712384567123845672345圖3.4八數碼難題的寬度優先搜索樹134561238456712384567123845671238456712384567232425262712367822123845671238456712384567123845671238456712384567123845671415161718192021123845673.2盲目搜索67中南大學智能系統與智能軟件研討所3.2.2深度優先搜索定義首先擴展最新產生的(即最深的)節點。算法防止搜索過程沿著無益的途徑擴展下去，往往給出一個節點擴展的最大深度——深度界限。與寬度優先搜索算法最根本的不同在于：將擴展的后繼節點放在OPEN表的前端。〔算法框圖見教材〕3.2盲目搜索68中南大學智能系統與智能軟件研討所3.2.3等代價搜索定義是寬度優先搜索的一種推行，不是沿著等長度途徑斷層進展擴展，而是沿著等代價途徑斷層進展擴展。搜索樹中每條銜接弧線上的有關代價,表示時間、間隔等破費。算法假設一切銜接弧線具有相等代價，那么簡化為寬度優先搜索算法。3.2盲目搜索69中南大學智能系統與智能軟件研討所開場把S放入OPEN表OPEN表為空表？把具有最小g(i)值的節點i從OPEN表移至CLOSED表能否有后繼節點為目的節點？失敗勝利圖3.2等代價搜索算法框圖是否是否令g(s)=0S能否目的節點？是勝利擴展i，計算其后繼節點j的g(j)，并把后繼節點放入OPEN表否3.2盲目搜索70中南大學智能系統與智能軟件研討所3.3啟發式搜索特點：重排OPEN表，選擇最有希望的節點加以擴展種類：有序搜索、A*算法等3.3.1啟發式搜索戰略和估價函數盲目搜索能夠帶來組合爆炸啟發式信息

用來加速搜索過程的有關問題領域的特征信息。71中南大學智能系統與智能軟件研討所估價函數

為獲得某些節點“希望〞的啟發信息，提供一個評定侯選擴展節點的方法，以便確定哪個節點最有能夠在通向目的的最正確途徑上。

f(n)——表示節點n的估價函數值運用節點“希望〞程度〔估價函數值〕重排OPEN表3.3.2有序搜索本質選擇OPEN表上具有最小f值的節點作為下一個要擴展的節點。3.3啟發式搜索72中南大學智能系統與智能軟件研討所開場把S放入OPEN表，計算估價函數f(s)OPEN表為空表？選取OPEN表中f值最小的節點i放入CLOSED表i為目的節點嗎？擴展i，得后繼節點j，計算f(j)，提供前往節點i的指針，利用f(j)對OPEN表重新排序，調整親子關系及指針失敗勝利圖3.9有序搜索算法框圖是否是否3.3啟發式搜索算法73中南大學智能系統與智能軟件研討所例子八數碼難題〔8-puzzleproblem〕12384567〔目的形狀〕12384567〔初始形狀〕八數碼難題的有序搜索樹見以下圖：3.3啟發式搜索74中南大學智能系統與智能軟件研討所5714563123845671238456712384567〔4〕〔6〕〔6〕2123845671238456712384567〔6〕〔5〕〔5〕1238456712384567〔5〕〔7〕1238456712384567〔6〕〔7〕12384567〔5〕8132456712384567〔5〕〔7〕圖3.10八數碼難題的有序搜索樹123846〔4〕73.3啟發式搜索75中南大學智能系統與智能軟件研討所3.3.3A*算法估價函數的定義：

對節點n定義f*(n)=g*(n)+h*(n),表示從S開場約束經過節點n的一條最正確途徑的代價。

希望估價函數f定義為：f(n)=g(n)+h(n)

——g是g*的估計，h是h*的估計A*算法的定義：

定義1在GRAPHSEARCH過程中，假設第8步的重排OPEN表是根據f(x)=g(x)+h(x)進展的，那么稱該過程為A算法。定義2在A算法中，假設對一切的x存在h(x)≤h*(x),那么稱h(x)為h*(x)的下界，它表示某種偏于保守的估計。定義3采用h*(x)的下界h(x)為啟發函數的A算法，稱為A*算法。當h=0時，A*算法就變為有序搜索算法。

3.3啟發式搜索76中南大學智能系統與智能軟件研討所3.4消解原理回想： 原子公式〔atomicformulas〕 文字—一個原子公式及其否認。 子句—由文字的析取組成的適宜公式。 消解—對謂詞演算公式進展分解和化簡，消去一些符號，以求得導出子句。3.4.1子句集的求取步驟：共9步。77中南大學智能系統與智能軟件研討所例子:將以下謂詞演算公式化為一個子句集(x)｛P(x)｛(y)［P(y)P(f(x,y))］∧～(y)［Q(x,y)P(y)］｝｝開場：消去蘊涵符號只運用∨和～符號，以～A∨B交換AB。(1)(x)｛～P(x)∨{(y)［~P(y)∨P(f(x,y))］∧～(y)［~Q(x,y)∨P(y)］}}3.4消解原理78中南大學智能系統與智能軟件研討所(2)減少否認符號的轄域每個否認符號～最多只用到一個謂詞符號上，并反復運用狄·摩根定律。(3)對變量規范化對啞元〔虛擬變量〕改名，以保證每個量詞有其本人獨一的啞元。3.4消解原理(2)(x)｛～P(x)∨｛(y)［～P(y)∨P(f(x,y))］∧(y)［Q(x,y)∧～P(y)］｝｝(3)(x)｛～P(x)∨｛(y)［～P(y)∨P(f(x,y))］∧(w)［Q(x,w)∧～P(w)］｝｝79中南大學智能系統與智能軟件研討所(4)消去存在量詞以Skolem函數替代存在量詞內的約束變量，然后消去存在量詞化為前束形把一切全稱量詞移到公式的左邊，并使每個量詞的轄域包括這個量詞后面公式的整個部分。前束形={前綴}{母式}全稱量詞串無量詞公式(4)(x)｛～P(x)∨{(y)[~P(y)∨P(f(x,y))］∧［Q(x,g(x)〕∧～P(g(x))］｝｝式中，w=g(x)為一Skolem函數。(5)(x)(y)｛～P(x)∨｛［～P(y)∨P(f(x,y))］∧［Q(x,g(x))∧～P(g(x))］｝｝3.4消解原理80中南大學智能系統與智能軟件研討所把母式化為合取范式任何母式都可寫成由一些謂詞公式和(或)謂詞公式的否認的析取的有限集組成的合取。(7)消去全稱量詞一切余下的量詞均被全稱量詞量化了。消去前綴，即消去明顯出現的全稱量詞。3.4消解原理(6)(x)(y)｛［～P(x)∨～P(y)∨P(f(x,y))］∧［～P(x)∨Q(x,g(x))］∧［～P(x)∨～P(g(x))］｝(7)｛［～P(x)∨～P(y)∨P(f(x,y))］∧［～P(x)∨Q(x,g(x))］∧［～P(x)∨～P(g(x))］｝81中南大學智能系統與智能軟件研討所(8)消去連詞符號∧用{A,B}替代(A∧B)，消去符號∧。最后得到一個有限集，其中每個公式是文字的析取。(9)改換變量稱號可以改換變量符號的稱號，使一個變量符號不出如今一個以上的子句中。3.4消解原理(8)～P(x)∨～P(y)∨P(f(x,y)) ～P(x)∨Q(x,g(x)) ～P(x)∨～P(g(x))(9)～P(x1)∨～P(y)∨P［f(x1,y)］～P(x2)∨Q［x2,g(x2)］～P(x3)∨～P［g(x3)］82中南大學智能系統與智能軟件研討所3.4.2消解推理規那么消解式的定義

令L1，L2為兩恣意原子公式；L1和L2具有一樣的謂詞符號，但普通具有不同的變量。知兩子句L1∨α和～L2∨β,假設L1和L2具有最普通合一σ，那么經過消解可以從這兩個父輩子句推導出一個新子句(α∨β)σ。這個新子句叫做消解式。消解式求法取各子句的析取，然后消去互補對。3.4消解原理83中南大學智能系統與智能軟件研討所3.4.3含有變量的消解式要把消解推理規那么推行到含有變量的子句，必需找到一個作用于父輩子句的置換，使父輩子句含有互補文字。含有變量的子句之消解式例子P[x,f(y)]∨Q(x)∨R[f(a),y] ～P[f(f(a)),z]∨R(z，w)Q[f(f(a))]∨R(f(a)，y)∨R(f(y)，w)σ={f(f(a))/x,f(y)/z}3.4消解原理84中南大學智能系統與智能軟件研討所3.4.4消解反演求解過程消解反演給出{S}，L否認L，得～L；把～L添加到S中去；把新產生的集合｛～L，S｝化成子句集；運用消解原理，力圖推導出一個表示矛盾的空子句例子—儲蓄問題前提：每個儲蓄錢的人都獲得利息。結論：假設沒有利息，那么就沒有人去儲蓄錢3.4消解原理85中南大學智能系統與智能軟件研討所(1〕規定原子公式： S(x,y)表示“x儲蓄y〞M(x)表示“x是錢〞 I(x)表示“x是利息〞 E(x，y)表示“x獲得y〞(2〕用謂詞公式表示前提和結論：前提：(x)[(y)(S(x,y))∧M(y)][(y)(I(y)∧E(x,y))]結論：～(x)I(x)(x)(y)(M(y)→～S(x,y))(3)化為子句形證明：3.4消解原理86中南大學智能系統與智能軟件研討所把前提化為子句形：1)～S(x,y)∨～M(y)∨I(f(x))2)～S(x,y)∨～M(y)∨E(x,f(x))把結論化為子句形：3)～I(z)4)S(a,b)5)M(b)(4)消解反演求NIL圖3.12儲蓄問題反演樹子句〔1〕子句〔3〕f(x)/z～M(b)NIL子句〔5〕子句〔7〕子句〔4〕{a/x,b/y}～S(x,y)∨～M(y)子句〔6〕3.4消解原理87中南大學智能系統與智能軟件研討所反演求解過程從反演樹求取答案步驟把由目的公式的否認產生的每個子句添加到目的公式否認之否認的子句中去。按照反演樹，執行和以前一樣的消解，直至在根部得到某個子句止。用根部的子句作為一個回答語句。本質把一棵根部有NIL的反演樹變換為根部帶有回答語句的一棵證明樹。3.4消解原理88中南大學智能系統與智能軟件研討所3.5規那么演繹系統定義基于規那么的問題求解系統運用If→Then規那么來建立，每個if能夠與某斷言(assertion)集中的一個或多個斷言匹配。有時把該斷言集稱為任務內存，then部分用于規定放入任務內存的新斷言。這種基于規那么的系統叫做規那么演繹系統。在這種系統中，通常稱每個if部分為前項，稱每個then部分為后項。89中南大學智能系統與智能軟件研討所3.5.1規那么正向演繹系統定義正向規那么演繹系統是從現實到目的進展操作的，即從情況條件到動作進展推理的，也就是從if到then的方向進展推理的。求解過程現實表達式的與或形變換在基于規那么的正向演繹系統中，我們把現實表示為非蘊涵方式的與或形，作為系統的總數據庫。3.5規那么演繹系統90中南大學智能系統與智能軟件研討所現實表達式的與或圖表示Q(w,A)∧{[～R(v)∧～P(v)]∨～S(A,v)}Q(w,A)[～R(v)∧～P(v)]∨～S(A,v)～R(v)∧～P(v)～S(A,v)～R(v)～P(v)圖3.15一個現實表達式的與或樹表示3.5規那么演繹系統91中南大學智能系統與智能軟件研討所與或圖的F規那么變換這些規那么是建立在某個問題轄域中普通陳說性知識的蘊涵公式根底上的。我們把允許用作規那么的公式類型限制為以下方式： LW 式中：L是單文字；W為與或形的獨一公式。3.5規那么演繹系統92中南大學智能系統與智能軟件研討所3.5.2規那么逆向演繹系統定義逆向規那么演繹系統是從then向if進展推理的，即從目的或動作向現實或情況條件進展推理的。求解過程目的表達式的與或方式與或圖的B規那么變換作為終止條件的現實節點的一致解圖3.5規那么演繹系統93中南大學智能系統與智能軟件研討所正向和逆向組合系統是建立在兩個系統相結合的根底上的。此組合系統的總數據庫由表示目的和表示現實的兩個與或圖構造組成。這些與或圖構造分別用正向系統的F規那么和逆向系統的B規那么來修正。3.5.3規那么雙向演繹系統3.5規那么演繹系統94中南大學智能系統與智能軟件研討所3.6產生式系統定義：用來描畫假設干個不同的以一個根本概念為根底的系統。這個根本概念就是產生式規那么或產生式條件和操作對的概念。本質：在產生式系統中，論域的知識分為兩部分：用現實表示靜態知識，如事物、事件和它們之間的關系；用產生式規那么表示推理過程和行為。由于這類系統的知識庫主要用于存儲規那么，因此又把此類系統稱為基于規那么的系統。95中南大學智能系統與智能軟件研討所3.6.1產生式系統的組成控制戰略圖3.22產生式系統的主要組成總數據庫產生式規那么3.6產生式系統96中南大學智能系統與智能軟件研討所選擇規那么到執行操作的步驟1匹配把當前數據庫與規那么的條件部分相匹配。2沖突當有一條以上規那么的條件部分和當前數據庫相匹配時，就需求決議首先運用哪一條規那么，這稱為沖突處理。3操作操作就是執行規那么的操作部分。3.6產生式系統97中南大學智能系統與智能軟件研討所3.6.2產生式系統的推理正向推理：從一組表示現實的謂詞或命題出發，運用一組產生式規那么，用以證明該謂詞公式或命題能否成立。逆向推理：從表示目的的謂詞或命題出發，運用一組產生式規那么證明現實謂詞或命題成立，即首先提出一批假設目的，然后逐一驗證這些假設。雙向推理：雙向推理的推理戰略是同時從目的向現實推理和從現實向目的推理，并在推理過程中的某個步驟，實現現實與目的的匹配。3.6產生式系統98中南大學智能系統與智能軟件研討所3.7系統組織技術3.7.1議程表系統組織技術首先將一個大系統或復雜系統中的知識劃分為一組相對獨立的模塊，然后思索各子模塊間在求解時的協作問題。議程表是一個系統可以執行的義務表列。與每個義務有關的有兩件事，即提出該義務的理由和表示對該義務是有用的證據總權的評價。99中南大學智能系統與智能軟件研討所3.7.2黑板法黑板法由一組稱為知識資源(KS)的獨立模塊和一塊黑板組成求解系統。知識資源含有系統中專門領域的知識，而黑板那么是一切KS可以訪問的公用數據構造。3.7系統組織技術3.7.3Δ-極小搜索法提供了一種選擇最有希望假設的技術。100中南大學智能系統與智能軟件研討所3.8不確定性推理以模糊集實際為根底的方法以概率為根底的方法3.8.1關于證據的不確定性不確定性推理是研討復雜系統不完全性和不確定性的有力工具。有兩種不確定性，即關于證據的不確定性和關于結論的不確定性。101中南大學智能系統與智能軟件研討所3.8.2關于結論的不確定性關于結論的不確定性也叫做規那么的不確定性，它表示當規那么的條件被完全滿足時，產生某種結論的不確定程度。3.8.3多個規那么支持同一現實時的不確定性基于模糊集實際的方法基于概率論的方法3.8不確定性推理102中南大學智能系統與智能軟件研討所3.9非單調推理定義非單調推理用來處置那些不適宜用謂詞邏輯表示的知識。它可以較好地處置不完全信息、不斷變化的情況以及求解復雜問題過程中生成的假設，具有較為有效的求解效率。103中南大學智能系統與智能軟件研討所3.9.1缺省推理定義1：假設X不知道，那么得結論Y。定義2：假設X不能被證明，那么得結論Y。定義3：假設X不能在某個給定的時間內被證明，那么得結論Y。3.9非單調推理3.9.2非單調推理系統正確性維持系統用以堅持其它程序所產生的命題之間的相容性。一旦發現某個不相容，它就調出本人的推理機制，面向從屬關系的回溯，并經過修正最小的信心集來消除不相容。104中南大學智能系統與智能軟件研討所3.10小結經典搜索推理技術圖搜索技術消解反演高級搜索推理技術規那么演繹系統產生式系統系統組織技術不確定性推理非單調推理105中南大學智能系統與智能軟件研討所第四章計算智能(1)神經計算模糊計算4.1 概述信息科學與生命科學的相互交叉、相互浸透和相互促進是現代科學技術開展的一個顯著特點。計算智能涉及神經網絡、模糊邏輯、進化計算和人工生命等領域，它的研討和開展正反映了當代科學技術多學科交叉與集成的重要開展趨勢。107中南大學智能系統與智能軟件研討所什么是計算智能把神經網絡〔NN〕歸類于人工智能〔AI〕能夠不大適宜，而歸類于計算智能〔CI〕更能闡明問題本質。進化計算、人工生命和模糊邏輯系統的某些課題，也都歸類于計算智能。計算智能取決于制造者〔manufacturers〕提供的數值數據，不依賴于知識；另一方面，人工智能運用知識精品〔knowledgetidbits〕。人工神經網絡該當稱為計算神經網絡。4.1概述108中南大學智能系統與智能軟件研討所計算智能與人工智能的區別和關系輸入人類知識(＋)傳感輸入知識(＋)傳感數據計算(＋)傳感器C－數值的A－符號的B－生物的輸入復雜性復雜性BNNBPRBIANNAPRAICNNCPRCI4.1概述109中南大學智能系統與智能軟件研討所A－Artificial，表示人工的〔非生物的〕；B－Biological，表示物理的＋化學的＋〔？〕＝生物的；C－Computational，表示數學＋計算機計算智能是一種智力方式的低層認知，它與人工智能的區別只是認知層次從中層下降至低層而已。中層系統含有知識〔精品〕，低層系統那么沒有。4.1概述110中南大學智能系統與智能軟件研討所當一個系統只涉及數值〔低層〕數據，含有方式識別部分，不運用人工智能意義上的知識，而且可以呈現出：〔1〕計算順應性；〔2〕計算容錯性；〔3〕接近人的速度；〔4〕誤差率與人相近，那么該系統就是計算智能系統。當一個智能計算系統以非數值方式加上知識〔精品〕值，即成為人工智能系統。4.1概述111中南大學智能系統與智能軟件研討所1960年威德羅和霍夫率先把神經網絡用于自動控制研討。60年代末期至80年代中期，神經網絡控制與整個神經網絡研討一樣，處于低潮。80年代后期以來，隨著人工神經網絡研討的復蘇和開展，對神經網絡控制的研討也非常活潑。這方面的研討進展主要在神經網絡自順應控制和模糊神經網絡控制及其在機器人控制中的運用上。4.2神經計算

4.2.1人工神經網絡研討的進展112中南大學智能系統與智能軟件研討所人工神經網絡的特性并行分布處置非線性映射經過訓練進展學習順應與集成硬件實現4.2神經計算113中南大學智能系統與智能軟件研討所4.2.2人工神經網絡的構造4.2神經計算-1

Wj1X1X2Wj2XnWjn···Σ()Yi圖4.2神經元模型114中南大學智能系統與智能軟件研討所圖4.2中的神經元單元由多個輸入xi，i=1,2,...,n和一個輸出y組成。中間形狀由輸入信號的權和表示，而輸出為 〔4.1〕式中，j為神經元單元的偏置，wji為銜接權系數。n為輸入信號數目，yj為神經元輸出，t為時間，f()為輸出變換函數，如圖4.3。

4.2神經計算115中南大學智能系統與智能軟件研討所(a)xf(x)1x00圖4.3神經元中的某些變換〔激發〕函數(a)二值函數 (b)S形函數(c)雙曲正切函數4.2神經計算(c)xf(x)1-1

(b)f(x)x1

0116中南大學智能系統與智能軟件研討所人工神經網絡的根本特性和構造人工神經網絡是具有以下特性的有向圖：對于每個節點i存在一個形狀變量xi；從節點j至節點i，存在一個銜接權系統數wij；對于每個節點i，存在一個閾值i；對于每個節點i，定義一個變換函數fi；對于最普通的情況，此函數取方式。4.2神經計算117中南大學智能系統與智能軟件研討所遞歸〔反響〕網絡:在遞歸網絡中，多個神經元互連以組織一個互連神經網絡，如圖4.4。圖4.4反響網絡x1x2xnV1V2Vn輸入輸出x1’x2’xn’4.2神經計算118中南大學智能系統與智能軟件研討所前饋網絡:前饋網絡具有遞階分層構造，由同層神經元間不存在互連的層級組成，如圖4.5。4.2神經計算x1x2輸入層輸出層隱層y1ynw11w1m圖4.5前饋網絡反向傳播119中南大學智能系統與智能軟件研討所人工神經網絡的主要學習算法有師學習算法：可以根據期望的和實踐的網絡輸出〔對應于給定輸入〕間的差來調整神經元間銜接的強度或權。無師學習算法：不需求知道期望輸出。強化學習算法：采用一個“評論員〞來評價與給定輸入相對應的神經網絡輸出的優度〔質量因數〕。強化學習算法的一個例子是遺傳算法〔GA〕。4.2神經計算120中南大學智能系統與智能軟件研討所人工神經網絡的典型模型4.2神經計算121中南大學智能系統與智能軟件研討所續前表：4.2神經計算122中南大學智能系統與智能軟件研討所4.2.4基于神經網絡的知識表示與推理基于神經網絡的知識表示在這里，知識并不像在產生式系統中那樣獨立地表示為每一條規那么，而是將某一問題的假設干知識在同一網絡中表示。例如，在有些神經網絡系統中，知識是用神經網絡所對應的有向權圖的鄰接矩陣及閾值向量表示的。4.2神經計算123中南大學智能系統與智能軟件研討所基于神經網絡的推理基于神經網絡的推理是經過網絡計算實現的。把用戶提供的初始證據用作網絡的輸入，經過網絡計算最終得到輸出結果。普通來說，正向網絡推理的步驟如下：把知數據輸入網絡輸入層的各個節點。利用特性函數分別計算網絡中各層的輸出。用閾值函數對輸出層的輸出進展斷定，從而得到輸出結果。4.2神經計算124中南大學智能系統與智能軟件研討所定義4.1模糊集合(FuzzySets)論域U到[0,1]區間的任一映射，即，都確定U的一個模糊子集F；稱為F的隸屬函數或隸屬度。在論域U中，可把模糊子集表示為元素u與其隸屬函數的序偶集合，記為： (4.7)4.3模糊計算

4.3.1模糊集合、模糊邏輯及其運算125中南大學智能系統與智能軟件研討所定義4.2模糊支集、交叉點及模糊單點假設模糊集是論域U中一切滿足的元素u構成的集合，那么稱該集合為模糊集F的支集。當u滿足，稱為交叉點。當模糊支集為U中一個單獨點，且u滿足那么稱模糊集為模糊單點。4.3模糊計算126中南大學智能系統與智能軟件研討所定義4.3模糊集的運算設A和B為論域U中的兩個模糊集，其隸屬函數分別為和，那么對于一切，存在以下運算：A與B的并〔邏輯或〕記為，其隸屬函數定義為：(4.10)A與B的交〔邏輯與〕記為，其隸屬函數定義為：(4.11)A的補〔邏輯非〕記為，其傳送函數定義為：(4.12)4.3模糊計算127中南大學智能系統與智能軟件研討所定義4.4直積〔笛卡兒乘積，代數積〕假設分別為論域中的模糊集合，那么這些集合的直積是乘積空間中一個模糊集合，其隸屬函數為： (4.13)定義4.5模糊關系假設U，V是兩個非空模糊集合，那么其直積U×V中的模糊子集R稱為從U到V的模糊關系，表示為： (4.14)4.3模糊計算128中南大學智能系統與智能軟件研討所定義4.6復合關系假設R和S分別為U×V和V×W中的模糊關系，那么R和S的復合是一個從U到W的模糊關系，記為： (4.15)其隸屬函數為： (4.16)式(4.9)中的*號可為三角范式內的恣意一種算子，包括模糊交、代數積、有界積和直積等。4.3模糊計算129中南大學智能系統與智能軟件研討所定義4.7正態模糊集、凸模糊集和模糊數以實數R為論域的模糊集F，假設其隸屬函數滿足那么F為正態模糊集；假設對于恣意實數x，a<x<b，有那么F為凸模糊集；假設F既是正態的又是凸的，那么稱F為模糊數。定義4.8言語變量一個言語變量可定義為多元組。其中，x為變量名；為x的詞集，即言語值稱號的集合；U為論域；G是產生言語值稱號的語法規那么；M是與各言語值含義有關的語法規那么。4.3模糊計算130中南大學智能系統與智能軟件研討所4.1.2模糊邏輯推理模糊邏輯推理是建立在模糊邏輯根底上的不確定性推理方法，是在二值邏輯三段論根底上開展起來的。這種推理方法以模糊判別為前提，動用模糊言語規那么，推導出一個近似的模糊判別結論。曾經提出了Zadeh法，Baldwin法、Tsukamoto法、Yager法和Mizumoto法等方法。廣義取式假言推理法(GMP)推理規那么可表示為： 前提1：x為A’ 前提2：假設x為A，那么y為B 結論：y為B’4.3模糊計算131中南大學智能系統與智能軟件研討所廣義拒式假言推理法(GMT,GeneralizedModusTollens)的推理規那么可表示為： 前提1：y為B 前提2：假設x為A，那么y為B 結論：x為A’模糊變量的隱含函數根本上可分為三類，即模糊合取、模糊析取和模糊蘊涵。4.3模糊計算132中南大學智能系統與智能軟件研討所4.1.3模糊判決方法在推理得到的模糊集合中取一個相對最能代表這個模糊集合的單值的過程就稱作解模糊或模糊判決〔Defuzzification〕。模糊判決可以采用不同的方法：重心法、最大隸屬度方法、加權平均法、隸屬度限幅元素平均法。下面引見各種模糊判決方法，并以“水溫適中〞為例，闡明不同方法的計算過程。這里假設“水溫適中〞的隸屬函數為：={X:0.0/0+0.0/10+0.33/20+0.67/30+1.0/40+1.0/50+0.75/60+0.5/70+0.25/80+0.0/90+0.0/100}4.3模糊計算133中南大學智能系統與智能軟件研討所重心法就是取模糊隸屬函數曲線與橫坐標軸圍成面積的重心作為代表點。實際上應該計算輸出范圍內一系列延續點的重心，即 (4.35)但實踐上是計算輸出范圍內整個采樣點的重心，用足夠小的取樣間隔來提供所需求的精度，即：=48.24.3模糊計算1.重心法134中南大學智能系統與智能軟件研討所這種方法最簡單，只需在推理結論的模糊集合中取隸屬度最大的那個元素作為輸出量即可。要求這種情況下其隸屬函數曲線一定是正規凸模糊集合〔即其曲線只能是單峰曲線〕。例如，對于“水溫適中〞，按最大隸屬度原那么，有兩個元素40和50具有最大隸屬度1.0，那就對一切取最大隸屬度的元素40和50求平均值，執行量應取：4.3模糊計算2.最大隸屬度法135中南大學智能系統與智能軟件研討所3.系數加權平均法系數加權平均法的輸出執行量由下式決議： (4.36)式中，系數的選擇要根據實踐情況而定，不同的系統就決議系統有不同的呼應特性。4.3模糊計算136中南大學智能系統與智能軟件研討所用所確定的隸屬度值α對隸屬度函數曲線進展切割，再對切割后等于該隸屬度的一切元素進展平均，用這個平均值作為輸出執行量，這種方法就稱為隸屬度限幅元素平均法。例如，當取α為最大隸屬度值時，表示“完全隸屬〞關系，這時α＝1.0。在“水溫適中〞的情況下，40℃和50℃的隸屬度是1.0，求其平均值得到輸出代表量：4.3模糊計算4.隸屬度限幅元素平均法137中南大學智能系統與智能軟件研討所4.4小結計算智能神經計算模糊計算進化計算人工生命神經計算：人工神經網絡模糊計算：模糊邏輯138中南大學智能系統與智能軟件研討所第5章計算智能(2):進化計算人工生命進化計算包括：遺傳算法(geneticalgorithms，GA)進化戰略(evolutionstrategies)進化編程(evolutionaryrogramming)遺傳編程(geneticprogramming)人類不滿足于模擬生物進化行為，希望可以建立具有自然生命特征的人造生命和人造生命系統。人工生命是人工智能和計算智能的一個新的研討熱點。140中南大學智能系統與智能軟件研討所5.1遺傳算法遺傳算法是模擬生物遺傳學和自然選擇機理，經過人工方式所構造的一類優化搜索算法，是對生物進化過程進展的一種數學仿真，是進化計算的最重要的方式。遺傳算法為那些難以找到傳統數學模型的難題指出了一個處理方法。進化計算和遺傳算法自創了生物科學中的某些知識，這也表達了人工智能這一交叉學科的特點。141中南大學智能系統與智能軟件研討所5.1.1遺傳算法的根本機理霍蘭德的遺傳算法通常稱為簡單遺傳算法〔SGA〕。現以此作為討論主要對象，加上順應的改良，來分析遺傳算法的構造和機理。編碼與解碼順應度函數遺傳操作5.1遺傳算法142中南大學智能系統與智能軟件研討所5.1.2遺傳算法的求解步驟1.遺傳算法的特點(1)遺傳算法是對參數集合的編碼而非針對參數本身進展進化；(2)

遺傳算法是從問題解的編碼組開場而非從單個解開場搜索；(3)

遺傳算法利用目的函數的順應度這一信息而非利用導數或其它輔助信息來指點搜索；(4)

遺傳算法利用選擇、交叉、變異等算子而不是利用確定性規那么進展隨機操作。5.1遺傳算法143中南大學智能系統與智能軟件研討所2.遺傳算法的框圖(圖5.2)(1)初始化群體;(2)計算群體上每個個體的順應度值;(3)按由個體順應度值所決議的某個規那么選擇將進入下一代的個體;(4)按概率Pc進展交叉操作;(5)按概率Pc進展突變操作;(6)假設沒有滿足某種停頓條件，那么轉第(2)步，否那么進入下一步。(7)輸出群體中順應度值最優的染色體作為問題的稱心解或最優解。5.1遺傳算法144中南大學智能系統與智能軟件研討所初始化種群變異操作計算順應度值選擇操作交叉操作初始化種群終止條件開場圖5.2算法框圖5.1遺傳算法145中南大學智能系統與智能軟件研討所普通遺傳算法的主要步驟如下：(1)隨機產生一個由確定長度的特征字符串組成的初始群體。(2)

對該字符串群體迭代的執行下面的步①和②，直到滿足停頓規范：①計算群體中每個個體字符串的順應值；②運用復制、交叉和變異等遺傳算子產生下一代群體。(3)

把在后代中出現的最好的個體字符串指定為遺傳算法的執行結果，這個結果可以表示問題的一個解。5.1遺傳算法146中南大學智能系統與智能軟件研討所產生初始群體能否滿足停頓準那么計算每個個體的順應值i=M?GEN:=GEN+1依概率選擇遺傳操作執行復制選擇一個個體i:=i+1選擇兩個個體選擇一個個體執行變異i:=0GEN:=0復制到新群體i:=i+1將兩個后代插入新群體插入到新群體執行雜交指定結果終了是否是否變異復制交叉5.1遺傳算法147中南大學智能系統與智能軟件研討所遺傳算法的普通構造表示Procedure:GeneticAlgorithmsbegint←0;initializeP(t);evaluateP(t);while(notterminationcondition)dobeginrecombineP(t)toyieldC(t);evaluateC(t);selectP(t+1)fromP(t)andC(t);t←t+1;endend5.1遺傳算法148中南大學智能系統與智能軟件研討所3.遺傳算法求解舉例5.1遺傳算法設，用SGA求

參數設置二進制編碼種群大小為4染色體長為4位149中南大學智能系統與智能軟件研討所遺傳算法歸納為五個根本組成部份方案表示群體初始化順應度函數遺傳操作算法參數5.1遺傳算法150中南大學智能系統與智能軟件研討所5.2進化戰略進化戰略(EvolutionStrategies，ES)是一類模擬自然進化原理以求解參數優化問題的算法。它是由雷切伯格〔Rechenberg〕、施韋費爾〔Schwefel〕和彼得·比納特〔PeterBienert〕于1964年提出的，并在德國共同建立的。151中南大學智能系統與智能軟件研討所5.2.1進化戰略的算法模型尋求與函數極值關聯的實n維矢量x。隨機選擇父矢量的初始群體。父矢量xi,i=1,…,p產生子代矢量xi。對誤差(i=1,…,p)排序以選擇和決議堅持哪些矢量。繼續產生新的實驗數據以及選擇最小誤差矢量。5.2進化戰略152中南大學智能系統與智能軟件研討所5.2.2進化戰略和遺傳算法的區別進化戰略和遺傳算法有著很強的類似性，它們都是一類模擬自然進化原理的算法。兩者也存在著區別，其中最根本的區別是它們的研討領域不同。進化戰略是一種數值優化的方法，它采用一個具有自順應步長和傾角的特定爬山方法。遺傳算法從廣義上說是一種自順應搜索技術。5.2進化戰略153中南大學智能系統與智能軟件研討所5.3進化編程進化編程(EvolutionaryProgramming，EP)，又稱為進化規劃〔EvolutionaryPlanning〕，是由福格爾〔Fogel〕在1962年提出的一種模擬人類智能的方法。進化編程根據正確預測的符號數來度量順應值。經過變異，為父代群體中的每個機器形狀產生一個子代。父代和子代中最好的部分被選擇生存下來。它的提出是受自然生物進化機制的啟發。154中南大學智能系統與智能軟件研討所5.3.1進化編程的機理與表示進化編程的過程，可了解為從一切能夠的計算機程序構成的空間中，搜索具有高的順應度的計算機程序個體。進化編程設計強調群體行為的變化。進化編程系統的表示自然地面向義務級。一旦選定一種順應性表示，就可以定義依賴于該表示的變異操作，在詳細的父輩行為上創建后代。5.3進化編程155中南大學智能系統與智能軟件研討所5.3.2進化編程的步驟進化編程分為三個步驟：產生出初始群體。迭代完成下述子步驟，直至滿足選種規范為止：執行群體中的每個程序。運用變異等操作發明新程序群體。在后代中順應值最高的計算機程序個體被指定為進化編程的結果。5.3進化編程156中南大學智能系統與智能軟件研討所變異和發明子代評價已存在的FSM用最好的形狀機預測和添加符號選擇父代初始化觀測順序是否能否預測初始化群體圖5.6進化編程的根本過程5.3進化編程157中南大學智能系統與智能軟件研討所5.4人工生命自然界是生命之源。自然生命千千萬萬，千姿百態，千差萬別，巧奪天工，奇妙無窮。人工生命〔ArtificialLife，AL〕試圖經過人工方法建造具有自然生命特征的人造系統。人工生命是生命科學、信息科學和系統科學等學科交叉研討的產物，其研討成果必將促進人工智能的開展。158中南大學智能系統與智能軟件研討所5.4.1人工生命研討的來源和開展人類長期以來不斷力圖用科學技術方法模擬自然界，包括人腦本身。1943年麥卡絡奇和皮茨提出了M－P神經學網絡模型。人工生命的許多早期研討任務也源于人工智能。20世紀70年代以來，康拉德〔Conrad〕等提出不斷完善的“人工世界〞模型。80年代90年代5.4人工生命159中南大學智能系統與智能軟件研討所5.4.2人工生命的定義和研討意義人工生命是一項籠統地提取控制生物景象的根本動態原理，并且經過物理媒介〔如計算機〕來模擬生命系統動態開展過程的研討任務。通俗地講，人工生命即人造的生命，非自然的生命。然而，要對人工生命做出嚴厲的定義，卻需求對問題進展深化研討。5.4人工生命160中南大學智能系統與智能軟件研討所人工生命系統1987年蘭德提出的人工生命定義為：“人工生命是研討可以演示出自然生命系統特征行為的人造系統〞。經過計算機或其它機器對類似生命的行為進展綜合研討，以便對傳統生物科學起互補作用。蘭德在計算機上演示了他們研制的具有生命特征的軟件系統，并把這類具有生命景象和特征的人造系統稱為人工生命系統。5.4人工生命161中南大學智能系統與智能軟件研討所自然生命的共同特征和景象自繁衍、自進化、自尋優自生長、自學習、自組織自穩定、自順應、自協調物質構造能量轉換信息處置5.4人工生命162中南大學智能系統與智能軟件研討所研討人工生命的意義人工生命是自然生命的模擬、延伸與擴展，其研討開發有艱苦的科學意義和廣泛的運用價值。開發基于人工生命的工程技術新方法、新系統、新產品為自然生命的研討提供新模型、新工具、新環境延伸人類壽命、減緩衰老、防治疾病擴展自然生命，人工進化、優生優育促進生命、信息、系統科學的交叉與開展5.4人工生命163中南大學智能系統與智能軟件研討所5.4.3人工生命的研討內容和方法

1.人工生命的研討內容人工生命的研討內容大致可分為兩類：(1)構成生物體的內部系統，包括腦、神經系統、內分泌系統、免疫系統、遺傳系統、酶系統、代謝系統等。(2)在生物體及其群體的外部系統，包括環境順應系統和遺傳進化系統等。5.4人工生命164中南大學智能系統與智能軟件研討所人工生命的科學框架生命景象仿生系統生命景象的建模與仿真進化動力學人工生命的計算實際和工具進化機器人進化和學習等的結合人工生命的運用5.4人工生命