计算智能1.概述.ppt
Information Science and Engineering,University of Jinan,计 算 智 能 概 述,课程目的,系统地讲授计算智能的有关基础理论、技术及其主要应用。通过本课程的学习，要求学生系统地掌握计算智能的基本内容与方法，了解计算智能的主要应用领域。将计算智能方法与学生未来研究方向相结合，培养学生独立科研思维能力。介绍计算智能研究的前沿领域与最新进展，培养学生科研兴趣。,开课基础,学习本课程之前，要求已经选修过高等数学、程序设计基础、计算机基础与算法等课程。,要求,博学之，审问之、慎思之、明辨之，笃行之。四书.礼记,主要参考书籍,1）智能学简史冯天瑾 科学出版社2）计算智能 张军 詹志辉 清华大学出版社3）计算智能:人工神经网络-模糊系统-进化计算 周春光 梁艳春 吉林大学出版社4）计算智能理论、技术与应用丁永生 编著，科学出版社5）计算智能中的仿生学：理论与算法徐宗本，张讲社，编著，科学出版社6）软计算方法张颖 刘艳秋 科学出版社7）Computational Intelligence Russell C Eberchat,Elsevier8）Swarm Intelligence James Kennedy,Elsevier,考核办法,6,出勤、上机：20-30%考试成绩：70-80%,本课程主要内容,7,第一部分：计算智能概述第二部分：神经网络（神经计算）第三部分：进化计算（演化计算）第四部分：模糊系统（模糊计算）第五部分：其它智能算法（选）,智能,所以知之在人者，谓之知。知有所合，谓之智。所以能之在人者，谓之能。能有所合，谓之能。荀况荀子正名,梦 想,机器具有智能计算机科学家的梦想,阿兰麦席森图灵 Alan Mathison Turing，1912年6月23日生于英国伦敦。是英国著名的数学家和逻辑学家，被称为计算机科学之父、人工智能之父，是计算机逻辑的奠基者。二战时破译破解德国密码系统Enigma，提出了“图灵机”和“图灵测试”等重要概念。人们为纪念其在计算机领域的卓越贡献而设立“图灵奖”。,图灵机的艺术化表示,八卦：,1)图灵是顶级长跑运动员,2)图灵与苹果,图灵测试,怎样判断机器具有智能图灵测试 1950年Alan Turing的文章“Computing Machinery and Intelligence.”（Mind,Vol.59,No.236）提出图灵测试，检验一台机器或电脑是否具有如人一样的思维能力和智能,电脑和人分别封闭在不同的房间，测试者不知道哪个房间是人，哪个房间是电脑，他向双方提出测试问题，电脑和人给出各自的答案，如果一系列的测试问题之后，测试者分不出哪些是电脑的答案，哪些是人的答案，则电脑通过测试，确实具有与人一样的智能。,提问者,回答者A,回答者B,困 惑,哲学问题（1）规则与规律：规则是制定的，规律是客观存在的，从规则能自动发现规律吗？（2）生命与非生命：智能是高等生命体独有的能力，非生命体内能产生智能吗？（3）物质与意识：唯物主义和唯心主义都承认二元论，只是在何者起决定作用上争论不休，智能能在机器内产生将导致一元论物质生成一切？（4）智能的本质：理性与感性、思考与行动、社会性与个体性,困 惑,伦理问题（1）电脑与人脑：能否互换？（2）机器人与人：机器能否融入人类社会？（3）情感与役使：机器是人制造并使用的工具，一旦机器人具有了智能和情感，人类还能当奴隶一样地役使吗？（4）机器人叛乱：机器人群体有可能叛乱而反过来役使人类吗？,现实的梦,比尔盖茨预测：计算智能发展前景乃是机器最终“能看会想，能听会讲”。无论是人工智能，还是智能人工，只要能够殊途同归，造福于人类，那么所有的努力便都是有价值的。未来，智能机器作为真正意义上的工作助手和生活良伴，将使我们的生活完全改观。“聪明机器”的出现，也决不会成为人类的灾难，在智慧与创造力方面，永远是人类最有发言权。,信息时代的呼唤,信息时代信息资源-创造智能的工具-获得智能,工业时代能量资源-创造动力的工具-获得能量物理学、化学创造动力工具的理论基础,计算智能理论创造智能工具的理论基础,信息时代的呼唤,信息时代信息资源-创造智能的工具-获得智能,工业时代能量资源-创造动力的工具-获得能量物理学、化学创造动力工具的理论基础,计算智能理论创造智能工具的理论基础,什么是计算智能,计算智能（Computational Intelligence，CI）目前还没有一个统一的的定义，使用较多的是美国科学家贝慈德克（J.C.Bezdek）从计算智能系统角度所给出的定义:如果一个系统仅处理低层的数值数据，含有模式识别部件，没有使用人工智能意义上的知识，且具有计算适应性、计算容错力、接近人的计算速度和近似于人的误差率这4个特性，则它是计算智能的。,什么是计算智能,从学科范畴看，计算智能是在神经网络（Neural Networks,NN）、进化计算（Evolutionary Computation,EC）及模糊系统（Fuzzy System,FS）这3个领域发展相对成熟的基础上形成的一个统一的学科概念。,也可以简单的理解为：计算智能主要借鉴仿生学和拟物的思想，基于人们对生物体智能机理和某些自然规律的认识，采用数值计算的方法去模拟和实现人类的智能、生物智能、其它社会和自然规律。,计算智能与人工智能的关系,目前，对计算智能与人工智能的关系有2种不同观点，一种点认为计算智能是人工智能的一个子集，另一种观点认为计算智能和人工智能是不同的范畴。,第一种观点的代表人物是贝慈德克。,AArtificial，表示人工的（非生物的），即人造的BBiological，表示物理的化学的 生物的CComputational，表示数学计算机=计算的,CI AI BI,计算智能与人工智能的关系,第二种观点是大多数学者所持有的观点，其代表人物是艾伯哈特（R.C.Eberhart）。他们认为：虽然人工智能与计算智能之间有重合，但计算智能是一个全新的学科领域，无论是生物智能还是机器智能，计算智能都是其最核心的部分，而人工智能则是外层。,事实上，CI和传统的AI只是智能的两个不同层次，各自都有自身的优势和局限性，相互之间只应该互补，而不能取代。大量实践证明，只有把AI和CI很好地结合起来，才能更好地模拟人类智能，才是智能科学技术发展的正确方向。,外层,内层,CI,AI,BI,进化计算（演化计算）,人倾向于线性地思考问题，而进化（Evolution）则常常以人们意象不到的方式解决问题。弗格什么是进化计算,进化计算（演化计算）,人倾向于线性地思考问题，而进化（Evolution）则常常以人们意象不到的方式解决问题。弗格什么是进化计算,进化计算（演化计算）,旅行商问题（Travelling Salesman Problem）设有n个城市，任意两个城市之间的距离如矩阵D=(dij)n*n(i,j=1,2,n)所示，其中dij表示从城市i到城市j的距离。寻找这样一种周游方案：周游路线从某个城市开始，经过每个城市一次且仅一次，最后回到出发城市，使得周游路线的总长度最短。,(1)为周游序列中第i个城市的编号，且(n+1)=(1),如果使用枚举法，复杂度将随着城市数目的增加急剧增加。,进化计算（演化计算）,函数优化问题,进化计算（演化计算）-思考,优化问题求解，能否借助这种方法呢？,低级、简单,高级、复杂,进化,进化计算的概念：（Evolutionary Computation,EC）是在达尔文（Darwin）的进化论和孟德尔（Mendel）的遗传变异理论的基础上产生的一种在基因和种群层次上模拟自然界生物进化过程与机制，进行问题求解的自组织、自适应的随机搜索技术。它以达尔文进化论的“物竟天择、适者生存”作为算法的进化规则，并结合孟德尔的遗传变异理论，将生物进化过程中的繁殖、变异、竞争和选择引入到了算法中，是一种对人类智能的进化模拟方法。,进化计算（演化计算）,进化计算的主要分支：遗传算法、进化策略、进化规划三大分支。其中，遗传算法是进化计算中最初形成的一种具有普遍影响的模拟进化优化算法。,进化计算的发展史20世纪60-70年代：萌芽阶段体系建立、计算量大、未受重视20世纪80年代：发展阶段体系完善、计算机的发展、人工智能瓶颈20世纪80以后：成熟阶段众多研究机构和学者的高度重视、研究热点,进化计算（演化计算）,遗传算法（Genetic Algorithm）模拟达尔文的遗传选择和自然淘汰的生物进化过程1975 年首先由Holland提出用于自然和人工系统的自适应行为研究(Adaptation in Natural and Artificial Systems)组成：个体与群体、适应值函数、遗传操作、终止条件特点：隐含并行性、过程性、非确定性、群体性、内在学习、统计性、稳健性、整体优化,T=0,随机初始化群体P(t),计算P(t)中每一个个体的适应值,满足终止条件,计算群体P(t)中每个个体的选择概率,根据选择概率从群体中选择适当的个体进行杂交、变异产生新个体,输出结果,结束,神经网络（神经计算）,应该属于哪一类？,已经学习猫狗图像,是猫是狗？,神经网络（神经计算）,虽然上述问题对于计算机来说很难，但对于人类而言却是轻而易举的事情。因此，考虑用计算机模拟人脑，是否能完成上述工作呢？,人脑的基础是生物神经系统。生物神经系统是由神经元构成。如果要模拟人脑，必须首先模拟神经元。,神经末梢,突触,轴突,树突,细胞核,细胞体,神经网络（神经计算）,神经元具有的特性：1）多个输入2）一个输出3）输出只有抑制、兴奋两种状态,神经元工作过程：累加各部分的加权输入，然后比较累加和是否超过阈值，如果超过，输出为兴奋状态，否则，输出为抑制状态。,x1,x2,xn,w1,w2,wn,y,可见，输入权值和阈值对于输出状态影响巨大。,输入权值和阈值是神经元学习的基础，权值和阈值调整的过程就是学习的过程。,神经网络（神经计算）,x1,x2,xn,w1,w2,wn,y,神经元的学习学习识别模式A和模式B,假定遇到模式A输出为0，模式B输出为1,2）如果输入的是模式A，输出为1，调整权值，使之输出为0,1）随机化输入权值和阈值,3）如果输入的是模式B，输出为0，调整权值，使之输出为1,4）重复步骤2,、3，直到训练完成,可以确定的是：如果此时输入的是模式A中的一个新样本，即使没有学过，也会有很大的概率判为模式A。,神经网络（神经计算）,神经网络的特点:1）信息是通过神经元上的兴奋模式分布储在网络上;2）信息处理是通过神经元之间同时相互作用的动态过程来完成的。,这就是人工智能研究的“结构（联接）主义。,神经网络,1）可以充分逼近任意复杂的非线性关系2）采用并行分布处理方法，使得快速进行大量运算成为可能3）可学习和自适应不知道或不确定的系统4）能够同时处理定量、定性知识,模糊系统（模糊计算）,数是我们所知的最纯粹的量的规定，但他却充满了质的差异。恩格斯自然辩证法,模糊系统（模糊计算）,有位先生的头发长的很好，即他的头“不秃”。我们可以肯定：若将他头发拔去一根，他的头仍不秃；拔去两根，他的头也不会秃；再假定：拔去k根头发他还“不秃”；则依常理，再拔1根（共拔去K+1根）头发，他也不会是“秃”。则依数学归纳法，可得结论：如此拔下去，头发拔光了，他也“不秃”！,从“秃头悖论”说起,模糊理论的产生,在日常生活中，经常遇到许多模糊事物，没有分明的数量界限，要使用一些模糊的词句来形容、描述。,精确性的数学与现实生活中的模糊的矛盾,就需要寻找一种描述和加工模糊信息的数学工具，这就推动数学家深入研究模糊理论。,1965年，扎德（Zadeh）提出了模糊集合论（Fuzzy Set）。,1.提出用“模糊集合”作为表现模糊事物的数学模型。,2.提出“隶属函数”概念,模糊理论,在模糊集合中，给定范围内元素对它的隶属关系不一定只有“是”或“否”两种情况，而是用介于0和1之间的实数来表示隶属程度，还存在中间过渡状态。比如“老人”是个模糊概念，70岁的肯定属于老人，它的从属程度是 1，40岁的人肯定不算老人，它的从属程度为 0，按照扎德给出的公式，55岁属于“老”的程度为0.5，即“半老”，60岁属于“老”的程度0.8。,我是猫吗？,80%的可能是吧,模糊理论,应用,1974年，印度裔英国学者马德尼(E.H.Mamdani)首先将模糊理论用于锅炉和蒸汽机的控制,80年代以后，采用模糊控制技术的家电产品大量上市，模糊技术在图像识别、自动控制、市场预测、人工智能等领域普遍应用,1983 Takagi T.and Sugino M.提出具有线性规则后项的模糊控制器(TS模糊控制器),Fuzzy Related Journals:IEEE Trans.On Fuzzy Systems Fuzzy Sets and Systems Journal of Intelligent and Fuzzy Systems Fuzzy Optimization and Decision Making,
