仿生决策微型计算机研究与应用.docVIP

仿生决策微型计算机研究与应用 　　摘 要 结合仿生决策微型计算机的设计研究与发展现状，分析其结构和运行特点，对决策过程中的原理以及检测估评方法进行了讨论，希望能在推广应用中起到较好的促进作用。 　　关键词 计算机技术；仿生；决策 　　中图分类号：TP183 文献标识码：A 文章编号：1671-7597（2013）16-0015-02 　　现在常用的计算机采用的是“冯·诺依曼结构”：即内存和处理器是分开的，两者之间通过“总线”来传输数据。在过去的60多年中，计算机内存容量和处理器速度不断增长，但这种速度远远大于双方之间流量的增加，让计算机的整体效率受到严重限制，这被称为“冯·诺依曼瓶颈”。 　　近些年发展起来的仿生计算机，人工神经网等计算机，与目前大多数计算机的运行方式截然不同，这些计算机增强了并行计算能力，实现了专家库和处理器的有机结合，在一定程度上实现了类似于人脑的决策计算。 　　1 结构设计 　　1.1 系统结构 　　设立包含专家知识库的微型计算机，与微型计算机的输出端相连设存储单元阵，存储单元阵与处理单元阵相对应连接，与处理单元阵相连设运算器组，与运算器组分别相连设控制器、总运算器，总运算器通过输出接口输出决策结果信号。 　　由于采用存储单元和处理单元直接联接，以及存储、处理单元对应分层网络设置，因而系统在没有CPU微处理器控制系统时也可进行决策计算。 　　在实际应用中，上述结构所制成的决策机常常与“冯·诺依曼结构”结合使用，两者可以取长补短，既实现了高运算速度，又达到了仿生决策计算的目的。 　　1.2 决策方式 　　根据基础对照信号引入的先后，可实现以下两种决策方式： 　　分类决策，即各类原始决策因素信号和基础对照信号，同时输入各层存储单元网络，每一层均得到每一类的中间决策信号，再将各中间决策信号通过总运算器进行汇总； 　　集团决策，将原始决策因素信号和基础对照信号当做两个相对独立的信号系统，分别进行决策得到中间决策信号，再将两个中间决策信号通过总运算器进行汇总。 　　1.3 结构优点 　　能够充分逼近任意复杂的非线性系统：能够学习和适应严重不确定系统的动态特性；系统具有很强的容错性；采用并行分布处理方法，使得快速进行大量运算成为可能。 　　2 决策原理 　　2.1 差异决策原理 　　系统由极多功能、结构大体一致的单元聚集成，因此，无论是基团级、集团级还是系统级决策，均同时存在，并相互“配合”，相互转化，信息相互传递；即可认为整体是一个运作系统，各分区是一个运作系统，各基团又各自一个运作系统，且所有系统运作模式是一致的。 　　然而各级决策系统虽然模式一致，但毕竟会有组合、位置、数量、层级、对应存储信息等诸多差异，这样一来，对于同一个命题，同样的信息输入，也会产生有一定差异的决策结果；系统继续比对、决策，调整并减小这些差异，反复决策，最后得到正确结论。 　　2.2 不确定性因素和反馈的引入 　　不确定性因素的引入包含差异信息和差异控制信号的引入等。 　　引入输入（外界）模块，比如使用各类传感器来自动获取现场信息。 　　对各处理单元引入“放大控制”（随机控制），类似于人脑的“情绪控制”，如可采用电压变化端控制放大倍数。 　　利用分组决策、集团决策来实现决策的多重性。 　　工作频率（强度）的控制。 　　信息反馈机制的建立，根据决策结果的差异，可将该差异反馈到信号输入端，再次比对，调整并减小这些差异，最后得到正确结论。 　　2.3 立体数据库的建立 　　专家库的知识信息是分类存储的，比如某一片区域可存储某一类型的数据，并且数据可以根据需要进行修改、更新。从仿生角度看，各类信息是分布存储的，是一种立体的存储结构，立体存储可以实现与现实三维存储的一致性，并且使所存信息之间的相互联系更直观的显现出来，从而强化了这些联系。 　　人们长期以来，习惯了平面方式处理问题，常用的二维电子表格无法满足立体存储的需要；三维点阵构成的存储单元阵，需要建立与之配套的，比如以三维图形点阵存储为基础的数据库软件。 　　2.4 系统决策的方向 　　根据差异决策原理，系统决策就是要逐步减小差异，即实现决策运算的通畅性，这种决策运算的通畅性如果用几何曲线来描绘，在很多情况下可以表现为曲线的线性或者平滑性。如果经过多次决策，差异没有减小反而不断扩大，此时可采用不确定性因素引入等方法，对决策结果加以修正。 　　从系统总体看，根据中心极限定理，当n充分大时，独立同分布的随机变量之和的分布近似于正态分布，由此可以得到，大量的功能、结构大体一致的单元的决策之和的分布近似于正态分布。 　　3 决策分析 　　3.1 决策分析的步骤 　　决策分析一般分四个步骤：形成决策问题，包括提出方案和确定目标；判断