《人工智能在交通控制中的应用.ppt》由会员分享，可在线阅读，更多相关《人工智能在交通控制中的应用.ppt（23页珍藏版）》请在三一文库上搜索。
1、徐乃云,人工智能在交通控制中的应用,史蒂文斯皮尔伯格执导电影（人工智能）,21世纪中期，机器人制造技术已经高度发达，先进的机器人不但拥有可以乱真的人类外表，还能感知自身的存在。莫妮卡的儿子马丁重病住院，生命危在旦夕，为了缓解伤痛的心情，她领养了机器人小孩大卫，大卫的生存使命就是爱她。马丁苏醒，恢复健康，回到了家里，一系列的事情使大卫“失宠”，最后被莫妮卡抛弃。在躲过机器屠宰场的残酷追杀后，大卫在机器情人乔的帮助下，开始寻找自己的生存价值：渴望变成真正的小孩，重新回到莫妮卡妈妈的身边。,内容概要 一、人工智能概述 二、人工智能发展 三、人工智能应用 四、人工智能在交通控制中的应用,一、人工智能概
2、述,人工智能(Artificial Intelligence)的定义一直没有一个统一的标准。 著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义“人工智能是关于知识的学科怎样表示知识以及怎样获得知识并使用知识的科学。” 美国麻省理工学院的温斯顿教授认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。” 诸如此类的定义基本都反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。,涉
3、及学科：计算机科学、信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。 研究范畴：自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计，软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法等。 应用领域：智能控制，专家系统，机器人学，语言和图像理解等。 实际应用：机器视觉:指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统,智能搜索，定理证明，博弈，自动程序设计，还有航天应用等。,由于人们对智能本质的不同理解,形成了人工智能多种不同的研究途径和学派,其中主要包括符号主义(
4、Symbolism)、联结主义(Connectionism)和行为主义(Behaviorism)。 符号主义认为智能产生于大脑抽象思维的过程中,以物理符号系统假设为基础,通过对具有物理模式的符号实体的建立、修改、复制和删除等操作生成其他符号结构,从而实现智能行为。 联结主义认为智能产生于大脑神经元之间的相互作用及信息往来的过程中,因此通过对大脑神经系统结构的模拟来建立人工神经元网络,从而实现相应的智能行为. 行为主义人工智能与上述传统人工智能的最大区别在于,它摒弃了内省的思维过程,而把智能的研究建立在可观测的具体的行为活动基础上.,人工智能的两种实现方法 人工智能在计算机上实现时有2种不同的方
5、式。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法（Engineering approach），它已在一些领域内作出了成果，如文字识别、电脑下棋等。另一种是模拟法（Modeling approach），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。遗传算法（Generic Algorithm, 简称GA）和人工神经网络（Artificial Neural Network,简称ANN）均属后一类型。,为了得到相同智能效果，两种方式通常都可使用。采用前一种方法，需要人工详细规定程序逻辑，如果游戏简单，
6、还是方便的。如果游戏复杂，角色数量和活动空间增加，相应的逻辑就会很复杂（按指数式增长），人工编程就非常繁琐，容易出错。而一旦出错，就必须修改原程序，重新编译、调试，最后为用户提供一个新的版本或提供一个新补丁, 非常麻烦。采用后一种方法时，编程者要为每一角色设计一个智能系统（一个模块）来进行控制，这个智能系统（模块）开始什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应付各种复杂情况。这种系统开始也常犯错误，但它能吸取教训，下一次运行时就可能改正，至少不会永远错下去，用不着发布新版本或打补丁。利用这种方法来实现人工智能，要求编程者具有生物学的思考方法，入门难度大一点。但一旦入了门，
7、就可得到广泛应用。由于这种方法编程时无须对角色的活动规律做详细规定，应用于复杂问题，通常会比前一种方法更省力。,强人工智能 强人工智能观点认为有可能制造出真正能推理和解决问题的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。 弱人工智能 弱人工智能观点认为不可能制造出能真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。主流科研集中在弱人工智能上。,人工智能极限的哲学问题 人工智能不具有人的思维的社会性。 人工智能不具有人的主观能动性。 人工智能不具有主观世界。,二、人工智能发展,人工智能的传说可以追溯到古埃及，但随着1941年
8、以来电子计算机的发展，技术已最终可以创造出机器智能，“人工智能”(Artificial Intelligence)一词最初是在1956年Dartmouth学会上提出的，从那以后,研究者们发展了众多理论和原理，人工智能的概念也随之扩展，在它还不长的历史中，人工智能的发展比预想的要慢，但一直在前进，从出现到现在，已经出现了许多AI程序，并且它们也影响到了其它技术的发展。80年代AI被引入了市场,并显示出实用价值。,目前，AI 技术在美国、欧洲和日本发展很快。在 AI技术领域十分活跃的 IBM 公司。已经制造了号称具有人脑的千分之一的智力能力的“ASCII White”电脑，而且正在开发的更为强大的
9、新超级电脑“蓝色牛仔(blue jean)”，据其研究主任保罗霍恩称，预计“蓝色牛仔”的智力水平将大致与人脑相当。由于人工智能有着广大的发展前景，巨大的发展市场被各国和各公司所看好。多家公司在人工智能的分支研究方面保持着一定的投入比例。 我国很长一段时间以来，机械和自动控制专家们都把研制具有人的行为特征的类人性机器人作为奋斗目标。在 1990 年成功研制出我国第一台两足步行机器人的基础上，经过科研 10 年攻关，于2000 年 11 月，又成功研制成我国第一台类人性机器人。,人工智能发展方向 信息检索：人工智能在网络信息检索中的应用，主要表现在：如何利用计算机软硬件系统模仿、延伸与扩展人类智能
10、的理论、方法和技术，包括机器感知、机器思维、机器行为，即知识获取、知识处理、知识利用的过程。由于网络知识信息既包括规律性的知识，如一般原理概念，也包括大量的经验知识，这些知识不可避免地带有模糊性、随机性、不可靠性等不确定性因素，对其进行推理，需要利用人工智能的研究成果。 专家系统：一个基于规则的专家系统能够在专家的指导下，随着经验的积累而利用自学习能力进行规则的扩充和修正，专家系统对历史记录的依赖性相对于统计方法较小。,人工智能在机器人：机器人足球系统是目前进行人工智能体系研究的热点，其即高科技和娱乐性于一体的特点吸引了国内外大批学者的兴趣。决策系统主要解决机器人足球比赛过程中机器人之间的协作
11、和机器人运动规划问题，在机器人足球系统设计中需要将人工智能中的决策树、神经网络、遗传学的等算法综合运用，随着人工智能理论的进一步发展，将使机器人足球有长足的发展。,三、人工智能应用,专家系统 专家系统是以知识为基础的智能推理系统,与通用问题求解系统不同,专家系统强调在某一专业领域中积累大量的知识,包括实现范例以及该领域专家们所具有的经验和规律。当然这些规律并不要求是很严谨,但它们是有启发性的。这些知识构成数据库,系统在知识库的基础上发展其专门领域的知识,使系统达到模拟专家的程度。简单说(知识库)+(推理机)=专家系统。 专家系统大致分为三个组成部分:知识库、推理机和人机界面,具体结构主要有知识
12、库、数据库、推理机、解释器、知识获取(学习系统)和人机界面组成,其中知识库和推理机是核心部分。专家系统通过提取知识库中的知识,由推理机进行一系列的推理,得出结论,指导工作。,专家系统具有以下特点(1)它所解决的问题是复杂而专门的问题,这些问题很难用精确的数学语言描述,也没有确定的算法去解决;(2)专家系统不同于传统的数据处理算法而是突出知识的价值,推广和应用专家知识;(3)它采用人工智能原理和技术,如符号表示、符号推理和启发搜索等。,人工智能控制 可用于控制的人工智能方法主要有3种：模糊控制、神经网络控制、专家系统控制。由于模糊控制是其中最为简单、最具实际意义的方法，因而它的应用实例最多。 人
13、工智能控制器的优势 不同的人工智能控制通常用完全不同的方法去讨论。但AI控制器例如：神经、模糊、模糊神经以及遗传算法都可看成一类非线性函数近似器。这样的分类就能得到较好的总体理解，也有利于控制策略的统一开发。这些AI函数近似器比常规的函数估计器具有更多的优势，这些优势如下： （1）它们的设计不需要控制对象的模型（在许多场合，很难得到实际控制对象的精确动态方程，实际控制对象的模型在控制器设计时往往有很多不确实性因素，例如：参数变化，非线性时，往往不知道）。,（2）通过适当调整（根据响应时间、下降时间、鲁棒性能等）它们能提高性能。例如：模糊逻辑控制器的上升时间比最优PID控制器快1.5倍，下降时间
14、快3.5倍，过冲更小。 （3）它们比古典控制器的调节容易。 （4）在没有必须专家知识时，通过响应数据也能设计它们。 （5）运用语言和响应信息可能设计它们。 （6）它们有相当好的一致性（当使用一些新的未知输入数据就能得到好的估计），与驱动器的特性无关。现在没有使用人工智能的控制算法对特定对象控制效果十分好，但对其他控制对象效果就不会一致性地好，因此对具体对象必须具体设计。 （7）它们对新数据或新信息具有很好的适应性。 （8）它们能解决常规方法不能解决的问题。 （9）它们具有很好的抗噪声干扰能力。 （10）它们的实现十分便宜，特别是使用最小配置时。 （11）它们很容易扩展和修改,四、人工智能在交通
15、控制中的应用,人工智能方法在信号处理中的应用 交通控制中，模糊控制一向被广泛研究；而在模糊理论的应用中，最为要的步骤之一就是建立模糊集的隶属度函数，如何客观而准确地选取隶属函数也一直是一个重要的话题。在这个问题上，人工智能扮演了重要的角色，为隶属函数的求解问题提供了许多非传统的途径。,1、神经网络 利用 BP神经网络推断隶属函数 前馈式神经网络，即BP神经网络是目前应用比较广泛的一种 神经网络模型，它可以通过梯度下降法令误差反向传播，通 过多层修正使误差趋向最小，也就是使隶属函数趋向于最精 确值。将前馈式神经网络与模糊逻辑结合起来形成神经模糊 推理系统是一个多层系统，每一层都有各自不同的功能。
16、 多目标优化模型的模糊解法 多目标模糊求解首先要按照惯常步骤求出各子目标的约束最 优解，利用这些最优解将这些子目标函数模糊化之后，最后 所求出的使交集的隶属函数取最大值的解便是该模型的模糊 最优解。,2、小波分析理论 运用小波分析优化模糊推理规则 构建隶属函数时最大的问题就在于无法系统性地去寻找一个精确的隶属函数。通过将小波基函数与模糊集隶属函数相结合，即可建立小波隶属函数，这种函数有助于弥补以上缺点，然而仍无法去除根据固有的推理规则进行推理所带来的问题。遗传算法是一种全局优化搜索算法，利用它将小波函数进行优化，可以改进该函数缺乏自学习功能的弊病，完善对小波隶属函数的优化，使隶属函数的寻找能够进一步精确化。,3、遗传算法 遗传算法具有良好的全局寻优能力根据遗传算法的原理，要运用此算法进行优化，首先要将问题的某些部分与基因片段相对应，按照遗传规则进行选择、交叉、变异 后，选取其中优秀的个体保留下来组成下一代的族群，从而完成优化。运用遗传算法对模糊系统的隶属函数进行优化主要是调整参数，如位置、形状等。进行优化后，往往能够达到使整个系统稳定精度提高、更加逼近隶属度的全局最优解的效果。,