“人工智能及其工程应用”讲座 第十一讲 人工智能在优化中的应用.pdfVIP

@AI庄，花化，嘲维普资讯

4一≮

“人工智能及其工程应用”讲座

第十一讲人工智能在优化中的应用

上海交通大学：登7-Pf牙

(7)时变模型的优化引人学习方法．根据

～、引言

以往的寻优经验，迅速得到时变的最优解。

在优化过程中．人们常常会遇到如下问题：①(8)最优控制系统的设计从控制理论可

有些优化问题难以用精确的数学模型描述；②对知，不同类型的目标函数、约束条件．对应不同类

于复杂的优化问题的求解，往往受到计算机的存型的最优控制系统的设计方法。将这些设计原理

贮容量、计算时间以及资金等经济因素的制约；③整理成规则。可以用来指导最优控制系统的设计。

有些优化问题要求在很短的时间内得到近似最优由此可见，目前在优化问题中所采用的人工

解；④传统的最优化方法未必能够有效地提供符智能的概念和方法．主要有：启发式技术、学习方

合精度要求的解；⑤有些最优化方法在解决某些法(特别是学习自动机)、模拟人的寻优过程。从

问题时比较呆板．诸如多峰值寻优、克服死循环人工智能与传统的定量优化方法的联系来看．存

等。为了解决上述问题，人们探讨采用人工智能、在着两种联系方式。一是在常规的运筹学算法应

启发式技术等来改进目前的最优化方法。用程序中附加一个知识库。程序运行时．这些知

5O年代，人们在最优化方法中设人了启发式识被主程序调用，从而提高问题求解的效率。这

技术，以解决运筹学中的组合优化问题。70年种方式是以定量优化方法为主．专家知识为辅。

代．Simon提出了“满意原则“．指出许多实际问另一种方式是在专家系统中建立各种优化模块．

题往往只需要满意解．而不是最优解进人80年为基于知识的优化决策系统所使用。这里．以专

代．人们陆续报道了他们将人工智能技术用于优家知识为主，定量的优化模块为辅。

化问题的研究成果。目前．尚缺乏得到普遍公认的智能优化方法。

为了解决如下的优化问题．人们目前主要采本文拟介绍三个引人人工智能的思想与技术的寻

用下述智能技术：优方法．使读者对人工智能在优化中的应用有一

(1)寻优初始点的选择根据有关模型的结个感性认识。

构、历次寻优所积累的知识，选择合适的寻优初始

二、基于知识的非线性规划

点。

逐步线性优化法

(2)寻优算法的选择根据模型的特点，选

择合适的寻优算法。该方法解决如下非线性规划问题：

(3)非序列动态规则采用启发式搜索技minX)

●术，求解非序列动态规则。IX∈R

(4)寻优路径的选择如当寻优进入死循环tR={XIAX：胁Ol

时，寻优算法采用专家的经验，跳出死区