智能算法及建模智能算法概述什么是智能算法？智能計(jì)算也有人稱之為“軟計(jì)算”,是人們受自然(生物界)規(guī)律的啟迪,根據(jù)其原理,模仿求解問題的算法。利用仿生原理進(jìn)行設(shè)計(jì)(包括設(shè)計(jì)算法),這就是智能計(jì)算的思想！智能算法概述智能算法一般用來解決最優(yōu)化問題。最優(yōu)化問題主要包括：求解一個(gè)函數(shù)中，使得函數(shù)值最小的自變量取值的函數(shù)優(yōu)化問題；在一個(gè)解空間里面，尋找最優(yōu)解，使目標(biāo)函數(shù)值最小的組合優(yōu)化問題典型的優(yōu)化問題：

旅行商問題（TravelingSalesmanProblem，TSP）

加工調(diào)度問題（SchedulingProblem）

背包問題（KnapsackProblem）

裝箱問題（BinPackingProblem）等智能算法概述神經(jīng)網(wǎng)絡(luò)算法“人工神經(jīng)網(wǎng)絡(luò)”(ARTIFICIALNEURALNETWORK，簡(jiǎn)稱ANN)是在對(duì)人腦組織結(jié)構(gòu)和

運(yùn)行機(jī)制的認(rèn)識(shí)理解基礎(chǔ)之上模

擬其結(jié)構(gòu)和智能行為的一種工程

系統(tǒng)。它的神經(jīng)元結(jié)構(gòu)，它的構(gòu)成與作

用方式都是在模仿人腦，但是也

僅僅是粗糙的模仿，遠(yuǎn)沒有達(dá)到

完美的地步。和馮·諾依曼機(jī)不同，神經(jīng)網(wǎng)絡(luò)計(jì)算非數(shù)字，

非精確，高度并行，并且有自學(xué)習(xí)功能。神經(jīng)網(wǎng)絡(luò)算法人工神經(jīng)網(wǎng)絡(luò)是由大量的神經(jīng)元廣泛互連而成的系統(tǒng)，它的這一結(jié)構(gòu)特點(diǎn)決定著人工神經(jīng)網(wǎng)絡(luò)具有高速信息處理的能力。人工神經(jīng)網(wǎng)絡(luò)的知識(shí)存儲(chǔ)容量很大。由于人工神經(jīng)網(wǎng)絡(luò)中神經(jīng)元個(gè)數(shù)眾多以及整個(gè)網(wǎng)絡(luò)存儲(chǔ)信息容量的巨大，

使得它具有很強(qiáng)的不確定性信息處理

能力。正是因?yàn)槿斯ど窠?jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)和其信息存儲(chǔ)的分布式特點(diǎn)，使得它相對(duì)于其它的判斷識(shí)別系統(tǒng)，如：專家系統(tǒng)等，具有另一個(gè)顯著的優(yōu)點(diǎn)：健壯性。人工神經(jīng)網(wǎng)絡(luò)是一種非線性的處理單元。神經(jīng)網(wǎng)絡(luò)算法特點(diǎn)：神經(jīng)網(wǎng)絡(luò)算法分類：遺傳算法遺傳算法（GeneticAlgorithms）是基于生物進(jìn)化理論的原理發(fā)展起來的一種廣為應(yīng)用的、高效的隨機(jī)搜索與優(yōu)化的方法。其主要特點(diǎn)是群體搜索策略和群體中個(gè)體之間的信息交換，搜索不依賴于梯度信息。近幾年來，遺傳算法主要在復(fù)雜優(yōu)化問題求解和工業(yè)工程領(lǐng)域應(yīng)用方面，取得了一些令人信服的結(jié)果，所以引起了很多人的關(guān)注。遺傳算法遺傳算法遺傳算法遺傳算法禁忌搜索算法禁忌搜索（TabuSearch或TabooSearch，簡(jiǎn)稱TS）的思想最早由Glover(1986)提出，它是對(duì)局部領(lǐng)域搜索的一種擴(kuò)展，是一種全局逐步尋優(yōu)算法，是對(duì)人類智力過程的一種模擬。TS算法通過引入一個(gè)靈活的存儲(chǔ)結(jié)構(gòu)和相應(yīng)的禁忌準(zhǔn)則來避免迂回搜索，并通過藐視準(zhǔn)則來赦免一些被禁忌的優(yōu)良狀態(tài)，進(jìn)而保證多樣化的有效探索以最終實(shí)現(xiàn)全局優(yōu)化。迄今為止，TS算法在組合優(yōu)化、生產(chǎn)調(diào)度、機(jī)器學(xué)習(xí)、電路設(shè)計(jì)和神經(jīng)網(wǎng)絡(luò)等領(lǐng)域取得了很大的成功，近年來又在函數(shù)全局優(yōu)化方面得到較多的研究，并大有發(fā)展的趨勢(shì)。禁忌搜索算法基本思想：考慮最優(yōu)化問題，對(duì)于X中每一個(gè)解x，定義一個(gè)鄰域N(x)，禁忌搜索算法首先確定一個(gè)初始可行解x然后從鄰域移動(dòng)中挑選一個(gè)能改進(jìn)當(dāng)前解x的移動(dòng)，s(x)，再?gòu)男陆鈞’開始，重復(fù)搜索如果鄰域移動(dòng)中只接受比當(dāng)前解x好的解，搜索就可能陷入循環(huán)的危險(xiǎn)禁忌表中存放剛剛進(jìn)行過的(稱為禁忌表長(zhǎng)度)個(gè)鄰域移動(dòng)，在以后的T次循環(huán)內(nèi)是禁止的，以避免回到原先的解，T次以后釋放該移動(dòng)當(dāng)?shù)鷥?nèi)所發(fā)現(xiàn)的最好解無法改進(jìn)或無法離開它時(shí)，則算法停止禁忌搜索算法禁忌搜索算法模擬退火算法模擬退火算法（SimulateAnnealArithmetic，SAA）是一種通用概率演算法，用來在一個(gè)大的搜尋空間內(nèi)找尋命題的最優(yōu)解。神經(jīng)網(wǎng)絡(luò)算法模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時(shí)，固體內(nèi)部粒子隨溫升變?yōu)闊o序狀，內(nèi)能增大，而徐徐冷卻時(shí)粒子漸趨有序，在每個(gè)溫度都達(dá)到平衡態(tài)，最后在常溫時(shí)達(dá)到基態(tài)，內(nèi)能減為最小。模擬退火的原理也和金屬退火的原理近似：將熱力學(xué)的理論套用到統(tǒng)計(jì)學(xué)上，將搜尋空間內(nèi)每一點(diǎn)想像成空氣內(nèi)的分子；分子的能量，就是它本身的動(dòng)能；而搜尋空間內(nèi)的每一點(diǎn)，也像空氣分子一樣帶有“能量”，以表示該點(diǎn)對(duì)命題的合適程度。演算法先以搜尋空間內(nèi)一個(gè)任意點(diǎn)作起始：每一步先選擇一個(gè)“鄰居”，然后再計(jì)算從現(xiàn)有位置到達(dá)“鄰居”的概率。模擬退火算法是解決TSP問題（旅行商問題）的有效方法之一。神經(jīng)網(wǎng)絡(luò)算法神經(jīng)網(wǎng)絡(luò)算法智能算法的建模與應(yīng)用除了以上介紹的以外，智能算法還有模糊算法，群集智能算法等。由于我們實(shí)驗(yàn)室對(duì)以上的智能算法涉及不多，所以下面結(jié)合我們實(shí)驗(yàn)室的研究方向，給出兩個(gè)實(shí)例。模糊控制在科氏質(zhì)量流量計(jì)中的應(yīng)用基于磁場(chǎng)重構(gòu)的腦磁源參數(shù)反解方法研究智能算法的建模與應(yīng)用模糊控制在科氏質(zhì)量流量計(jì)中的應(yīng)用Ⅰ.研究背景:科氏流量計(jì)原理一次儀表：二次儀表：機(jī)械、振動(dòng)系統(tǒng)測(cè)量、控制系統(tǒng)科氏流量計(jì)工作原理

質(zhì)量流量與上下游相位差成正比！質(zhì)量流量測(cè)量精度±0.1%×流量±零點(diǎn)漂移（液體）±0.35%×流量±零點(diǎn)漂移（液體）密度測(cè)量精度±0.0005克/立方厘米測(cè)量性能：1.很多研究表明，振幅穩(wěn)定是科氏流量計(jì)精確計(jì)量的基礎(chǔ)；3.當(dāng)測(cè)量管內(nèi)流體狀況變化時(shí)，需相應(yīng)調(diào)整驅(qū)動(dòng)增益值，以更快地穩(wěn)定測(cè)量管的振幅?，F(xiàn)在普遍采用PID算法調(diào)節(jié)驅(qū)動(dòng)增益；2.現(xiàn)在普遍采用正反饋驅(qū)動(dòng)電路，即檢測(cè)電磁鐵信號(hào)乘以一個(gè)驅(qū)動(dòng)增益后，輸入到驅(qū)動(dòng)電磁鐵中；4.要實(shí)現(xiàn)最優(yōu)的控制效果，就需要根據(jù)當(dāng)前工況，試湊出一套較優(yōu)化的P、I、D參數(shù)；Ⅰ.研究背景:模糊PID調(diào)節(jié)振幅的背景5.但是，現(xiàn)在實(shí)際的科氏流量計(jì)中所采用的PID算法，其P、I、D的各個(gè)參數(shù)，都是固定在二次儀表中的。無法根據(jù)工況的變化，在線整定控制參數(shù)；6.現(xiàn)在的固定參數(shù)的PID，面對(duì)變化的工況，會(huì)存在起振時(shí)間長(zhǎng)、超調(diào)大、起振后不夠穩(wěn)定等問題；Ⅱ.模糊控制介紹:總體方案隸屬度函數(shù)：精確值與模糊值之間的規(guī)則假設(shè)：精確值區(qū)間（-2~0）對(duì)應(yīng)的模糊階段為“差”精確值區(qū)間（-1~1）對(duì)應(yīng)的模糊階段為“中”精確值區(qū)間（0~2）對(duì)應(yīng)的模糊階段為“好”精確值：-2、-1、0、1、2等精確的數(shù)值模糊值：“差”、“中”、“好”三個(gè)模糊的階段Ⅱ.模糊控制介紹:模糊化的過程假設(shè)：輸入的精確值為-0.2，那么，該精確值經(jīng)過模糊化以后得到的結(jié)果是什么呢？模糊化的過程：精確值向模糊值的轉(zhuǎn)變

從上圖可以看出，輸入的精確值-0.2經(jīng)過模糊化以后，“差”這個(gè)階段的隸屬度為25%，“中”這個(gè)階段的隸屬度為75%Ⅱ.模糊控制介紹:模糊化的過程模糊推理規(guī)則：規(guī)則一：If“服務(wù)差”，then“小費(fèi)少”規(guī)則二：If“服務(wù)中”，then“小費(fèi)中”規(guī)則三：If“服務(wù)好”，then“小費(fèi)多”

根據(jù)“規(guī)則一”做出的推斷：

根據(jù)“規(guī)則二”做出的推斷：Ⅱ.模糊控制介紹:模糊推理的過程根據(jù)“重心法”解模糊化，得出小費(fèi)應(yīng)該給7.6元的結(jié)論。合并圖形Ⅱ.模糊控制介紹:解模糊的過程增量式PIDⅢ.模糊控制在科氏流量計(jì)中的應(yīng)用輸入輸出E當(dāng)前幅值與設(shè)定幅值之間的差值ΔKp用以調(diào)節(jié)比例控制參數(shù)KpECE的變化率，對(duì)時(shí)間求導(dǎo)ΔKi用以調(diào)節(jié)積分控制參數(shù)KiΔKd用以調(diào)節(jié)微分控制參數(shù)Kd模糊規(guī)則的制定：誤差變化情況結(jié)合PID各個(gè)參數(shù)的控制效果制定模糊規(guī)則1.E*EC>0時(shí)，誤差正變大，如果此時(shí)E很大，則應(yīng)調(diào)大Kp，提高動(dòng)態(tài)特性，調(diào)小Ki，提高穩(wěn)定性；如果此時(shí)E很小，則應(yīng)調(diào)大Ki，調(diào)小Kp，以提高穩(wěn)定性，防止出現(xiàn)超調(diào)2.E*EC<0時(shí)，誤差正變小，如果此時(shí)E很大，則Kp應(yīng)調(diào)中，Ki應(yīng)調(diào)小，維持動(dòng)態(tài)特性現(xiàn)狀的同時(shí)，提高穩(wěn)定性；如果此時(shí)E