安全生產(chǎn)智能化保障技術(shù) 第2版 課件 第一章 緒論;第二章 現(xiàn)代智能技術(shù)

安全生產(chǎn)智能保障技術(shù)

第一章前言開設(shè)該課程的必要性：安全生產(chǎn)智能化保障技術(shù)是安全工程專業(yè)一門重要的專業(yè)課，是數(shù)字化技術(shù)、監(jiān)測(cè)監(jiān)控技術(shù)、電子信息技術(shù)、網(wǎng)絡(luò)與通信技術(shù)、自動(dòng)化技術(shù)等在安全領(lǐng)域的具體應(yīng)用。背景：智能化技術(shù)已成為我國(guó)創(chuàng)新發(fā)展的重要驅(qū)動(dòng)力，“互聯(lián)網(wǎng)+安全”、“中國(guó)制造2025”、“寬帶中國(guó)”、“數(shù)字中國(guó)”、“大數(shù)據(jù)”、“云計(jì)算平臺(tái)”等創(chuàng)新發(fā)展戰(zhàn)略都為智能化提供了廣闊的應(yīng)用平臺(tái)，智能科技將給工業(yè)生產(chǎn)方式帶來(lái)重大變化和深刻變革。課程特點(diǎn)：安全工程專業(yè)基礎(chǔ)課“大”安全理念涉及面廣、新、雜，多學(xué)科交叉課程現(xiàn)代化科學(xué)技術(shù)知識(shí)儲(chǔ)備安全生產(chǎn)領(lǐng)域中具體應(yīng)用案例課程涉及到的領(lǐng)域：智能化技術(shù)智能算法

智能傳感器

智能專家系統(tǒng)智能控制智能監(jiān)測(cè)與檢測(cè)智能診斷與預(yù)測(cè)安全生產(chǎn)領(lǐng)域智能油田

智能礦山智能樓宇、智能消防智能交通運(yùn)輸智能儀器儀表智能管理信息系統(tǒng)課程目標(biāo)：了解智能化相關(guān)技術(shù)（智能算法，智能傳感器，智能控制等）；培養(yǎng)利用智能化技術(shù)進(jìn)行安全信息管理、風(fēng)險(xiǎn)評(píng)價(jià)與分析、事故診斷與預(yù)測(cè)、安全監(jiān)測(cè)的能力；結(jié)合其它課程的學(xué)習(xí)，為解決安全工程領(lǐng)域中復(fù)雜工程問(wèn)題打下基礎(chǔ)。

第一章緒論安全生產(chǎn)概述智能技術(shù)與安全生產(chǎn)安全生產(chǎn)智能保障技術(shù)內(nèi)涵和框架

泛指沒(méi)有危險(xiǎn)、不出事故的狀態(tài)。詞典對(duì)安全的定義為“沒(méi)有傷害、損傷或危險(xiǎn)，不遭受危害或損害的威脅，或免除了危害、傷害或損失的威脅”。風(fēng)險(xiǎn)論認(rèn)為：不可接受風(fēng)險(xiǎn)得到有效控制，環(huán)境處在可接受風(fēng)險(xiǎn)狀態(tài)，才叫安全。安全是相對(duì)的，沒(méi)有絕對(duì)安全71.什么是“安全”？？2.什么是安全生產(chǎn)？

生產(chǎn)過(guò)程中的安全，即安全生產(chǎn)，指的是“不發(fā)生工傷事故、職業(yè)病、設(shè)備或財(cái)產(chǎn)損失的狀況；即指人不受傷害，物不受損失”。8

安全生產(chǎn)工作特點(diǎn)長(zhǎng)期性復(fù)雜性艱巨性性質(zhì)開放性人為性社會(huì)性行為模糊性特點(diǎn)全員全天候全過(guò)程全方位無(wú)所不在安全生產(chǎn)安全生產(chǎn)3.引起事故高發(fā)原因1、粗放型的發(fā)展方式2、安全監(jiān)管體系不鍵全，力度不足3、企業(yè)主體責(zé)任不落實(shí)4、安全投入不足5、負(fù)責(zé)人、安管人員、從業(yè)人員安全素質(zhì)不能適應(yīng)安全生產(chǎn)要求94.準(zhǔn)確理解和把握安全發(fā)展的含義“安全發(fā)展”是指國(guó)民經(jīng)濟(jì)和區(qū)域經(jīng)濟(jì)、各個(gè)行業(yè)和領(lǐng)域、各類生產(chǎn)經(jīng)營(yíng)單位的發(fā)展，必須自覺(jué)遵循黨和國(guó)家安全生產(chǎn)方針政策和法律法規(guī)，“把安全真正作為發(fā)展的前提和基礎(chǔ)，使經(jīng)濟(jì)社會(huì)發(fā)展切實(shí)建立在安全保障能力不斷增強(qiáng)、勞動(dòng)者生命安全和身體健康得到切實(shí)保障的基礎(chǔ)之上，確保人民群眾平安幸福地享有經(jīng)濟(jì)發(fā)展和社會(huì)進(jìn)步的成果”。105、準(zhǔn)確和把握黨和國(guó)家安全生產(chǎn)工作方針。11安全第一預(yù)防為主綜合治理安全生產(chǎn)工作方針6.做好安全生產(chǎn)工作的重大意義安全生產(chǎn)事關(guān)人民群眾生命財(cái)產(chǎn)安全，事關(guān)改革發(fā)展穩(wěn)定，事關(guān)黨和政府的形象，事關(guān)國(guó)家發(fā)展大局。安全生產(chǎn)是重大的政治問(wèn)題；安全生產(chǎn)是現(xiàn)實(shí)的經(jīng)濟(jì)問(wèn)題；安全生產(chǎn)是基本的民生問(wèn)題；安全生產(chǎn)是重要的社會(huì)問(wèn)題；12我國(guó)安全生產(chǎn)形勢(shì)：外部環(huán)境生產(chǎn)經(jīng)營(yíng)活動(dòng)依然頻繁，安全生產(chǎn)風(fēng)險(xiǎn)點(diǎn)、面持續(xù)擴(kuò)大新型城鎮(zhèn)化推進(jìn)加速，局部安全風(fēng)險(xiǎn)聚集，城市運(yùn)行管控和人員安全管理難度加大。事故形式我國(guó)處于事故的易發(fā)多發(fā)期和向平穩(wěn)期過(guò)渡的轉(zhuǎn)型期重特大事故尚未得到有效遏制，且分布范圍更加廣泛。地區(qū)間事故分布不均衡，部分地區(qū)出現(xiàn)反彈我國(guó)安全生產(chǎn)形勢(shì)：安全生產(chǎn)基礎(chǔ)產(chǎn)業(yè)結(jié)構(gòu)布局不合理，落后生產(chǎn)能力和工藝大量存在從業(yè)人員受教育程度偏低，安全素質(zhì)能力和意識(shí)不足職業(yè)病人員數(shù)量有所上升，風(fēng)險(xiǎn)仍在累計(jì)。安全監(jiān)管監(jiān)察安全監(jiān)管方式手段相對(duì)落后，監(jiān)管監(jiān)察能力有待提高部分監(jiān)管監(jiān)察人員理論知識(shí)和實(shí)踐經(jīng)驗(yàn)不足執(zhí)法裝備條件和信息化水平不高我國(guó)安全生產(chǎn)形勢(shì)：

目前我國(guó)安全生產(chǎn)監(jiān)管力量、應(yīng)急處置、救援能力、科技手段尚不滿足現(xiàn)實(shí)需要，信息化、智能化、一體化水平仍需提高，亟需用科技來(lái)支撐安全生產(chǎn),用科技引領(lǐng)安全形勢(shì)好轉(zhuǎn)。

安全科技工作的發(fā)展方向是利用物聯(lián)網(wǎng)技術(shù)，形成人與人、人與物、物與物相聯(lián)，感知人、機(jī)、環(huán)的安全狀態(tài)智能技術(shù)與安全生產(chǎn)也稱作機(jī)器智能，人工智能就是認(rèn)識(shí)智能機(jī)理，建造智能實(shí)體，用人工的方法去模擬和實(shí)現(xiàn)人類智能。通常人工智能是指通過(guò)普通計(jì)算機(jī)實(shí)現(xiàn)的智能。智能及人工智能概念人工智能的應(yīng)用和研究領(lǐng)域17人工智能應(yīng)用機(jī)器學(xué)習(xí)自然語(yǔ)言理解智能檢索機(jī)器人學(xué)無(wú)人駕駛?cè)四樧R(shí)別場(chǎng)景感知?dú)庀箢A(yù)報(bào)文獻(xiàn)篩選污染預(yù)報(bào)醫(yī)學(xué)影像分析虹膜識(shí)別視頻監(jiān)控計(jì)算機(jī)春聯(lián)手寫數(shù)字識(shí)別智能交通智能客服智能庭審記錄小米基因篩選網(wǎng)絡(luò)安全計(jì)算機(jī)寫詩(shī)專家系統(tǒng)模式識(shí)別智能技術(shù)在安全生產(chǎn)中的應(yīng)用企業(yè)安全信息管理系統(tǒng)生產(chǎn)設(shè)備性能智能保障重大危險(xiǎn)源智能監(jiān)控智能應(yīng)急救援及事故調(diào)查安全生產(chǎn)智能技術(shù)內(nèi)涵和框架安全生產(chǎn)智能保障的定義

安全生產(chǎn)智能保障在自動(dòng)化生產(chǎn)基礎(chǔ)上，借助先進(jìn)信息技術(shù)和專業(yè)技術(shù)，全面感知生產(chǎn)動(dòng)態(tài)，自動(dòng)操控生產(chǎn)行為，預(yù)測(cè)生產(chǎn)狀態(tài)變化趨勢(shì)，持續(xù)優(yōu)化生產(chǎn)安全管理，科學(xué)輔助安全生產(chǎn)決策，使用計(jì)算機(jī)系統(tǒng)智能管理安全生產(chǎn)。安全生產(chǎn)智能技術(shù)內(nèi)涵和框架安全生產(chǎn)智能保障特征

安全生產(chǎn)智能保障的特征主要體現(xiàn)在6個(gè)方面：實(shí)時(shí)感知、全面聯(lián)系、自動(dòng)處理、預(yù)測(cè)預(yù)警、輔助決策、分析優(yōu)化安全生產(chǎn)智能技術(shù)內(nèi)涵和框架安全生產(chǎn)智能保障基本框架安全生產(chǎn)智能保障系統(tǒng)為安全生產(chǎn)過(guò)程提供了兩種智能化工作環(huán)境：

自動(dòng)操控安全生產(chǎn)活動(dòng)的智能化工作環(huán)境

虛擬專家輔助綜合研究的智能化工作環(huán)境安全生產(chǎn)智能技術(shù)內(nèi)涵和框架自動(dòng)操控安全生產(chǎn)活動(dòng)的智能化工作環(huán)境安全生產(chǎn)智能技術(shù)內(nèi)涵和框架虛擬專家輔助綜合研究的智能化工作環(huán)境思考題

1.安全生產(chǎn)的內(nèi)涵是什么？其作用是什么？2.我國(guó)安全生產(chǎn)的現(xiàn)狀是什么？3.什么是人工智能？4.試論述智能技術(shù)對(duì)安全生產(chǎn)有什么影響及作用？5.安全生產(chǎn)智能保障的特征是什么？6.安全生產(chǎn)智能保障的基本框架是什么？第二章現(xiàn)代智能技術(shù)安全生產(chǎn)智能保障技術(shù)

主要內(nèi)容2.1概述2.2遺傳算法2.3神經(jīng)網(wǎng)絡(luò)2.4粒子群算法2.5蟻群算法2.6免疫算法2.7應(yīng)用概述

人工智能的成就與生物有著密切的關(guān)系，不論是結(jié)構(gòu)模擬的人工神經(jīng)網(wǎng)絡(luò)、功能模擬的模糊邏輯系統(tǒng)，還是著眼于生物進(jìn)化微觀機(jī)理和宏觀行為的進(jìn)化算法，都有仿生的痕跡。也正是由于模仿生物智能行為，借鑒其智能機(jī)理，許多解決復(fù)雜問(wèn)題的新方法不斷涌現(xiàn)，豐富了人工智能的研究領(lǐng)域。背景：生物進(jìn)化基本循環(huán)圖

依據(jù)生物進(jìn)化論的“適者生存”規(guī)律而提出：遺傳算法群體競(jìng)爭(zhēng)變異種群婚配子群淘汰的群體遺傳算法基本思想：

通過(guò)隨機(jī)方式產(chǎn)生若干個(gè)所求解問(wèn)題的編碼，形成初始種群；通過(guò)適應(yīng)度函數(shù)給每個(gè)個(gè)體一個(gè)數(shù)值評(píng)價(jià)，淘汰低適應(yīng)度的個(gè)體，選擇高適應(yīng)度的個(gè)體參加遺傳操作，經(jīng)過(guò)遺傳操作后的個(gè)體集合形成下一代新的種群。再對(duì)這個(gè)新種群進(jìn)行下一輪的進(jìn)化。遺傳操作可使問(wèn)題的解一代一代地優(yōu)化，并逼近最優(yōu)解。遺傳算法構(gòu)成要素：?jiǎn)栴}的每個(gè)有效解被稱為一個(gè)“染色體”，對(duì)應(yīng)于群體中的每個(gè)生物個(gè)體。染色體的具體形式是一個(gè)使用特定編碼方式生成的編碼串，其等位基因是由二值符號(hào)集{0,1}遺傳算法通過(guò)比較適應(yīng)值區(qū)分染色體的優(yōu)劣，適應(yīng)值越大的染色體越優(yōu)秀。評(píng)估函數(shù)用來(lái)計(jì)算并確定染色體對(duì)應(yīng)的適應(yīng)值。遺傳算法構(gòu)成要素：選擇算子按照一定的規(guī)則對(duì)群體的染色體進(jìn)行選擇，得到父代種群。一般情況下，越優(yōu)秀的染色體被選中的次數(shù)越多。交叉算子作用于每?jī)蓚€(gè)成功交配的父代染色體，染色體交換各自的部分基因，產(chǎn)生兩個(gè)子代染色體。子代染色體取代父代染色體進(jìn)入新種群，而沒(méi)有交配的染色體則直接進(jìn)入新種群。變異算子使新種群進(jìn)行小概率的變異。染色體發(fā)生變異的基因改變數(shù)值，得到新的染色體。經(jīng)過(guò)變異的新種群替代原有群體進(jìn)入下一次進(jìn)化。遺傳算法遺傳算法實(shí)現(xiàn)：個(gè)體適應(yīng)度評(píng)價(jià)：適應(yīng)度函數(shù)是根據(jù)目標(biāo)函數(shù)確定的用于區(qū)分群體中個(gè)體好壞的標(biāo)準(zhǔn)，總是非負(fù)的，希望它的值越大越好。比例選擇算子：也叫做賭盤選擇，指?jìng)€(gè)體被選中并遺傳到下一代群體中的概率與該個(gè)體的適應(yīng)度大小成正比。

假設(shè)一個(gè)具有N

個(gè)扇區(qū)的輪盤，每個(gè)扇區(qū)對(duì)應(yīng)群體中的一個(gè)染色體，扇區(qū)的大小與對(duì)應(yīng)染色體的Pi值成正比。遺傳算法遺傳算法實(shí)現(xiàn)：?jiǎn)吸c(diǎn)交叉算子：在個(gè)體串中隨機(jī)設(shè)定一個(gè)交叉點(diǎn)，實(shí)行交叉時(shí)，該點(diǎn)前或后的兩個(gè)個(gè)體的部分結(jié)構(gòu)進(jìn)行互換，并生成兩個(gè)新個(gè)體?；疚蛔儺愃阕樱簩?duì)個(gè)體的每一個(gè)基因座，依變異概率指定其為變異點(diǎn)；對(duì)每一個(gè)指定的變異點(diǎn)，對(duì)其基因值做取反運(yùn)算或用其他等位基因值來(lái)代替，從而產(chǎn)生出一個(gè)新的個(gè)體。遺傳算法遺傳算法實(shí)現(xiàn)：終止條件：當(dāng)最優(yōu)個(gè)體的適應(yīng)度達(dá)到給定的閾值，或者最優(yōu)個(gè)體的適應(yīng)度和群體適應(yīng)度不再上升時(shí)，或者迭代算次數(shù)達(dá)到預(yù)設(shè)的代數(shù)時(shí)，算法終止。在實(shí)際應(yīng)用中，兩種終止準(zhǔn)則通常同時(shí)使用，滿足其中一條準(zhǔn)則時(shí)算法即終止。遺傳算法遺傳算法的特點(diǎn)遺傳算法以決策變量的編碼作為運(yùn)算對(duì)象遺傳算法直接以目標(biāo)函數(shù)值作為搜索信息遺傳算法同時(shí)使用多個(gè)搜索點(diǎn)的搜索信息，即對(duì)搜索空間中的多個(gè)解進(jìn)行評(píng)估遺傳算法不是采用確定性規(guī)則，而是采用概率的變遷規(guī)則來(lái)指導(dǎo)它的搜索方向。遺傳算法遺傳算法的應(yīng)用函數(shù)優(yōu)化組合優(yōu)化總體方案設(shè)計(jì)反求工程可靠性分析生產(chǎn)調(diào)度問(wèn)題神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)概述神經(jīng)網(wǎng)絡(luò)是一種模擬動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)概述構(gòu)成：大量簡(jiǎn)單的基本元件——神經(jīng)元相互連接工作原理：模擬生物的神經(jīng)處理信息的方式功能：進(jìn)行信息的并行處理和非線性轉(zhuǎn)化特點(diǎn)：比較輕松地實(shí)現(xiàn)非線性映射過(guò)程具有大規(guī)模的計(jì)算能力神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)概述神經(jīng)網(wǎng)絡(luò)的本質(zhì)就是利用計(jì)算機(jī)語(yǔ)言模擬人類大腦做決定的過(guò)程做決定距離味道價(jià)格神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)概述樹突細(xì)胞核細(xì)胞體軸突突觸神經(jīng)末梢大腦可視作為1000多億神經(jīng)元組成的神經(jīng)網(wǎng)絡(luò)神經(jīng)元的解剖圖神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)神經(jīng)元模型按一定規(guī)則將神經(jīng)元連接成神經(jīng)網(wǎng)絡(luò)，并使網(wǎng)絡(luò)中各神經(jīng)元的連接權(quán)按一定規(guī)則變化。人工神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元常稱為節(jié)點(diǎn)或處理單元，每個(gè)節(jié)點(diǎn)均具有相同的結(jié)構(gòu)，其動(dòng)作在時(shí)間和空間上均同步。神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)前饋網(wǎng)絡(luò)單層前饋網(wǎng)絡(luò)多層前饋網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)反饋網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)有導(dǎo)師學(xué)習(xí)——也稱為有監(jiān)督學(xué)習(xí)，這種學(xué)習(xí)模式采用的是糾錯(cuò)規(guī)則。無(wú)導(dǎo)師學(xué)習(xí)——無(wú)監(jiān)督學(xué)習(xí)，學(xué)習(xí)過(guò)程中，需要不斷地給網(wǎng)絡(luò)提供動(dòng)態(tài)輸入信息，網(wǎng)絡(luò)能根據(jù)特有的內(nèi)部結(jié)構(gòu)和學(xué)習(xí)規(guī)則，在輸入信息流中發(fā)現(xiàn)任何可能存在的模式和規(guī)律灌輸式學(xué)習(xí)——將網(wǎng)絡(luò)設(shè)計(jì)成能記憶特別的例子，以后當(dāng)給定有關(guān)該例子的輸入信息時(shí)，例子便被回憶起來(lái)。神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)的特點(diǎn)結(jié)構(gòu)特點(diǎn)——信息處理的并行性、信息存儲(chǔ)的分布性、信息處理單元的互聯(lián)性、結(jié)構(gòu)的可塑性。性能特點(diǎn)——高度的非線性、良好的容錯(cuò)性和計(jì)算的非精確性。能力特征——自學(xué)習(xí)、自組織與自適應(yīng)性。神經(jīng)生物類比性——神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)是由與人腦的類比引發(fā)的，人腦是一個(gè)容錯(cuò)的并行處理的實(shí)例，說(shuō)明這種處理不僅在物理上是可實(shí)現(xiàn)的，而且是快速高效的。神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)的應(yīng)用自動(dòng)控制——漏鋼預(yù)報(bào)系統(tǒng)系統(tǒng)由時(shí)間序列神經(jīng)網(wǎng)絡(luò)和空間神經(jīng)網(wǎng)絡(luò)構(gòu)成多級(jí)神經(jīng)網(wǎng)絡(luò)。時(shí)間序列神經(jīng)網(wǎng)絡(luò)用于識(shí)別溫度的上升和下降模式，空間神經(jīng)網(wǎng)絡(luò)用于識(shí)別結(jié)晶器內(nèi)溫度移動(dòng)的模式。當(dāng)輸出層的輸出值超出預(yù)定閾值時(shí)輸出漏鋼預(yù)報(bào)。神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)的應(yīng)用智能檢測(cè)以神經(jīng)網(wǎng)絡(luò)作為智能檢測(cè)中的信息處理元件便于對(duì)多個(gè)傳感器的相關(guān)信息（如溫度、濕度、風(fēng)向和風(fēng)速等）進(jìn)行復(fù)合、集成、融合、聯(lián)想等數(shù)據(jù)融合處理，實(shí)現(xiàn)單一傳感器所不具備的功能。汽車工程自動(dòng)換擋、剎車自動(dòng)控制水利工程水力發(fā)電過(guò)程辨識(shí)和控制、河川徑流預(yù)測(cè)、河流水質(zhì)分類、水資源規(guī)劃、混凝土性能預(yù)估、拱壩優(yōu)化設(shè)計(jì)、頂應(yīng)力混凝土樁基等結(jié)構(gòu)損傷診斷、砂土液化預(yù)測(cè)、巖體可爆破性分級(jí)及爆破效應(yīng)預(yù)測(cè)、巖土類型識(shí)別、地下工程圍巖分類、大壩等工程結(jié)構(gòu)安全監(jiān)測(cè)等許多實(shí)際問(wèn)題中。鳥食鳥優(yōu)化策略為兩個(gè)動(dòng)作的合成：（1）鳥群向距離食物最近的那只鳥的方向飛行（2）每只鳥向自身的最優(yōu)方向飛行已知：（1）鳥的位置；（2）距離食物最近

的那只鳥求解：這群鳥在最短時(shí)間搜尋到這塊食物的飛行策略模擬群鳥覓食過(guò)程：

粒子群算法鳥群：

假設(shè)一個(gè)區(qū)域，所有的鳥都不知道食物的位置，但是它們知道當(dāng)前位置離食物的遠(yuǎn)近程度。粒子群算法

每個(gè)解看作一只鳥，稱為“粒子(particle)”，所有的粒子都有一個(gè)適應(yīng)值（離食物的遠(yuǎn)近程度），每個(gè)粒子都有一個(gè)速度決定它們的飛翔方向和距離，粒子們追隨當(dāng)前最優(yōu)粒子在解空間中搜索。粒子群算法的生物學(xué)特征

粒子群算法算法流程

粒子群算法(1)屬仿生算法：PSO主要模擬鳥類覓食；GA主借用生物進(jìn)化的規(guī)律。(2)屬全局優(yōu)化方法：在解空間中都隨機(jī)產(chǎn)生初始種群，因而算法在全局的

解空間中進(jìn)行搜索，且將搜索重點(diǎn)集中在性能高的部分。(3)屬隨機(jī)搜索算法：PSO中個(gè)體認(rèn)知項(xiàng)和社會(huì)認(rèn)知項(xiàng)前都加有隨機(jī)數(shù)；GA的遺傳操作均屬隨機(jī)操作。(4)隱含并行性：搜索過(guò)程是從問(wèn)題解的一個(gè)集合開始的，而不是從單個(gè)個(gè)

體開始，具有隱含并行搜索特性，從而減小了陷入局部極小的可能性。

由于這種并行性，易在并行計(jì)算機(jī)上實(shí)現(xiàn)，以提高算法性能和效率。(5)不受函數(shù)約束條件的限制，如連續(xù)性、可導(dǎo)性等。(6)對(duì)高維復(fù)雜問(wèn)題，往往會(huì)遇到早熟收斂和收斂性能差的缺點(diǎn)，都無(wú)法保

證收斂到最優(yōu)點(diǎn)。

遺傳算法與粒子去算法共性粒子群算法(1)PSO沒(méi)有交叉和變異，根據(jù)自己的速度來(lái)決定搜索。(2)PSO的信息共享機(jī)制與遺傳算法不同。在遺傳算法中，染色體(chromosomes)互相共享信息，所以整個(gè)種群的移動(dòng)是比較均勻的向最優(yōu)區(qū)域移動(dòng)在PSO中,只有g(shù)best

給出信息給其他的粒子，這是單向的信息流動(dòng)，整個(gè)搜索更新過(guò)程是跟隨當(dāng)前最優(yōu)解的過(guò)程。(3)與遺傳算法比較,在大多數(shù)的情況下，所有的粒子

可能更快的收斂于最優(yōu)解。(4)PSO算法相對(duì)于GA，對(duì)種群大小不十分敏感，即

種群數(shù)目下降時(shí)性能下降不是很明顯。粒子群算法遺傳算法與粒子去算法不同點(diǎn)概述蟻群算法蟻群算法的核心內(nèi)容是螞蟻在運(yùn)動(dòng)的過(guò)程中依靠一種外激素來(lái)同其他的個(gè)體進(jìn)行交流、通訊。螞蟻經(jīng)過(guò)的地方都會(huì)留下一種特殊的激素，并且可以識(shí)別這種物質(zhì)存在，感知該物質(zhì)濃度的強(qiáng)弱，螞蟻趨于向這種物質(zhì)濃度高的路徑前進(jìn)。這種搜索過(guò)程可以用兩個(gè)基本階段來(lái)報(bào)述自身調(diào)整階段——個(gè)體根據(jù)積累的信息不斷調(diào)整自身結(jié)構(gòu)和群體協(xié)作階段——個(gè)體之間通過(guò)信息交流，以期產(chǎn)生性能更好的解基本原理蟻群算法在蟻群尋找食物時(shí)，它們總能找到一條從食物到巢穴之間的最優(yōu)路徑。這是因?yàn)槲浵佋趯ふ衣窂綍r(shí)在它所經(jīng)過(guò)的路徑上釋放出一種特殊的激素，并以此指導(dǎo)自己的運(yùn)動(dòng)方向。當(dāng)它們碰到一個(gè)還沒(méi)有走過(guò)的路時(shí)，就隨機(jī)地挑選一條路徑前行，與此同時(shí)釋放出相應(yīng)的激素，路徑越長(zhǎng)，相同時(shí)間經(jīng)過(guò)的螞蟻數(shù)越少，釋放的激素濃度越低。當(dāng)后來(lái)的螞蟻再次碰到這個(gè)路口的時(shí)候，選擇激素濃度較高路徑概率就會(huì)相對(duì)較大，這樣形成一個(gè)正反饋。最優(yōu)路徑上的激素濃越來(lái)越大，而其他的路徑上激素濃度卻會(huì)隨著時(shí)間的流逝而消減。螞蟻個(gè)體之間就是通過(guò)這種信息交流達(dá)到搜索食物的目的。基本原理蟻群算法所有螞蟻遇到障礙物時(shí)按照等概率選擇路徑，并留下信息素隨著時(shí)間的推移，較短路徑的信息素濃度升高螞蟻再次遇到障礙物時(shí)，會(huì)選擇信息素濃度高的路徑較短路徑的信息素濃度繼續(xù)升高，最終最優(yōu)路徑被選擇出來(lái)算法流程蟻群算法算法特點(diǎn)蟻群算法蟻群算法是一種自組織的算法蟻群算法是一種本質(zhì)上并行的算法蟻群算法是一種正反饋的算法蟻群算法是一種通用性隨機(jī)方法蟻群算法具有較強(qiáng)的魯棒性算法應(yīng)用蟻群算法車輛路徑問(wèn)題（VehicleRoutingProblem，VRP）車間作業(yè)調(diào)度問(wèn)題（Job-ShopSchedulingProblem，JSP）二次分配問(wèn)題（Quadraticassignmentproblem,QAP）網(wǎng)絡(luò)路由（NetworkRouting）其他……子集問(wèn)題（SetProblem）ACO圖像處理數(shù)據(jù)挖掘二維格模型蛋白質(zhì)折疊問(wèn)題最短公共超序列問(wèn)題概述免疫算法

人工免疫算法將優(yōu)化問(wèn)題中待優(yōu)化的問(wèn)題對(duì)應(yīng)免疫應(yīng)答中的抗原，可行解對(duì)應(yīng)抗體（B細(xì)胞），可行解質(zhì)量對(duì)應(yīng)免疫細(xì)胞與抗原的親和度，如此則可以將優(yōu)化問(wèn)題的尋優(yōu)過(guò)程與生物免疫系統(tǒng)識(shí)別抗原并實(shí)現(xiàn)抗體進(jìn)化的過(guò)程對(duì)應(yīng)起來(lái)。

將生物免疫應(yīng)答中的進(jìn)化鏈（抗體群→免疫選擇→細(xì)胞克隆→高頻變異→克隆抑制→產(chǎn)生新抗體→新抗體群）抽象為數(shù)學(xué)上的進(jìn)化尋優(yōu)過(guò)程，形成智能優(yōu)化算法。概述免疫算法生物免疫系統(tǒng)概念人工免疫算法的概念抗原要解決的問(wèn)題抗體（B細(xì)胞）最優(yōu)候選解抗原識(shí)別確定問(wèn)題類型從記憶細(xì)胞產(chǎn)生抗體聯(lián)想過(guò)去成功解淋巴細(xì)胞分化優(yōu)化解記憶細(xì)胞抑制剩余候選解的消除細(xì)胞克隆利用遺傳算子產(chǎn)生新抗體免疫系統(tǒng)概念人工免疫算法概念抗原優(yōu)化問(wèn)題抗體（B細(xì)胞）優(yōu)化問(wèn)題的可行解親和度可行解質(zhì)量生物免疫系統(tǒng)概念與人工免疫算法概念對(duì)應(yīng)得關(guān)系免疫算法分類免疫算法1、模仿免疫系統(tǒng)抗體與抗原識(shí)別，結(jié)合抗體產(chǎn)生過(guò)程而抽象出來(lái)的免疫算法2、基于免疫系統(tǒng)中的其他特殊機(jī)制抽象出的算法，例如克隆選擇算法3、與遺傳算法等其他計(jì)算智能融合產(chǎn)生的新算法，例如免疫遺傳算法算法流程免疫算法算法特點(diǎn)免疫算法不依賴于問(wèn)題本身的嚴(yán)格數(shù)學(xué)性質(zhì)（如連續(xù)性和可導(dǎo)性等），不需要建立關(guān)于問(wèn)題本身的精確數(shù)學(xué)描述或邏輯模型具有分布式、并行件、自學(xué)習(xí)、自適應(yīng)、自組織、魯棒性等優(yōu)良特性具有噪聲忍耐、無(wú)教師學(xué)習(xí)、自組織等進(jìn)化學(xué)習(xí)機(jī)理具有潛在的并行性，并且易于并行化易于與其他智能計(jì)算方法相結(jié)合算法應(yīng)用免疫算法柔性車間調(diào)度問(wèn)題物流配送問(wèn)題生產(chǎn)批量計(jì)劃問(wèn)題現(xiàn)代智能技術(shù)在油田安全中的應(yīng)用1、基于遺傳算法的地層壓力實(shí)時(shí)監(jiān)測(cè)

地層壓力是油氣安全鉆井的一項(xiàng)重要基礎(chǔ)參數(shù)。根據(jù)地層壓力的變化，合理選擇鉆井液密度將有利于鉆井安全及井身結(jié)構(gòu)和套管柱的合理設(shè)計(jì)。遺傳算法可以綜合利用欠壓實(shí)、流體膨脹和源異常引起的異常地層壓力參數(shù)，利用鉆井參數(shù)數(shù)據(jù)，實(shí)時(shí)地從鉆速中分離出井底壓力變化信息，實(shí)現(xiàn)地層壓力的實(shí)時(shí)計(jì)算。根據(jù)鉆井液密度和地層水的密度可計(jì)算出初始的井底壓差。如果根據(jù)實(shí)鉆數(shù)據(jù)提取得到的井底壓差系數(shù)在異常壓力層段比正常壓力井段呈現(xiàn)出下降趨勢(shì)，而且壓力越高，下降越大，