計(jì)算智能概述課件

開課基礎(chǔ)學(xué)習(xí)本課程之前，要求已經(jīng)選修過《高等數(shù)學(xué)》、《程序設(shè)計(jì)基礎(chǔ)》、《計(jì)算機(jī)基礎(chǔ)與算法》等課程。第1頁/共35頁開課基礎(chǔ)學(xué)習(xí)本課程之前，要求已經(jīng)選修過《高等數(shù)學(xué)1要求博學(xué)之，審問之、慎思之、明辨之，篤行之?！端臅?禮記》第2頁/共35頁要求博學(xué)之，審問之、慎思之、明辨之，篤行之。第2頁/共35頁2主要參考書籍1）《智能學(xué)簡史》馮天瑾科學(xué)出版社2）《計(jì)算智能》張軍詹志輝清華大學(xué)出版社3）《計(jì)算智能:人工神經(jīng)網(wǎng)絡(luò)-模糊系統(tǒng)-進(jìn)化計(jì)算》周春光梁艷春吉林大學(xué)出版社4）《計(jì)算智能——理論、技術(shù)與應(yīng)用》丁永生編著，科學(xué)出版社5）《計(jì)算智能中的仿生學(xué)：理論與算法》徐宗本，張講社，編著，科學(xué)出版社6）《軟計(jì)算方法》張穎劉艷秋科學(xué)出版社7）《ComputationalIntelligence》RussellCEberchat,Elsevier8）《SwarmIntelligence》JamesKennedy,Elsevier第3頁/共35頁主要參考書籍1）《智能學(xué)簡史》馮天瑾科學(xué)出版社第3頁/共3考核辦法4出勤、上機(jī)：20-30%考試成績：70-80%第4頁/共35頁考核辦法4出勤、上機(jī)：20-30%第4頁/共35頁本課程主要內(nèi)容5第一部分：計(jì)算智能概述第二部分：神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）第三部分：進(jìn)化計(jì)算（演化計(jì)算）第四部分：模糊系統(tǒng)（模糊計(jì)算）第五部分：其它智能算法（選）第5頁/共35頁本課程主要內(nèi)容5第一部分：計(jì)算智能概述第5頁/共35頁智·能所以知之在人者，謂之知。知有所合，謂之智。所以能之在人者，謂之能。能有所合，謂之能。

——荀況《荀子·正名》第6頁/共35頁智·能所以知之在人者，謂之知。知有所合，謂之智6夢想機(jī)器具有智能—計(jì)算機(jī)科學(xué)家的夢想

阿蘭·麥席森·圖靈AlanMathisonTuring，1912年6月23日生于英國倫敦。是英國著名的數(shù)學(xué)家和邏輯學(xué)家，被稱為計(jì)算機(jī)科學(xué)之父、人工智能之父，是計(jì)算機(jī)邏輯的奠基者。二戰(zhàn)時(shí)破譯破解德國密碼系統(tǒng)Enigma，提出了“圖靈機(jī)”和“圖靈測試”等重要概念。人們?yōu)榧o(jì)念其在計(jì)算機(jī)領(lǐng)域的卓越貢獻(xiàn)而設(shè)立“圖靈獎(jiǎng)”。圖靈機(jī)的藝術(shù)化表示八卦：1)圖靈是頂級長跑運(yùn)動(dòng)員2)圖靈與蘋果第7頁/共35頁夢想機(jī)器具有智能—計(jì)算機(jī)科學(xué)家的夢想阿蘭·麥席7圖靈測試怎樣判斷機(jī)器具有智能—圖靈測試

1950年AlanTuring的文章“ComputingMachineryandIntelligence.”（Mind,Vol.59,No.236）提出圖靈測試，檢驗(yàn)一臺(tái)機(jī)器或電腦是否具有如人一樣的思維能力和智能電腦和人分別封閉在不同的房間，測試者不知道哪個(gè)房間是人，哪個(gè)房間是電腦，他向雙方提出測試問題，電腦和人給出各自的答案，如果一系列的測試問題之后，測試者分不出哪些是電腦的答案，哪些是人的答案，則電腦通過測試，確實(shí)具有與人一樣的智能。提問者回答者A回答者B第8頁/共35頁圖靈測試怎樣判斷機(jī)器具有智能—圖靈測試電腦和人分8困惑哲學(xué)問題（1）規(guī)則與規(guī)律：規(guī)則是制定的，規(guī)律是客觀存在的，從規(guī)則能自動(dòng)發(fā)現(xiàn)規(guī)律嗎？（2）生命與非生命：智能是高等生命體獨(dú)有的能力，非生命體內(nèi)能產(chǎn)生智能嗎？（3）物質(zhì)與意識(shí)：唯物主義和唯心主義都承認(rèn)二元論，只是在何者起決定作用上爭論不休，智能能在機(jī)器內(nèi)產(chǎn)生將導(dǎo)致一元論—物質(zhì)生成一切？（4）智能的本質(zhì)：理性與感性、思考與行動(dòng)、社會(huì)性與個(gè)體性第9頁/共35頁困惑哲學(xué)問題第9頁/共35頁9困惑倫理問題（1）電腦與人腦：能否互換？（2）機(jī)器人與人：機(jī)器能否融入人類社會(huì)？（3）情感與役使：機(jī)器是人制造并使用的工具，一旦機(jī)器人具有了智能和情感，人類還能當(dāng)奴隸一樣地役使嗎？（4）機(jī)器人叛亂：機(jī)器人群體有可能叛亂而反過來役使人類嗎？第10頁/共35頁困惑倫理問題第10頁/共35頁10現(xiàn)實(shí)的夢比爾·蓋茨預(yù)測：計(jì)算智能發(fā)展前景乃是機(jī)器最終“能看會(huì)想，能聽會(huì)講”。無論是人工智能，還是智能人工，只要能夠殊途同歸，造福于人類，那么所有的努力便都是有價(jià)值的。未來，智能機(jī)器作為真正意義上的工作助手和生活良伴，將使我們的生活完全改觀?！奥斆鳈C(jī)器”的出現(xiàn)，也決不會(huì)成為人類的災(zāi)難，在智慧與創(chuàng)造力方面，永遠(yuǎn)是人類最有發(fā)言權(quán)。第11頁/共35頁現(xiàn)實(shí)的夢比爾·蓋茨預(yù)測：計(jì)算智能發(fā)展前景乃是機(jī)器最終“能看會(huì)11信息時(shí)代的呼喚信息時(shí)代信息資源-創(chuàng)造智能的工具-獲得智能工業(yè)時(shí)代能量資源-創(chuàng)造動(dòng)力的工具-獲得能量物理學(xué)、化學(xué)創(chuàng)造動(dòng)力工具的理論基礎(chǔ)計(jì)算智能理論創(chuàng)造智能工具的理論基礎(chǔ)第12頁/共35頁信息時(shí)代的呼喚信息時(shí)代工業(yè)時(shí)代第12頁/共35頁12信息時(shí)代的呼喚信息時(shí)代信息資源-創(chuàng)造智能的工具-獲得智能工業(yè)時(shí)代能量資源-創(chuàng)造動(dòng)力的工具-獲得能量物理學(xué)、化學(xué)創(chuàng)造動(dòng)力工具的理論基礎(chǔ)計(jì)算智能理論創(chuàng)造智能工具的理論基礎(chǔ)第13頁/共35頁信息時(shí)代的呼喚信息時(shí)代工業(yè)時(shí)代第13頁/共35頁13什么是計(jì)算智能計(jì)算智能（ComputationalIntelligence，CI）目前還沒有一個(gè)統(tǒng)一的的定義，使用較多的是美國科學(xué)家貝慈德克（J.C.Bezdek）從計(jì)算智能系統(tǒng)角度所給出的定義:如果一個(gè)系統(tǒng)僅處理低層的數(shù)值數(shù)據(jù)，含有模式識(shí)別部件，沒有使用人工智能意義上的知識(shí)，且具有計(jì)算適應(yīng)性、計(jì)算容錯(cuò)力、接近人的計(jì)算速度和近似于人的誤差率這4個(gè)特性，則它是計(jì)算智能的。第14頁/共35頁什么是計(jì)算智能計(jì)算智能（ComputationalInte14什么是計(jì)算智能從學(xué)科范疇看，計(jì)算智能是在神經(jīng)網(wǎng)絡(luò)（NeuralNetworks,NN）、進(jìn)化計(jì)算（EvolutionaryComputation,EC）及模糊系統(tǒng)（FuzzySystem,FS）這3個(gè)領(lǐng)域發(fā)展相對成熟的基礎(chǔ)上形成的一個(gè)統(tǒng)一的學(xué)科概念。

也可以簡單的理解為：計(jì)算智能主要借鑒仿生學(xué)和擬物的思想，基于人們對生物體智能機(jī)理和某些自然規(guī)律的認(rèn)識(shí)，采用數(shù)值計(jì)算的方法去模擬和實(shí)現(xiàn)人類的智能、生物智能、其它社會(huì)和自然規(guī)律。第15頁/共35頁什么是計(jì)算智能從學(xué)科范疇看，計(jì)算智能是在神經(jīng)網(wǎng)絡(luò)（Neura15計(jì)算智能與人工智能的關(guān)系目前，對計(jì)算智能與人工智能的關(guān)系有2種不同觀點(diǎn)，一種點(diǎn)認(rèn)為計(jì)算智能是人工智能的一個(gè)子集，另一種觀點(diǎn)認(rèn)為計(jì)算智能和人工智能是不同的范疇。第一種觀點(diǎn)的代表人物是貝慈德克。A－Artificial，表示人工的（非生物的），即人造的B－Biological，表示物理的＋化學(xué)的＝生物的C－Computational，表示數(shù)學(xué)＋計(jì)算機(jī)=計(jì)算的

CI<AI<BI第16頁/共35頁計(jì)算智能與人工智能的關(guān)系目前，對計(jì)算智能與人工智能的關(guān)系有216計(jì)算智能與人工智能的關(guān)系第二種觀點(diǎn)是大多數(shù)學(xué)者所持有的觀點(diǎn)，其代表人物是艾伯哈特（R.C.Eberhart）。他們認(rèn)為：雖然人工智能與計(jì)算智能之間有重合，但計(jì)算智能是一個(gè)全新的學(xué)科領(lǐng)域，無論是生物智能還是機(jī)器智能，計(jì)算智能都是其最核心的部分，而人工智能則是外層。事實(shí)上，CI和傳統(tǒng)的AI只是智能的兩個(gè)不同層次，各自都有自身的優(yōu)勢和局限性，相互之間只應(yīng)該互補(bǔ)，而不能取代。大量實(shí)踐證明，只有把AI和CI很好地結(jié)合起來，才能更好地模擬人類智能，才是智能科學(xué)技術(shù)發(fā)展的正確方向。外層內(nèi)層CIAIBI第17頁/共35頁計(jì)算智能與人工智能的關(guān)系第二種觀點(diǎn)是大多數(shù)學(xué)者所持有的觀點(diǎn)，17進(jìn)化計(jì)算（演化計(jì)算）人傾向于線性地思考問題，而進(jìn)化（Evolution）則常常以人們意象不到的方式解決問題。

——弗格《什么是進(jìn)化計(jì)算》第18頁/共35頁進(jìn)化計(jì)算（演化計(jì)算）人傾向于線性地思考問題，而進(jìn)化（E18進(jìn)化計(jì)算（演化計(jì)算）人傾向于線性地思考問題，而進(jìn)化（Evolution）則常常以人們意象不到的方式解決問題。

——弗格《什么是進(jìn)化計(jì)算》第19頁/共35頁進(jìn)化計(jì)算（演化計(jì)算）人傾向于線性地思考問題，而進(jìn)化（E19進(jìn)化計(jì)算（演化計(jì)算）旅行商問題（TravellingSalesmanProblem）設(shè)有n個(gè)城市，任意兩個(gè)城市之間的距離如矩陣D=(dij)n*n(i,j=1,2,…,n)所示，其中dij表示從城市i到城市j的距離。尋找這樣一種周游方案：周游路線從某個(gè)城市開始，經(jīng)過每個(gè)城市一次且僅一次，最后回到出發(fā)城市，使得周游路線的總長度最短。

π(1)為周游序列中第i個(gè)城市的編號，且π(n+1)=π(1)如果使用枚舉法，復(fù)雜度將隨著城市數(shù)目的增加急劇增加。第20頁/共35頁進(jìn)化計(jì)算（演化計(jì)算）旅行商問題（TravellingSal20進(jìn)化計(jì)算（演化計(jì)算）函數(shù)優(yōu)化問題第21頁/共35頁進(jìn)化計(jì)算（演化計(jì)算）函數(shù)優(yōu)化問題第21頁/共35頁21進(jìn)化計(jì)算（演化計(jì)算）--思考優(yōu)化問題求解，能否借助這種方法呢？低級、簡單高級、復(fù)雜進(jìn)化進(jìn)化計(jì)算的概念：（EvolutionaryComputation,EC）是在達(dá)爾文（Darwin）的進(jìn)化論和孟德爾（Mendel）的遺傳變異理論的基礎(chǔ)上產(chǎn)生的一種在基因和種群層次上模擬自然界生物進(jìn)化過程與機(jī)制，進(jìn)行問題求解的自組織、自適應(yīng)的隨機(jī)搜索技術(shù)。它以達(dá)爾文進(jìn)化論的“物竟天擇、適者生存”作為算法的進(jìn)化規(guī)則，并結(jié)合孟德爾的遺傳變異理論，將生物進(jìn)化過程中的繁殖、變異、競爭和選擇引入到了算法中，是一種對人類智能的進(jìn)化模擬方法。第22頁/共35頁進(jìn)化計(jì)算（演化計(jì)算）--思考優(yōu)化問題求解，能否借助這種方法呢22進(jìn)化計(jì)算（演化計(jì)算）進(jìn)化計(jì)算的主要分支：遺傳算法、進(jìn)化策略、進(jìn)化規(guī)劃三大分支。其中，遺傳算法是進(jìn)化計(jì)算中最初形成的一種具有普遍影響的模擬進(jìn)化優(yōu)化算法。進(jìn)化計(jì)算的發(fā)展史20世紀(jì)60-70年代：萌芽階段體系建立、計(jì)算量大、未受重視20世紀(jì)80年代：發(fā)展階段體系完善、計(jì)算機(jī)的發(fā)展、人工智能瓶頸20世紀(jì)80以后：成熟階段眾多研究機(jī)構(gòu)和學(xué)者的高度重視、研究熱點(diǎn)第23頁/共35頁進(jìn)化計(jì)算（演化計(jì)算）進(jìn)化計(jì)算的主要分支：遺傳算法、進(jìn)化策略、23進(jìn)化計(jì)算（演化計(jì)算）遺傳算法（GeneticAlgorithm）模擬達(dá)爾文的遺傳選擇和自然淘汰的生物進(jìn)化過程1975年首先由Holland提出用于自然和人工系統(tǒng)的自適應(yīng)行為研究(AdaptationinNaturalandArtificialSystems)組成：個(gè)體與群體、適應(yīng)值函數(shù)、遺傳操作、終止條件特點(diǎn)：隱含并行性、過程性、非確定性、群體性、內(nèi)在學(xué)習(xí)、統(tǒng)計(jì)性、穩(wěn)健性、整體優(yōu)化T=0,隨機(jī)初始化群體P(t)計(jì)算P(t)中每一個(gè)個(gè)體的適應(yīng)值滿足終止條件計(jì)算群體P(t)中每個(gè)個(gè)體的選擇概率根據(jù)選擇概率從群體中選擇適當(dāng)?shù)膫€(gè)體進(jìn)行雜交、變異產(chǎn)生新個(gè)體輸出結(jié)果結(jié)束第24頁/共35頁進(jìn)化計(jì)算（演化計(jì)算）遺傳算法（GeneticAlgorit24神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）應(yīng)該屬于哪一類？已經(jīng)學(xué)習(xí)貓狗圖像是貓是狗？第25頁/共35頁神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）應(yīng)該屬于哪一類？已經(jīng)學(xué)習(xí)貓狗圖像是貓是狗25神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）雖然上述問題對于計(jì)算機(jī)來說很難，但對于人類而言卻是輕而易舉的事情。因此，考慮用計(jì)算機(jī)模擬人腦，是否能完成上述工作呢？人腦的基礎(chǔ)是生物神經(jīng)系統(tǒng)。生物神經(jīng)系統(tǒng)是由神經(jīng)元構(gòu)成。如果要模擬人腦，必須首先模擬神經(jīng)元。神經(jīng)末梢突觸軸突樹突細(xì)胞核細(xì)胞體第26頁/共35頁神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）雖然上述問題對于計(jì)算機(jī)來說很難，但對于人26神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）神經(jīng)元具有的特性：1）多個(gè)輸入2）一個(gè)輸出3）輸出只有抑制、興奮兩種狀態(tài)神經(jīng)元工作過程：累加各部分的加權(quán)輸入，然后比較累加和是否超過閾值，如果超過，輸出為興奮狀態(tài)，否則，輸出為抑制狀態(tài)。θ…x1x2xnw1w2wny可見，輸入權(quán)值和閾值對于輸出狀態(tài)影響巨大。輸入權(quán)值和閾值是神經(jīng)元學(xué)習(xí)的基礎(chǔ)，權(quán)值和閾值調(diào)整的過程就是學(xué)習(xí)的過程。第27頁/共35頁神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）神經(jīng)元具有的特性：神經(jīng)元工作過程：θ…x27神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）θ…x1x2xnw1w2wny神經(jīng)元的學(xué)習(xí)—學(xué)習(xí)識(shí)別模式A和模式B假定遇到模式A輸出為0，模式B輸出為12）如果輸入的是模式A，輸出為1，調(diào)整權(quán)值，使之輸出為01）隨機(jī)化輸入權(quán)值和閾值3）如果輸入的是模式B，輸出為0，調(diào)整權(quán)值，使之輸出為14）重復(fù)步驟2,、3，直到訓(xùn)練完成可以確定的是：如果此時(shí)輸入的是模式A中的一個(gè)新樣本，即使沒有學(xué)過，也會(huì)有很大的概率判為模式A。第28頁/共35頁神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）θ…x1x2xnw1w2wny神經(jīng)元的學(xué)28神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）神經(jīng)網(wǎng)絡(luò)的特點(diǎn):1）信息是通過神經(jīng)元上的興奮模式分布儲(chǔ)在網(wǎng)絡(luò)上;2）信息處理是通過神經(jīng)元之間同時(shí)相互作用的動(dòng)態(tài)過程來完成的。這就是人工智能研究的“結(jié)構(gòu)（聯(lián)接）主義。神經(jīng)網(wǎng)絡(luò)1）可以充分逼近任意復(fù)雜的非線性關(guān)系2）采用并行分布處理方法，使得快速進(jìn)行大量運(yùn)算成為可能3）可學(xué)習(xí)和自適應(yīng)不知道或不確定的系統(tǒng)4）能夠同時(shí)處理定量、定性知識(shí)第29頁/共35頁神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）神經(jīng)網(wǎng)絡(luò)的特點(diǎn):這就是人工智能研究的“結(jié)29模糊系統(tǒng)（模糊計(jì)算）

數(shù)是我們所知的最純粹的量的規(guī)定，但他卻充滿了質(zhì)的差異。

——恩格斯《自然辯證法》第30頁/共35頁模糊系統(tǒng)（模糊計(jì)算）數(shù)是我們所知的最純粹的量的規(guī)定30模糊系統(tǒng)（模糊計(jì)算）有位先生的頭發(fā)長的很好，即他的頭“不禿”。我們可以肯定：若將他頭發(fā)拔去一根，他的頭仍不禿；拔去兩根，他的頭也不會(huì)禿；再假定：拔去k根頭發(fā)他還“不禿”；則依常理，再拔1根（共拔去K+1根）頭發(fā)，他也不會(huì)是“禿”。則依數(shù)學(xué)歸納法，可得結(jié)論：如此拔下去，頭發(fā)拔光了，他也“不禿”！從“禿頭悖論”說起第31頁/共35頁模糊系統(tǒng)（模糊計(jì)算）有位先生的頭發(fā)長的很好，即他的頭“不禿”31模糊理論的產(chǎn)生

在日常生活中，經(jīng)常遇到許多模糊事物，沒有分明的數(shù)量界限，要使用一些模糊的詞句來形容、描述。精確性的數(shù)學(xué)與現(xiàn)實(shí)生活中的模糊的矛盾就需要尋找一種描述和加工模糊信息的數(shù)學(xué)工具，這就推動(dòng)數(shù)學(xué)家深入研究模糊理論。1965年，扎德（Zadeh）提出了模糊集合論（FuzzySet）。1.提出用“模糊集合”作為表現(xiàn)模糊事物的數(shù)學(xué)模型。2.提出“隸屬函數(shù)”概念第32頁/共35頁模糊理論的產(chǎn)生在日常生活中，經(jīng)常遇到許多模糊32模糊理論在模糊集合中，給定范圍內(nèi)元素對它的隸屬關(guān)系不一定只有“是”或“否”兩種情況，而是用介于0和1之間的實(shí)數(shù)來表示隸屬程度，還存在中間過渡狀態(tài)。

比如“老人”是個(gè)模糊概念，70歲的肯定屬于老人，它的從屬程度是1，40歲的人肯定不算老人，它的從屬程度為0，按照扎德給出的公式，55歲屬于“老”的程度為0.5，即“半老”，60歲屬于“老”的程度0.8。

我是貓嗎？80%的可能是吧第33頁/共35頁模糊理論在模糊集合中，給定范圍內(nèi)元素對它的隸屬關(guān)33模糊理論應(yīng)用1974年，印度裔英國學(xué)者馬德尼(E.H.Mamdani)首先將模糊理論用于鍋爐和蒸汽機(jī)的控制80年代以后，采用模糊控制技術(shù)的家電產(chǎn)品大量上市，模糊技術(shù)在圖像識(shí)別、自動(dòng)控制、市場預(yù)測、人工智能等領(lǐng)域普遍應(yīng)用1983TakagiT.andSuginoM.提出具有線性規(guī)則后項(xiàng)的模糊控制器(TS模糊控制器)FuzzyRelatedJournals:IEEETrans.OnFuzzySystemsFuzzySetsandSystemsJournalofIntelligentandFuzzySystemsFuzzyOptimizationandDecisionMaking

第34頁/共35頁模糊理論應(yīng)用1974年，印度裔英國學(xué)者馬德尼(E.H.Mam34CILABUNIVERSITYOFJINAN35謝謝您的觀看！第35頁/共35頁CILABUNIVERSITYOFJINAN35謝謝您的開課基礎(chǔ)學(xué)習(xí)本課程之前，要求已經(jīng)選修過《高等數(shù)學(xué)》、《程序設(shè)計(jì)基礎(chǔ)》、《計(jì)算機(jī)基礎(chǔ)與算法》等課程。第1頁/共35頁開課基礎(chǔ)學(xué)習(xí)本課程之前，要求已經(jīng)選修過《高等數(shù)學(xué)36要求博學(xué)之，審問之、慎思之、明辨之，篤行之?！端臅?禮記》第2頁/共35頁要求博學(xué)之，審問之、慎思之、明辨之，篤行之。第2頁/共35頁37主要參考書籍1）《智能學(xué)簡史》馮天瑾科學(xué)出版社2）《計(jì)算智能》張軍詹志輝清華大學(xué)出版社3）《計(jì)算智能:人工神經(jīng)網(wǎng)絡(luò)-模糊系統(tǒng)-進(jìn)化計(jì)算》周春光梁艷春吉林大學(xué)出版社4）《計(jì)算智能——理論、技術(shù)與應(yīng)用》丁永生編著，科學(xué)出版社5）《計(jì)算智能中的仿生學(xué)：理論與算法》徐宗本，張講社，編著，科學(xué)出版社6）《軟計(jì)算方法》張穎劉艷秋科學(xué)出版社7）《ComputationalIntelligence》RussellCEberchat,Elsevier8）《SwarmIntelligence》JamesKennedy,Elsevier第3頁/共35頁主要參考書籍1）《智能學(xué)簡史》馮天瑾科學(xué)出版社第3頁/共38考核辦法39出勤、上機(jī)：20-30%考試成績：70-80%第4頁/共35頁考核辦法4出勤、上機(jī)：20-30%第4頁/共35頁本課程主要內(nèi)容40第一部分：計(jì)算智能概述第二部分：神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）第三部分：進(jìn)化計(jì)算（演化計(jì)算）第四部分：模糊系統(tǒng)（模糊計(jì)算）第五部分：其它智能算法（選）第5頁/共35頁本課程主要內(nèi)容5第一部分：計(jì)算智能概述第5頁/共35頁智·能所以知之在人者，謂之知。知有所合，謂之智。所以能之在人者，謂之能。能有所合，謂之能。

——荀況《荀子·正名》第6頁/共35頁智·能所以知之在人者，謂之知。知有所合，謂之智41夢想機(jī)器具有智能—計(jì)算機(jī)科學(xué)家的夢想

阿蘭·麥席森·圖靈AlanMathisonTuring，1912年6月23日生于英國倫敦。是英國著名的數(shù)學(xué)家和邏輯學(xué)家，被稱為計(jì)算機(jī)科學(xué)之父、人工智能之父，是計(jì)算機(jī)邏輯的奠基者。二戰(zhàn)時(shí)破譯破解德國密碼系統(tǒng)Enigma，提出了“圖靈機(jī)”和“圖靈測試”等重要概念。人們?yōu)榧o(jì)念其在計(jì)算機(jī)領(lǐng)域的卓越貢獻(xiàn)而設(shè)立“圖靈獎(jiǎng)”。圖靈機(jī)的藝術(shù)化表示八卦：1)圖靈是頂級長跑運(yùn)動(dòng)員2)圖靈與蘋果第7頁/共35頁夢想機(jī)器具有智能—計(jì)算機(jī)科學(xué)家的夢想阿蘭·麥席42圖靈測試怎樣判斷機(jī)器具有智能—圖靈測試

1950年AlanTuring的文章“ComputingMachineryandIntelligence.”（Mind,Vol.59,No.236）提出圖靈測試，檢驗(yàn)一臺(tái)機(jī)器或電腦是否具有如人一樣的思維能力和智能電腦和人分別封閉在不同的房間，測試者不知道哪個(gè)房間是人，哪個(gè)房間是電腦，他向雙方提出測試問題，電腦和人給出各自的答案，如果一系列的測試問題之后，測試者分不出哪些是電腦的答案，哪些是人的答案，則電腦通過測試，確實(shí)具有與人一樣的智能。提問者回答者A回答者B第8頁/共35頁圖靈測試怎樣判斷機(jī)器具有智能—圖靈測試電腦和人分43困惑哲學(xué)問題（1）規(guī)則與規(guī)律：規(guī)則是制定的，規(guī)律是客觀存在的，從規(guī)則能自動(dòng)發(fā)現(xiàn)規(guī)律嗎？（2）生命與非生命：智能是高等生命體獨(dú)有的能力，非生命體內(nèi)能產(chǎn)生智能嗎？（3）物質(zhì)與意識(shí)：唯物主義和唯心主義都承認(rèn)二元論，只是在何者起決定作用上爭論不休，智能能在機(jī)器內(nèi)產(chǎn)生將導(dǎo)致一元論—物質(zhì)生成一切？（4）智能的本質(zhì)：理性與感性、思考與行動(dòng)、社會(huì)性與個(gè)體性第9頁/共35頁困惑哲學(xué)問題第9頁/共35頁44困惑倫理問題（1）電腦與人腦：能否互換？（2）機(jī)器人與人：機(jī)器能否融入人類社會(huì)？（3）情感與役使：機(jī)器是人制造并使用的工具，一旦機(jī)器人具有了智能和情感，人類還能當(dāng)奴隸一樣地役使嗎？（4）機(jī)器人叛亂：機(jī)器人群體有可能叛亂而反過來役使人類嗎？第10頁/共35頁困惑倫理問題第10頁/共35頁45現(xiàn)實(shí)的夢比爾·蓋茨預(yù)測：計(jì)算智能發(fā)展前景乃是機(jī)器最終“能看會(huì)想，能聽會(huì)講”。無論是人工智能，還是智能人工，只要能夠殊途同歸，造福于人類，那么所有的努力便都是有價(jià)值的。未來，智能機(jī)器作為真正意義上的工作助手和生活良伴，將使我們的生活完全改觀?！奥斆鳈C(jī)器”的出現(xiàn)，也決不會(huì)成為人類的災(zāi)難，在智慧與創(chuàng)造力方面，永遠(yuǎn)是人類最有發(fā)言權(quán)。第11頁/共35頁現(xiàn)實(shí)的夢比爾·蓋茨預(yù)測：計(jì)算智能發(fā)展前景乃是機(jī)器最終“能看會(huì)46信息時(shí)代的呼喚信息時(shí)代信息資源-創(chuàng)造智能的工具-獲得智能工業(yè)時(shí)代能量資源-創(chuàng)造動(dòng)力的工具-獲得能量物理學(xué)、化學(xué)創(chuàng)造動(dòng)力工具的理論基礎(chǔ)計(jì)算智能理論創(chuàng)造智能工具的理論基礎(chǔ)第12頁/共35頁信息時(shí)代的呼喚信息時(shí)代工業(yè)時(shí)代第12頁/共35頁47信息時(shí)代的呼喚信息時(shí)代信息資源-創(chuàng)造智能的工具-獲得智能工業(yè)時(shí)代能量資源-創(chuàng)造動(dòng)力的工具-獲得能量物理學(xué)、化學(xué)創(chuàng)造動(dòng)力工具的理論基礎(chǔ)計(jì)算智能理論創(chuàng)造智能工具的理論基礎(chǔ)第13頁/共35頁信息時(shí)代的呼喚信息時(shí)代工業(yè)時(shí)代第13頁/共35頁48什么是計(jì)算智能計(jì)算智能（ComputationalIntelligence，CI）目前還沒有一個(gè)統(tǒng)一的的定義，使用較多的是美國科學(xué)家貝慈德克（J.C.Bezdek）從計(jì)算智能系統(tǒng)角度所給出的定義:如果一個(gè)系統(tǒng)僅處理低層的數(shù)值數(shù)據(jù)，含有模式識(shí)別部件，沒有使用人工智能意義上的知識(shí)，且具有計(jì)算適應(yīng)性、計(jì)算容錯(cuò)力、接近人的計(jì)算速度和近似于人的誤差率這4個(gè)特性，則它是計(jì)算智能的。第14頁/共35頁什么是計(jì)算智能計(jì)算智能（ComputationalInte49什么是計(jì)算智能從學(xué)科范疇看，計(jì)算智能是在神經(jīng)網(wǎng)絡(luò)（NeuralNetworks,NN）、進(jìn)化計(jì)算（EvolutionaryComputation,EC）及模糊系統(tǒng)（FuzzySystem,FS）這3個(gè)領(lǐng)域發(fā)展相對成熟的基礎(chǔ)上形成的一個(gè)統(tǒng)一的學(xué)科概念。

也可以簡單的理解為：計(jì)算智能主要借鑒仿生學(xué)和擬物的思想，基于人們對生物體智能機(jī)理和某些自然規(guī)律的認(rèn)識(shí)，采用數(shù)值計(jì)算的方法去模擬和實(shí)現(xiàn)人類的智能、生物智能、其它社會(huì)和自然規(guī)律。第15頁/共35頁什么是計(jì)算智能從學(xué)科范疇看，計(jì)算智能是在神經(jīng)網(wǎng)絡(luò)（Neura50計(jì)算智能與人工智能的關(guān)系目前，對計(jì)算智能與人工智能的關(guān)系有2種不同觀點(diǎn)，一種點(diǎn)認(rèn)為計(jì)算智能是人工智能的一個(gè)子集，另一種觀點(diǎn)認(rèn)為計(jì)算智能和人工智能是不同的范疇。第一種觀點(diǎn)的代表人物是貝慈德克。A－Artificial，表示人工的（非生物的），即人造的B－Biological，表示物理的＋化學(xué)的＝生物的C－Computational，表示數(shù)學(xué)＋計(jì)算機(jī)=計(jì)算的

CI<AI<BI第16頁/共35頁計(jì)算智能與人工智能的關(guān)系目前，對計(jì)算智能與人工智能的關(guān)系有251計(jì)算智能與人工智能的關(guān)系第二種觀點(diǎn)是大多數(shù)學(xué)者所持有的觀點(diǎn)，其代表人物是艾伯哈特（R.C.Eberhart）。他們認(rèn)為：雖然人工智能與計(jì)算智能之間有重合，但計(jì)算智能是一個(gè)全新的學(xué)科領(lǐng)域，無論是生物智能還是機(jī)器智能，計(jì)算智能都是其最核心的部分，而人工智能則是外層。事實(shí)上，CI和傳統(tǒng)的AI只是智能的兩個(gè)不同層次，各自都有自身的優(yōu)勢和局限性，相互之間只應(yīng)該互補(bǔ)，而不能取代。大量實(shí)踐證明，只有把AI和CI很好地結(jié)合起來，才能更好地模擬人類智能，才是智能科學(xué)技術(shù)發(fā)展的正確方向。外層內(nèi)層CIAIBI第17頁/共35頁計(jì)算智能與人工智能的關(guān)系第二種觀點(diǎn)是大多數(shù)學(xué)者所持有的觀點(diǎn)，52進(jìn)化計(jì)算（演化計(jì)算）人傾向于線性地思考問題，而進(jìn)化（Evolution）則常常以人們意象不到的方式解決問題。

——弗格《什么是進(jìn)化計(jì)算》第18頁/共35頁進(jìn)化計(jì)算（演化計(jì)算）人傾向于線性地思考問題，而進(jìn)化（E53進(jìn)化計(jì)算（演化計(jì)算）人傾向于線性地思考問題，而進(jìn)化（Evolution）則常常以人們意象不到的方式解決問題。

——弗格《什么是進(jìn)化計(jì)算》第19頁/共35頁進(jìn)化計(jì)算（演化計(jì)算）人傾向于線性地思考問題，而進(jìn)化（E54進(jìn)化計(jì)算（演化計(jì)算）旅行商問題（TravellingSalesmanProblem）設(shè)有n個(gè)城市，任意兩個(gè)城市之間的距離如矩陣D=(dij)n*n(i,j=1,2,…,n)所示，其中dij表示從城市i到城市j的距離。尋找這樣一種周游方案：周游路線從某個(gè)城市開始，經(jīng)過每個(gè)城市一次且僅一次，最后回到出發(fā)城市，使得周游路線的總長度最短。

π(1)為周游序列中第i個(gè)城市的編號，且π(n+1)=π(1)如果使用枚舉法，復(fù)雜度將隨著城市數(shù)目的增加急劇增加。第20頁/共35頁進(jìn)化計(jì)算（演化計(jì)算）旅行商問題（TravellingSal55進(jìn)化計(jì)算（演化計(jì)算）函數(shù)優(yōu)化問題第21頁/共35頁進(jìn)化計(jì)算（演化計(jì)算）函數(shù)優(yōu)化問題第21頁/共35頁56進(jìn)化計(jì)算（演化計(jì)算）--思考優(yōu)化問題求解，能否借助這種方法呢？低級、簡單高級、復(fù)雜進(jìn)化進(jìn)化計(jì)算的概念：（EvolutionaryComputation,EC）是在達(dá)爾文（Darwin）的進(jìn)化論和孟德爾（Mendel）的遺傳變異理論的基礎(chǔ)上產(chǎn)生的一種在基因和種群層次上模擬自然界生物進(jìn)化過程與機(jī)制，進(jìn)行問題求解的自組織、自適應(yīng)的隨機(jī)搜索技術(shù)。它以達(dá)爾文進(jìn)化論的“物竟天擇、適者生存”作為算法的進(jìn)化規(guī)則，并結(jié)合孟德爾的遺傳變異理論，將生物進(jìn)化過程中的繁殖、變異、競爭和選擇引入到了算法中，是一種對人類智能的進(jìn)化模擬方法。第22頁/共35頁進(jìn)化計(jì)算（演化計(jì)算）--思考優(yōu)化問題求解，能否借助這種方法呢57進(jìn)化計(jì)算（演化計(jì)算）進(jìn)化計(jì)算的主要分支：遺傳算法、進(jìn)化策略、進(jìn)化規(guī)劃三大分支。其中，遺傳算法是進(jìn)化計(jì)算中最初形成的一種具有普遍影響的模擬進(jìn)化優(yōu)化算法。進(jìn)化計(jì)算的發(fā)展史20世紀(jì)60-70年代：萌芽階段體系建立、計(jì)算量大、未受重視20世紀(jì)80年代：發(fā)展階段體系完善、計(jì)算機(jī)的發(fā)展、人工智能瓶頸20世紀(jì)80以后：成熟階段眾多研究機(jī)構(gòu)和學(xué)者的高度重視、研究熱點(diǎn)第23頁/共35頁進(jìn)化計(jì)算（演化計(jì)算）進(jìn)化計(jì)算的主要分支：遺傳算法、進(jìn)化策略、58進(jìn)化計(jì)算（演化計(jì)算）遺傳算法（GeneticAlgorithm）模擬達(dá)爾文的遺傳選擇和自然淘汰的生物進(jìn)化過程1975年首先由Holland提出用于自然和人工系統(tǒng)的自適應(yīng)行為研究(AdaptationinNaturalandArtificialSystems)組成：個(gè)體與群體、適應(yīng)值函數(shù)、遺傳操作、終止條件特點(diǎn)：隱含并行性、過程性、非確定性、群體性、內(nèi)在學(xué)習(xí)、統(tǒng)計(jì)性、穩(wěn)健性、整體優(yōu)化T=0,隨機(jī)初始化群體P(t)計(jì)算P(t)中每一個(gè)個(gè)體的適應(yīng)值滿足終止條件計(jì)算群體P(t)中每個(gè)個(gè)體的選擇概率根據(jù)選擇概率從群體中選擇適當(dāng)?shù)膫€(gè)體進(jìn)行雜交、變異產(chǎn)生新個(gè)體輸出結(jié)果結(jié)束第24頁/共35頁進(jìn)化計(jì)算（演化計(jì)算）遺傳算法（GeneticAlgorit59神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）應(yīng)該屬于哪一類？已經(jīng)學(xué)習(xí)貓狗圖像是貓是狗？第25頁/共35頁神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）應(yīng)該屬于哪一類？已經(jīng)學(xué)習(xí)貓狗圖像是貓是狗60神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）雖然上述問題對于計(jì)算機(jī)來說很難，但對于人類而言卻是輕而易舉的事情。因此，考慮用計(jì)算機(jī)模擬人腦，是否能完成上述工作呢？人腦的基礎(chǔ)是生物神經(jīng)系統(tǒng)。生物神經(jīng)系統(tǒng)是由神經(jīng)元構(gòu)成。如果要模擬人腦，必須首先模擬神經(jīng)元。神經(jīng)末梢突觸軸突樹突細(xì)胞核細(xì)胞體第26頁/共35頁神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）雖然上述問題對于計(jì)算機(jī)來說很難，但對于人61神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）神經(jīng)元具有的特性：1）多個(gè)輸入2）一個(gè)輸出3）輸出只有抑制、興奮兩種狀態(tài)神經(jīng)元工作過程：累加各部分的加權(quán)輸入，然后比較累加和是否超過閾值，如果超過，輸出為興奮狀態(tài)，否則，輸出為抑制狀態(tài)。θ…x1x2xnw1w2wny可見，輸入權(quán)值和閾值對于輸出狀態(tài)影響巨大。輸入權(quán)值和閾值是神經(jīng)元學(xué)習(xí)的基礎(chǔ)，權(quán)值和閾值調(diào)整的過程就是學(xué)習(xí)的過程。第27頁/共35頁神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）神經(jīng)元具有的特性：神經(jīng)元工作過程：θ…x62神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）θ…x1x2xnw1w2wny神經(jīng)元的學(xué)習(xí)—學(xué)習(xí)識(shí)別模式A和模式B假定遇到模式A輸出為0，模式B輸出為12）如果輸入的是模式A，輸出為1，調(diào)整權(quán)值，使之輸出為01）隨機(jī)化輸入權(quán)值和閾值3）如果輸入的是模式B，輸出為0，調(diào)整權(quán)值，使之輸出為14）重復(fù)步驟2,、3，直到訓(xùn)練完成可以確定的是：如果此時(shí)輸入的是模式A中的一個(gè)新樣本，即使沒有學(xué)過，也會(huì)有很大的概率判為模式A。第28頁/共35頁神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）θ…x1x2xnw1w2wny神經(jīng)元的學(xué)63神經(jīng)網(wǎng)絡(luò)（神經(jīng)計(jì)算）神經(jīng)網(wǎng)絡(luò)的特點(diǎn):1）信息是通過神經(jīng)元上的興奮模式分布儲(chǔ)在網(wǎng)絡(luò)上;2）信息處理是通過神經(jīng)元之間同時(shí)相互作用的動(dòng)態(tài)過程來完成的。這就是人工智能研究的“結(jié)構(gòu)（聯(lián)接）主義。