人工智能70317247.ppt

* （3） F的设计　　进化控制6元组中的F表示进化算法的适应度函数。适应度函数是实现将给定任务转化为系统控制目标的关键环节。在F的设计中尤其要注意利用反馈信息，这里的反馈主要体现在环境障碍信息的反馈。　　根据对路径反馈信息的判断，可以分为两种状态：可行与不可行，因此用evalf和evalu分别对可行路径与不可行路径进行评价。在设计evalf时主要考虑了总的距离、光滑度和安全度等几个因素。总的距离反映了整个过程的代价；安全度建立在对环境障碍反馈信息与当前机器人位置比较的基础上；光滑度满足实际跟踪控制的需要。可以有许多定义evalf的方法，为了简便起见，这里采用它们的线性组合方式，其表达式如下：????????????????evalf=α·dist(p)+ β·φ(p)+ γ·φ(p) 其中：dist(p)、φ(p)、φ(p)分别代表路径长度、光滑度和安全度，α、β、γ为系数。这里的目标是要使evalf取极小。 　　　 * 在evalu的设计中考虑了几个因素，如路径与障碍物的相交次数的反馈信息，每条线段与障碍物的平均相交次数等。其表达形式如下式所示。????????????????evalu=x+ξ其中，x代表整个路径与障碍物的相交次数，ξ代表每条线段与障碍物的平均相交次数，为了实现上的方便，在总的路径排序时，规定任何一条可行路径的适应值大于不可行路径的适应值。（4） δ的设计　　6元组中的δ表示进化机制中的操作算子。这是一个与领域问题密切相关的设计过程。我们根据问题的实际情况，在算法设计中，除了引进进化算法所必须的几种操作，如变异、选择等之外，还增加了旨在加强反馈信息的进化算子，如节点的移动、删除、增加、平滑等操作。各种操作算子具体描述如下： （a） 变异操作算子　　在路径上随机选一个节点（非起点和终点），将此节点的y坐标用随机产生的值代之，x坐标用原来的x坐标附近的一个随机值代之。 　　将种群中的个体按适应度的变化情况分成两类：连续三代适应度不增加的个体为一类，其他的个体归为另一类，对前一类取较大的变异概率，相反地对后一类取较小的变异概率。 * 　　（b） 删除操作算子 　　删除一个节点，要求产生的新线段与障碍物不相交。 　　（c） 切角操作算子 　　将夹角平滑化。路径上一个节点处夹角θ的大小反映了这个节点处的光滑性。 　　（d） 修理/插入操作算子　　使路径避开障碍物。如果两个相邻节点组成的线段与障碍物相交，则试增加两个新节点，要求此两个新节点组成的线段与障碍物不相交；若仍不可行，则增加一个不在障碍物内的新节点，这样逐步绕过障碍物。 　　（e） 交换操作算子 　　交换两个相邻节点的先后顺序。 　　（f） 选择操作算子　　为了使算法收敛，采用精英选择法。选择每代中一定数量的最优个体，使之直接进入下一代。这样可以防止优秀个体由于复制、或变异中的偶然因素而被破坏掉。 　　（g） U及Y的描述　　6元组中的U为待求的控制器--即X中的最优个体（最优路径），Y为环境的反馈信息。 　　　 * （h） 离线规划运行过程　　离线规划的目标是在先验环境地图的基础上产生一条从起始点到目标点的路径，其进化过程中的各种环境的反馈信息均是基于先验地图的虚拟过程，若环境信息完全未知，离线设计过程则直接返回从起始点到目标点的一条路径。否则按如下过程求解U。 在线运行过程与离线过程遵循相同的范式，即它的6元组中各要素的设计与离线形式完全相同，区别之处在于它接受的是实际的反馈信息，并且每次调节时，X的起始点均为当前机器人的实际位置值。 　　由于离线与在线运行的运行流程形式一致，因此可以很方便地统一在同一程序结构中。 　　　 * 小 结 　　 本章在评述了智能控制的发展过程并给出智能控制的定义之后，着重讨论了智能控制的结构理论与特点；另外重点讨论了智能控制系统的原理与构成，并分别介绍了分级递阶智能控制、专家控制、模糊控制、学习控制和神经网络控制等基本内容。 智能控制是一门形成不久的年轻学科，无论在理论上或应用上，还不够成熟、不够完善，有待于进一步研究和发展。 * 第七章 人工智能的争论与展望 对人工智能理论的争论 1、符号主义： 　　符号主义认为人的认知基元是符号，而且认知过程即符号操作过程。它认为人是一个物理符号系统，计算机也是一个物理符号系统，因此，我们就能够用计算机来模拟人的智能行为，即用计算机的符号操作来模拟人的认知过程。也就是说，人的思维是可操作的。它还认为，知识是信息的一种形式，是构成智能的基础。人工智能的核心问题是知识表示、知识推理和知识运用。知识可用符号表示，也可用符号进