智能計算模式的統(tǒng)一性與多樣性總體研究_第1頁
智能計算模式的統(tǒng)一性與多樣性總體研究_第2頁
智能計算模式的統(tǒng)一性與多樣性總體研究_第3頁
智能計算模式的統(tǒng)一性與多樣性總體研究_第4頁
智能計算模式的統(tǒng)一性與多樣性總體研究_第5頁
已閱讀5頁,還剩40頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、2022/7/251智能計算模式的統(tǒng)一性與多樣性總體研究2022/7/252主要內(nèi)容智能計算智能計算模式的統(tǒng)一框架描述智能計算模式在統(tǒng)一框架下的多樣性研究人工神經(jīng)網(wǎng)絡群體智能蟻群算法和微粒群算法進化計算分布估計算法人工免疫系統(tǒng)智能計算模式的應用研究結(jié)束語2022/7/253智能計算智能計算定義 是以自然界,特別是其中典型的生物系統(tǒng)和物理系統(tǒng)的相關(guān)功能、特點和作用機理為參照基礎,研究其中所蘊含的豐富的信息處理機制,在所需求解問題特征的相關(guān)目標導引下,提取相應的計算模型,設計相應的智能算法,通過相關(guān)的信息感知積累、知識方法提升、任務調(diào)度實施、定點信息交換等模塊的協(xié)同工作,得到智能化的信息處理效果,

2、并在各相關(guān)領域加以應用。2022/7/254智能計算學科定位: 相關(guān)自然科學(特別是物理學和生命科學)和計算機科學的交叉(可能包括生物社會科學)。與人工智能的關(guān)系: 與人工智能領域有交叉 更關(guān)注各相關(guān)計算模型及算法模式中自然模擬的本質(zhì),而非“人工” 模仿自然的模型與算法 與自然界物理特征、生命特征等相關(guān)的作用機理研究2022/7/255智能計算智能計算所關(guān)注的模式主要包括: 進化計算、神經(jīng)計算、群體智能計算、人工免疫系統(tǒng)、人工內(nèi)分泌系統(tǒng)、生態(tài)計算、分子計算以及其他相關(guān)復雜自適應計算等。 2022/7/256智能計算模式的統(tǒng)一性框架理念智能計算模式的多樣性: 在智能計算相關(guān)的研究領域,各類智能算

3、法層出不窮,它們形態(tài)各異,理念各異,建模及分析工具各具特色,但這恰恰體現(xiàn)了智能計算模式的多樣性。多樣性被公認了,是否在某些智能算法之間存在著一定程度的統(tǒng)一性呢?答案顯然是肯定的。2022/7/257智能計算模式的統(tǒng)一性框架理念智能計算模式的統(tǒng)一框架模型: 智能計算的各種算法及模型,在具體的計算動態(tài)過程中,均具有一定的分布式自主尋優(yōu)特征,但是這一切都是在客觀統(tǒng)一的總體模式框架約束下進行的。因此,智能計算的統(tǒng)一框架可看作是一個分層的模式 。如圖所示??蚣苣P偷乃膫€層次: 宏觀設計及方法提升層 任務分解協(xié)調(diào)層 計算調(diào)度及信息感知層 被控實體運動過程層 2022/7/258智能計算模式的統(tǒng)一性框架理念

4、主要模塊:用戶及模型選擇設計過程(模塊)知識方法提升模塊決策分配模塊 調(diào)度實施模塊 信息感知積累模塊 信息交換模塊 被控實體及傳感器系統(tǒng)2022/7/259圖 智能計算模式的總體分層框架模式2022/7/2510智能計算模式在統(tǒng)一框架下的多樣性研究人工神經(jīng)網(wǎng)絡反饋式Hopfield神經(jīng)網(wǎng)絡和前饋式RBF神經(jīng)網(wǎng)絡群體智能算法智能蟻群算法和微粒群算法進化計算遺傳算法分布估計算法人工免疫系統(tǒng)2022/7/2511Hopfield神經(jīng)網(wǎng)絡(HNN)HNN由N個神經(jīng)元通過平面全互聯(lián)模式進行能量函數(shù)的動態(tài)合作尋優(yōu),其標準能量函數(shù)規(guī)定了統(tǒng)一的集體尋優(yōu)目標。HNN已知的動態(tài)收斂模式: 每個神經(jīng)元的非線性動態(tài)可

5、用以下方程描述: 為神經(jīng)元的非線性輸入輸出特性。 2022/7/2512Hopfield神經(jīng)網(wǎng)絡的智能計算框架結(jié)構(gòu)表達 在智能計算總體框架下,HNN表現(xiàn)為兩層結(jié)構(gòu): 上層:任務分解協(xié)調(diào)及模型方法提升層問題求解HNN模塊模型方法提升模塊下層:計算調(diào)度及信息感知層HNN神經(jīng)元運動模式計算模塊通信和感知模塊: 簡化為信息全互聯(lián)傳遞及反饋網(wǎng)絡2022/7/2513圖Hopfield神經(jīng)網(wǎng)絡的智能計算框架理念求證2022/7/2514RBF神經(jīng)網(wǎng)絡RBF神經(jīng)網(wǎng)絡是一種多層前向型神經(jīng)網(wǎng)絡,通常網(wǎng)絡結(jié)構(gòu)是一個三層前向網(wǎng)絡。輸入層由信號源節(jié)點組成;隱含層的單元數(shù)視所描述問題的需要而定;輸出層對輸入模式的作用做

6、出響應。 RBF神經(jīng)網(wǎng)絡結(jié)構(gòu)圖 2022/7/2515RBF神經(jīng)網(wǎng)絡隱含層是對作用函數(shù)的參數(shù)進行調(diào)整,采用非線性優(yōu)化策略;輸出層是對線性權(quán)進行調(diào)整,采用線性優(yōu)化策略。隱含層徑向基函數(shù) :RBF神經(jīng)網(wǎng)絡的輸出為 :2022/7/2516RBF神經(jīng)網(wǎng)絡的智能計算框架結(jié)構(gòu)表達在智能計算總體框架下,表現(xiàn)為一類兩層結(jié)構(gòu)模型:上層:任務分解協(xié)調(diào)及模型方法提升層問題求解RBF模塊知識方法提升模塊下層:計算調(diào)度及信息感知層RBF中心點運動模式計算模塊RBF輸出權(quán)值運動模式計算模塊RBF神經(jīng)網(wǎng)絡: 包括輸入層、信息前饋式網(wǎng)絡(實現(xiàn)神經(jīng)網(wǎng)絡內(nèi)部信息的交換和傳遞 )和輸出層。2022/7/2517圖神經(jīng)網(wǎng)絡的智能計

7、算框架理念求證2022/7/2518蟻群算法Ant Colony System (ACS)1991年等人首先提出一種典型的群體智能模式,基本特征:充分利用蟻群能通過個體間簡單的信息傳遞,搜索到從蟻穴至食物間最短路徑的集體尋優(yōu)特征通過正反饋、分布式協(xié)作進行路徑尋優(yōu): 尋優(yōu)的快速性通過正反饋信息傳遞和積累來保證 分布式計算避免算法的早熟收斂 能在搜索過程的早期找到次最優(yōu)(滿意)解2022/7/2519蟻群算法路徑尋優(yōu)的基本思想螞蟻在給定點之間選擇不同路徑的一般原則: 選擇被先行螞蟻大量采用的路徑的概率較大,也即信息素留存較濃的路徑螞蟻k從城市i到城市j的轉(zhuǎn)移概率 :結(jié)論:較多的信息素一般對應著較短

8、的路徑 2022/7/2520蟻群算法的智能計算框架結(jié)構(gòu)表達在智能計算總體框架下,ACS是一類兩層結(jié)構(gòu)模型:上層:任務分解協(xié)調(diào)及模型方法提升層問題求解ACS模塊知識方法提升模塊下層:計算調(diào)度及信息感知層。螞蟻個體運動模式計算模塊與求解問題相對應的信息素分布環(huán)境信息感知與反饋模塊2022/7/2521圖蟻群算法的智能計算框架理念求證2022/7/2522微粒群算法Particle Swarm Optimization (PSO)1995年由社會心理學博士和電子工程學博士提出個體為尋優(yōu)空間中一個無質(zhì)量無體積的微粒;微粒在搜索空間中以一定的速度飛行飛行速度調(diào)整規(guī)則: 微粒自身與微粒經(jīng)驗+對環(huán)境的學習

9、與適應各微粒自身的最優(yōu)歷史記錄和群體最優(yōu)個體起示范作用 一種具有很強導向性的啟發(fā)式搜索算法同樣具有尋優(yōu)快速性和分布式計算避免早熟收斂等優(yōu)點2022/7/2523微粒群算法流程圖 2022/7/2524微粒群算法的智能計算框架結(jié)構(gòu)表達 兩層結(jié)構(gòu)模型:上層是任務分解協(xié)調(diào)及模型方法提升層:問題求解PSO設計模塊知識方法提升模塊以及知識庫方法庫下層為計算調(diào)度及信息感知層:主要包括微粒個體運動模式設定模塊全互聯(lián)信息交換連接模塊最優(yōu)信息處理模塊2022/7/2525圖微粒群算法的智能計算框架理念求證2022/7/2526遺傳算法Genetic Algorithms (GA)20世紀70年代由美國的Holl

10、and提出,是一種模擬生物進化過程的優(yōu)化方法它的基本思想基于的生物進化論和的遺傳學,并結(jié)合了Darwin的適者生存和隨機交換理論 不需要對象的特定知識,也不需要對象空間連續(xù)可微,具有全局尋優(yōu)的能力 進化過程采用選擇、交叉和變異等算子 2022/7/2527遺傳算法流程圖 2022/7/2528遺傳算法的智能計算框架結(jié)構(gòu)表達 兩層結(jié)構(gòu)模型:上層是任務分解協(xié)調(diào)及模型方法提升層:問題求解GA設計模塊知識方法提升模塊以及知識庫方法庫下層為計算調(diào)度及信息感知層:染色體進化模式設定模塊與問題求解對應的遺傳進化計算交互模式信息感知與傳遞模塊2022/7/2529圖遺傳算法的智能計算框架理念求證2022/7/

11、2530分布估計算法Estimation of Distribution Algorithms (EDA)分布估計算法的概念最初在1996年提出,是一種全新的進化模式 本質(zhì)上是一種基于概率模型的進化算法 自然進化算法和構(gòu)造性數(shù)學分析方法相結(jié)合分布估計算法中,沒有傳統(tǒng)的交叉、變異等遺傳操作,取而代之的是概率模型的學習和采樣。 2022/7/2531分布估計算法EDA與遺傳算法GA的區(qū)別 2022/7/2532分布估計算法的智能計算框架結(jié)構(gòu)表達 兩層結(jié)構(gòu)模型:上層是任務分解協(xié)調(diào)及模型方法提升層:問題求解EDA設計模塊知識方法提升模塊以及知識庫方法庫下層為計算調(diào)度及信息感知層:個體選擇模塊與問題求解

12、對應的群體分布環(huán)境EDA 統(tǒng)計優(yōu)選模塊2022/7/2533圖分布估計算法的智能計算框架理念求證2022/7/2534人工免疫系統(tǒng)受免疫學啟發(fā),借鑒免疫系統(tǒng)機制來模擬免疫學功能、原理和模型這一概念是在1974年由諾貝爾獎獲得者、免疫學家提出了免疫網(wǎng)絡理論而引起關(guān)注的 人工免疫系統(tǒng)是借鑒自然免疫系統(tǒng)機制以及免疫學理論所建立的算法、模型以及軟、硬件系統(tǒng)的統(tǒng)稱 2022/7/2535人工免疫算法Artificial Immune Algorithms (AIA)將抗原和抗體分別對應于優(yōu)化問題的目標函數(shù)和可行解把抗體和抗原的親和度視為可行解與目標函數(shù)的匹配程度用抗體之間的親和力運算保證可行解的多樣性通

13、過抗體之間期望生存率的比較計算及擇優(yōu)來促進較優(yōu)抗體的遺傳和變異用記憶細胞單元保存擇優(yōu)后的可行解來抑制相似可行解的繼續(xù)產(chǎn)生并加速搜索到全局最優(yōu)解2022/7/2536人工免疫算法流程2022/7/2537人工免疫算法的智能計算框架結(jié)構(gòu)表達 兩層結(jié)構(gòu)模型:上層是任務分解協(xié)調(diào)及模型方法提升層:問題求解AIA設計模塊知識方法提升模塊以及知識庫方法庫下層為計算調(diào)度及信息感知層:抗體免疫進化模式設定模塊免疫記憶細胞群與問題求解對應的免疫進化計算交互模式信息感知與傳遞模塊2022/7/2538圖人工免疫算法的智能計算框架理念求證2022/7/2539智能計算的應用大規(guī)模復雜系統(tǒng)(優(yōu)化問題)科學技術(shù)、經(jīng)濟 、

14、社會 、管理優(yōu)化設計、優(yōu)化控制等理論問題求解計算機網(wǎng)絡、通信、集成制造(生產(chǎn))等機器人、仿生學等電路設計(大規(guī)模集成電路)電力系統(tǒng)(電網(wǎng)、電能優(yōu)化等)智能交通、城市規(guī)劃等2022/7/2540基于群體智能理念的半導體生產(chǎn)線動態(tài)調(diào)度系統(tǒng)2022/7/2541半導體生產(chǎn)線群體智能動態(tài)調(diào)度系統(tǒng)的總體原則每個螞蟻agent分別控制相應的工件、設備、運輸工具與人員螞蟻agent從環(huán)境獲取信息素,并向環(huán)境傳播信息素螞蟻agent根據(jù)所獲取的信息素進行自主決策,(工件在設備間的合理分配以及在設備上的優(yōu)化加工順序)螞蟻agent間的交互、合作與協(xié)調(diào)通過信息素這種間接的通訊方式來實現(xiàn)所處的環(huán)境是分布式黑板環(huán)境 將集中優(yōu)化控制與分布式動態(tài)控制結(jié)合起來,既可以利用集中優(yōu)化控制的優(yōu)化優(yōu)勢,得到優(yōu)化的調(diào)度結(jié)果,又可以根據(jù)半導體生產(chǎn)線實際狀態(tài)實現(xiàn)動態(tài)實時調(diào)度。2022/7/2542半導體封裝過程總體模型實例五個主要工序為:劃片(Saw)裝片(Die Attach, DA)鍵合(Wire Bonding, WB)塑封(Molding

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論