智能系統(tǒng)劉河課后參考答案

習題一智能系統(tǒng)已經(jīng)融入人類的各種生活學習工作中。比如我們經(jīng)常提說的無人駕駛。試想一下，早上你起床需要出門的時候，告訴你的家里智能機器人：“我需要出發(fā)了，請車子樓下等候?！边@時，智能機器人就幫你預約無人駕駛的自動汽車，在你走到樓下的時候，車子已經(jīng)等候著你了。你上車后，告訴車子你要去的地方，然后車子就自動出發(fā)了。到目的地后，你什么都不用操作，車子自動進行離開停車。人類的出行問題就這樣簡單智能化了。不用專門去購買一輛私家車，不用去操心保養(yǎng)保險問題，不用去考慮擁堵駕駛技術(shù)問題，更不用去考慮停車難問題。如果人工智能始于20世紀50年代，至今大致分為三個發(fā)展階段：第一階段（20世紀50年代——80年代）。這一階段人工智能剛誕生，基于抽象數(shù)學推理的可編程數(shù)字計算機已經(jīng)出現(xiàn)，符號主義（Symbolism）快速發(fā)展，但由于很多事物不能形式化表達，建立的模型存在一定的局限性。此外，隨著計算任務的復雜性不斷加大，人工智能發(fā)展一度遇到瓶頸；第二階段（20世紀80年代——90年代末）。在這一階段，專家系統(tǒng)得到快速發(fā)展，數(shù)學模型有重大突破，但由于專家系統(tǒng)在知識獲取、推理能力等方面的計算能力的提升，人工智能在很多應用領(lǐng)域取得了突破性進展，迎來了又一個繁榮時期。人工智能具體的發(fā)展歷程如圖1所示。長期以來，制造具有智能的機器一直是人類的重大夢想。早在1950年，AlanTuring在《計算機器與智能》中就闡述了對人工智能的思考。他提出的圖靈測試是機器智能的重要測量手段，后來還衍生出了視覺圖靈測試等測量方法。1956年，“人工智能”這個詞首次出現(xiàn)在達特茅斯會議上，標志著其作為一個研究領(lǐng)域的正式誕生。六十年來，人工智能發(fā)展潮起潮落的同時，基本思想可大致劃分為四個流派：符號主義（Symbolism）、連接主義（Connectionism）、行為主義（Behaviourism）和統(tǒng)計主義（Statisticsism）。這四個流派從不同側(cè)面抓住了智能的部分特征，在“制造”人工智能方面都取得了里程碑式的成就[3-10]。目前，世界各國都開始重視人工智能的發(fā)展。2017年6月29日，首屆世界智能大會在天津召開。中國工程院院士潘云鶴在大會主論壇作了題為“中國新一代人工智能”的主題演講，報告中概括了世界各國在人工智能研究方面的戰(zhàn)略：2016年5月，美國白宮發(fā)表了《為人工智能的未來做好準備》；英國2016年12月發(fā)布《人工智能：未來決策制定的機遇和影響》；法國在2017年4月制定了《國家人工智能戰(zhàn)略》；德國在2017年5月頒布全國第一部自動駕駛的法律；在中國，據(jù)不完全統(tǒng)計，2017年運營的人工智能公司接近400家，行業(yè)巨頭百度、騰訊、阿里巴巴等都不斷在人工智能領(lǐng)域發(fā)力。從數(shù)量、投資等角度來看，自然語言處理、機器人、計算機視覺成為了人工智能最為熱門的三個產(chǎn)業(yè)方向。智能化指的是由現(xiàn)代通信與信息技術(shù)、計算機網(wǎng)絡技術(shù)、行業(yè)技術(shù)、智能控制技術(shù)匯集而成的針對某一個方面的應用的智能集合，隨著信息技術(shù)的不斷發(fā)展，其技術(shù)含量及復雜程度也越來越高，智能化的概念開始逐漸滲透到各行各業(yè)以及我們生活中的方方面面，相繼出現(xiàn)了智能住宅小區(qū)，智能醫(yī)院等。 智能系統(tǒng)必將快速地融入人類的各種生活學習工作中。比如我們經(jīng)常提說的無人駕駛。試想一下，早上你起床需要出門的時候，告訴你的家里智能機器人：“我需要出發(fā)了，請車子樓下等候?！边@時，智能機器人就幫你預約無人駕駛的自動汽車，在你走到樓下的時候，車子已經(jīng)等候著你了。你上車后，告訴車子你要去的地方，然后車子就自動出發(fā)了。到目的地后，你什么都不用操作，車子自動進行離開停車。人類的出行問題就這樣簡單智能化了。不用專門去購買一輛私家車，不用去操心保養(yǎng)保險問題，不用去考慮擁堵駕駛技術(shù)問題，更不用去考慮停車難問題。智能產(chǎn)業(yè)的發(fā)展。主要包括芯片、軟件系統(tǒng)、大數(shù)據(jù)分析、通信技術(shù)、云技術(shù)等產(chǎn)業(yè)技術(shù)的發(fā)展。芯片產(chǎn)業(yè)，CPU芯片、存儲芯片、圖像處理芯片GPU。軟件產(chǎn)業(yè)，行業(yè)的軟件需要對行業(yè)的需求、行業(yè)的業(yè)務流程、流程中的問題解決方案分析設計。大數(shù)據(jù)產(chǎn)業(yè)，所有的智能處理，是建立在已有方案與未知問題的分析基礎(chǔ)上，數(shù)據(jù)越多越詳細，越有助于信息的分析，象人臉識別、人臉畫像，特征分析。通信技術(shù)產(chǎn)業(yè)，數(shù)據(jù)的傳播形式，無線、大流量、低延遲。云技術(shù)，數(shù)據(jù)的云計算、云存儲。信息計算的發(fā)展，智能技術(shù)對普通的消費者，就如空氣般的存在，人甚至感覺不到它的存在，它確無所不在，無時不需。 智能系統(tǒng)的發(fā)展，一方面促進了產(chǎn)業(yè)的發(fā)展壯大，一方面又對某些產(chǎn)業(yè)進行了淘汰。就像智能手機的出現(xiàn)，淘汰掉了之前廣泛應用的卡片相機、隨身播放器，甚至與手機毫不相干的紙質(zhì)報紙。 智能系統(tǒng)對工業(yè)、農(nóng)業(yè)、金融、醫(yī)療、無人駕駛、安全、智能教育、智能家居等行業(yè)也正在產(chǎn)生深遠的影響。第2章傳感器是一種物理檢測裝置，能夠感知被測物的信息和狀態(tài)，可以將自然界中的各種物理量、化學量、生物量轉(zhuǎn)化為可測量的電信號的裝置與元件。傳感器是信息采集的首要部件，相似于人類的感官?；谌斯ぶ悄芾碚?，利用微處理器實現(xiàn)智能處理功能的傳感器智能傳感器的主要智能處理功能（1）自補償功能。根據(jù)給定的傳統(tǒng)傳感器和環(huán)境條件的先驗知識，處理器利用數(shù)字計算方法自動補償傳統(tǒng)傳感器硬件線性、非線性和漂移以及環(huán)境影響因素引起的信號失真，以最佳地恢復被測信號。（2）自計算和處理功能。根據(jù)給定的間接測量和組合測量數(shù)學模型，智能處理器利用補償?shù)臄?shù)據(jù)可計算出不能直接測量的物理量數(shù)值。利用給定的統(tǒng)計模型可計算被測對象總體的統(tǒng)計特性和參數(shù)。利用已知的電子數(shù)據(jù)表，處理器可重新標定傳感器特性。（3）自學習與自適應功能。傳感器通過對被測量樣本值學習，處理器利用近似公式和迭代算法可認知新的被測量值，即有再學習能力。同時，通過對被測量和影響量的學習，處理器利用判斷準則自適應地重構(gòu)結(jié)構(gòu)和重置參數(shù)。（4）自診斷功能。對于軟、硬故障，處理器利用補償后的狀態(tài)數(shù)據(jù)，通過電子故障字典或有關(guān)算法可預測、檢測和定位故障。（5）其它的常用功能包括用于數(shù)據(jù)交換通信接口功能,數(shù)字和模擬輸出功能及使用備用電源的斷電保護功能等。感知智能？答：感知智能是指將物理世界的信號通過攝像頭、麥克風或者其他傳感器的硬件設備，借助自然語言識別、\o"語音識別"語音識別、\o"圖像識別"圖像識別等\o"前沿技術(shù)"智能技術(shù)，映射到數(shù)字世界，再將這些數(shù)字信息進一步提升至可認知的層次，如人類那樣\o"記憶"記憶、理解、\o"規(guī)劃"規(guī)劃、\o"決策"決策等等。答：數(shù)據(jù)融合是通過綜合不同時間與空間的多傳感器觀察量，利用其互補、冗余性克服單個傳感器的不確定性和局限性，以形成對被測對象的相對完整一致的解釋與描述，提高測量的精度和可靠性，從而提高智能系統(tǒng)識別、判斷、決策、規(guī)劃和反應的快速性和準確性。（1）數(shù)據(jù)級融合：也稱像素級融合，是對傳感器的直接觀測數(shù)據(jù)的融合，然后從融合的數(shù)據(jù)中提取特征矢量并進行判斷識別。（2）特征級融合：特征級融合屬于中間層次，先從每種傳感器提供的原始觀測數(shù)據(jù)中提取有代表性的特征，這些特征融合成單一的特征矢量，然后運用模式識別的方法進行處理作為進一步?jīng)Q策的依據(jù)。（3）決策級融合：決策級融合屬于高層次的融合，首先每個傳感器執(zhí)行一個對目標的識別決策，然后將來自每個傳感器的識別結(jié)果進行融合，按照一定的準則作出最優(yōu)決策。（4）監(jiān)視動態(tài)融合。通過動態(tài)監(jiān)視融合處理過程，優(yōu)化資源和傳感器管理，實時反饋融合結(jié)果信息，以使融合處理過程具有自適應性，從而達到最佳融合效果。答：1.統(tǒng)計方法；2.信息論方法；3.認知模型方法。就是由部署在監(jiān)測區(qū)域內(nèi)大量的廉價微型傳感器節(jié)點組成，通過無線通信方式形成的一個多跳的自組織網(wǎng)絡系統(tǒng)，其目的是協(xié)作地感知、采集和處理網(wǎng)絡覆蓋區(qū)域中被感知對象的信息，并發(fā)送給觀察者。視覺傳感器主要有哪些用于圖像采集的常見視覺傳感器包括紅外熱像儀、可見光攝像機、TOF（Timeofflight）深度攝像機以及近紅外攝像機幾類。盲人防溢出水杯利用了哪種智能感知技術(shù)，簡述其原理答：盲人防溢出水杯利用了觸覺感知技術(shù)，水杯中帶有漂浮杠桿，可以提示水位，當杯內(nèi)水位到達一定程度時，杠桿的杯外部分會觸及到握住把手的大拇指，從而讓人獲知“現(xiàn)在杯內(nèi)的水已經(jīng)足夠了”。第2章實驗代碼1、主程序importnumpyasnpimportmatplotlib.pyplotaspltdefrun():"""1、輸入節(jié)點個數(shù)N2、node_factory(N):生成N個節(jié)點的列表3、classify(nodes,flag,k=10):進行k輪簇分類，flag已標記的節(jié)點不再成為簇頭，返回所有簇的列表4、show_plt(classes):迭代每次聚類結(jié)果，顯示連線圖:return:"""N=100#N=int(input("請輸入節(jié)點個數(shù):"))#獲取初始節(jié)點列表，選擇標志列表nodes,flag=node_factory(N)#對節(jié)點列表進行簇分類，k為迭代輪數(shù)iter_classes=claasify(nodes,flag,k=10)forclassesiniter_classes:#顯示分類結(jié)果show_plt(classes)2、判斷距離函數(shù)#判斷距離函數(shù)defdist(v_A,v_B):"""判斷兩個節(jié)點之間的一維距離:paramv_A:A二維向量:paramv_B:B二維向量:return:一維距離"""returnnp.sqrt(np.power((v_A[0]-v_B[0]),2)+np.power((v_A[1]-v_B[1]),2))3、生成隨機節(jié)點集defnode_factory(N):"""生成N個節(jié)點的集合:paramN:節(jié)點的數(shù)目:paramnodes:節(jié)點的集合:paramselected_flag:標志:是否被選擇為簇首-->初始化為0:return:節(jié)點集合nodes=[[x,y],[x,y]...]+標志falg"""nodes=[]selected_flag=[]foriinrange(0,N):#在1*1矩陣生成[x,y]坐標node=[np.random.random(),np.random.random()]#print("生成的節(jié)點為:",node)nodes.append(node)#對應的選擇標志初始化為0selected_flag.append(0)#print("生成:",len(nodes),"個節(jié)點")#print("初始化標志列表為",selected_flag)returnnodes,selected_flag4、根據(jù)LEACH算法選擇簇頭節(jié)點defsel_heads(r,nodes,flags):"""根據(jù)閾值選取簇頭節(jié)點:paramr:輪數(shù):paramnodes:節(jié)點列表:paramflags:選擇標志:paramP:比例因子:return:簇頭列表heads,簇成員列表members"""#閾值函數(shù)Tn使用leach計算P=0.05*(100/len(nodes))Tn=P/(1-P*(r%(1/P)))#print("閾值為:",Tn)#簇頭列表heads=[]#簇成員列表members=[]#本輪簇頭數(shù)n_head=0#對每個節(jié)點生成對應的隨機數(shù)rands=[np.random.random()for_inrange(len(nodes))]#print("隨機數(shù)為:",rands)#遍歷隨機數(shù)列表，選取簇頭foriinrange(len(nodes)):#若此節(jié)點未被選擇為簇頭ifflags[i]==0:#隨機數(shù)低于閾值-->選為簇頭ifrands[i]<=Tn:flags[i]=1heads.append(nodes[i])n_head+=1#print(nodes[i],"被選為第",n_head,"個簇頭")#隨機數(shù)高于閾值else:members.append(nodes[i])#若此節(jié)點已經(jīng)被選擇過else:members.append(nodes[i])print("簇頭為:",len(heads),"個")print("簇成員為:",len(members),"個")returnheads,members5、節(jié)點分簇算法defclaasify(nodes,flag,k=1):"""進行簇分類:paramnodes:節(jié)點列表:paramflag:節(jié)點標記:paramk:輪數(shù):return:簇分類結(jié)果列表classes[[類1..],[類2...],......][類1...簇頭...簇成員]"""#k輪的集合iter_classes=[]#迭代r輪forrinrange(k):#獲取簇頭列表，簇成員列表heads,members=sel_heads(r,nodes,flag)#建立簇類的列表classes=[[]for_inrange(len(heads))]#將簇頭作為頭節(jié)點添加到聚類列表中foriinrange(len(heads)):#print("第",i+1,"個簇頭為",heads[i])classes[i].append(heads[i])#print("簇頭集合:",classes)#簇分類:遍歷節(jié)點nodeforninrange(len(members)):#選取距離最小的節(jié)點dist_min=1foriinrange(len(heads)):dist_heads=dist(members[n],heads[i])#找到距離最小的簇頭對應的heads下標iifdist_heads<dist_min:dist_min=dist_headshead_cla=i#添加到距離最小的簇頭對應的聚類列表中classes[head_cla].append(members[n])#將簇頭作為頭節(jié)點添加到聚類列表中iter_classes.append(classes)#0個簇頭的情況ifdist_min==1:print("本輪沒有簇頭!")breakreturniter_classes6、繪制分類圖defshow_plt(classes):"""顯示分類圖:paramclasses:[[類1...],[類2...]....]-->[簇頭,成員,成員...]:return:"""fig=plt.figure()ax1=plt.gca()#設置標題ax1.set_title('WSN1')#設置X軸標簽plt.xlabel('X')#設置Y軸標簽plt.ylabel('Y')icon=['o','*','.','x','+','s']color=['r','b','g','c','y','m']#對每個簇分類列表進行showforiinrange(len(classes)):centor=classes[i][0]forpointinclasses[i]:ax1.plot([centor[0],point[0]],[centor[1],point[1]],c=color[i%6],marker=icon[i%5],alpha=0.4)#顯示所畫的圖plt.show()第3章習題參考答案 免疫算法的基本步驟如下：(1).初始化：隨機生成一定數(shù)量的抗體個體作為初始種群。(2).評估抗體親和度：對每個抗體個體進行親和度評估，將問題的目標函數(shù)映射為抗體的親和度。(3).選擇操作：根據(jù)抗體親和度大小，以一定的概率選擇優(yōu)秀抗體個體，用于產(chǎn)生新的抗體個體。(4).克隆操作：對被選擇的抗體個體進行克隆操作，即產(chǎn)生一定數(shù)目的抗體副本，用于增大種群規(guī)模。(5).變異操作：對克隆出的抗體個體進行隨機變異操作，即隨機改變某些基因的值或結(jié)構(gòu)。(6).評估抗體親和度：對變異后的抗體個體進行親和度評估。(7).更新種群：根據(jù)抗體親和度，保留優(yōu)良抗體個體，淘汰不好的個體。(8).判斷停止條件：重復上述操作，直到達到預設的停止條件，如迭代次數(shù)、達到目標函數(shù)閾值等。(9).輸出最優(yōu)解：選擇種群中最優(yōu)秀的抗體個體作為問題的解決方案，并輸出結(jié)果。第3章實驗核心代碼用遺傳算法求解函數(shù)的最大值：y=10*sin(5x)+7*cos(4x)步驟如下：初始化種群，我們采用十位二進制進行編碼代表x的值，產(chǎn)生n個個體，代碼如下：importrandomdefgeneEncoding(pop_size,chrom_length):pop=[[]]foriinrange(pop_size):temp=[]forjinrange(chrom_length):temp.append(random.randint(0,1))pop.append(temp)returnpop[1:]對染色體解碼，也就是二進制轉(zhuǎn)化為十進制，并計算適應度，在這個問題中也就是函數(shù)值的大小，代碼如下：importmathdefdecodechrom(pop,chrom_length):temp=[]foriinrange(len(pop)):t=0forjinrange(chrom_length):t+=pop[i][j]*(math.pow(2,j))temp.append(t)returntempdefcalobjValue(pop,chrom_length,max_value):temp1=[]obj_value=[]temp1=decodechrom(pop,chrom_length)foriinrange(len(temp1)):x=temp1[i]*max_value/(math.pow(2,chrom_length)-1)obj_value.append(10*math.sin(5*x)+7*math.cos(4*x))returnobj_value對于值為負數(shù)的個體進行淘汰，代碼如下：defcalfitValue(obj_value):fit_value=[]c_min=0foriinrange(len(obj_value)):if(obj_value[i]+c_min>0):temp=c_min+obj_value[i]else:temp=0.0fit_value.append(temp)returnfit_value找出當前種群的最優(yōu)解，也就是最大值，保存在list中，代碼如下：defbest(pop,fit_value):px=len(pop)best_individual=[]best_fit=fit_value[0]foriinrange(1,px):if(fit_value[i]>best_fit):best_fit=fit_value[i]best_individual=pop[i]return[best_individual,best_fit]計算每個個體被選中的概率，這里就是用個體的函數(shù)朱除以總?cè)喝w值得到，然后利用輪盤法進行選擇，代碼如下：importrandomdefsum(fit_value):total=0foriinrange(len(fit_value)):total+=fit_value[i]returntotaldefcumsum(fit_value):foriinrange(len(fit_value)-2,-1,-1):t=0j=0while(j<=i):t+=fit_value[j]j+=1fit_value[i]=tfit_value[len(fit_value)-1]=1defselection(pop,fit_value):newfit_value=[]total_fit=sum(fit_value)foriinrange(len(fit_value)):newfit_value.append(fit_value[i]/total_fit)cumsum(newfit_value)ms=[]pop_len=len(pop)foriinrange(pop_len):ms.append(random.random())ms.sort()fitin=0newin=0newpop=pop#轉(zhuǎn)輪盤選擇法whilenewin<pop_len:if(ms[newin]<newfit_value[fitin]):newpop[newin]=pop[fitin]newin=newin+1else:fitin=fitin+1pop=newpop進行交叉和變異操作，代碼如下：importrandomdefcrossover(pop,pc):pop_len=len(pop)foriinrange(pop_len-1):if(random.random()<pc):cpoint=random.randint(0,len(pop[0]))temp1=[]temp2=[]temp1.extend(pop[i][0:cpoint])temp1.extend(pop[i+1][cpoint:len(pop[i])])temp2.extend(pop[i+1][0:cpoint])temp2.extend(pop[i][cpoint:len(pop[i])])pop[i]=temp1pop[i+1]=temp2defmutation(pop,pm):px=len(pop)py=len(pop[0])foriinrange(px):if(random.random()<pm):mpoint=random.randint(0,py-1)if(pop[i][mpoint]==1):pop[i][mpoint]=0else:pop[i][mpoint]=1編寫主函數(shù)，定義所需變量，得到結(jié)果，代碼如下：#計算2進制序列代表的數(shù)值defb2d(b,max_value,chrom_length):t=0forjinrange(len(b)):t+=b[j]*(math.pow(2,j))t=t*max_value/(math.pow(2,chrom_length)-1)returntpop_size=500#種群數(shù)量max_value=10#基因中允許出現(xiàn)的最大值chrom_length=10#染色體長度pc=0.6#交配概率pm=0.01#變異概率results=[[]]#存儲每一代的最優(yōu)解，N個二元組fit_value=[]#個體適應度fit_mean=[]#平均適應度pop=geneEncoding(pop_size,chrom_length)foriinrange(pop_size):obj_value=calobjValue(pop,chrom_length,max_value)#個體評價fit_value=calfitValue(obj_value)#淘汰best_individual,best_fit=best(pop,fit_value)#第一個存儲最優(yōu)的解,第二個存儲最優(yōu)基因results.append([best_fit,b2d(best_individual,max_value,chrom_length)])selection(pop,fit_value)#新種群復制crossover(pop,pc)#交配mutation(pop,pm)#變異results=results[1:]results.sort()print(results[-1])print(best_individual)print(best_fit)print(obj_value[1])print(results)print("y=%f,x=%f"%(results[-1][0],results[-1][1]))X=[]Y=[]foriinrange(500):X.append(i)t=results[i][0]Y.append(t)plt.plot(X,Y)plt.show()得到最優(yōu)解：y=16.998361,x=1.573803下圖顯示了種群前500代進化過程中每代最有個體適應度的變化，即算法所求函數(shù)y的最大值。第4章習題執(zhí)行系統(tǒng)就是直接完成系統(tǒng)預期工作任務的部分，一般由執(zhí)行構(gòu)件、執(zhí)行機構(gòu)組成。執(zhí)行構(gòu)件是執(zhí)行系統(tǒng)中直接完成工作任務的零部件，完成一定的動作。它往往是執(zhí)行機構(gòu)中的一個或幾個構(gòu)件。執(zhí)行機構(gòu)用來驅(qū)動執(zhí)行構(gòu)件，主要作用是傳遞和變換運動與動力，以滿足執(zhí)行構(gòu)件的要求。制造執(zhí)行系統(tǒng)MES的概念MES能通過信息傳遞，對從訂單下達到產(chǎn)品完成的整個生產(chǎn)過程進行優(yōu)化管理。當工廠發(fā)生實時事件時，MES能對此及時做出反應和報告，并用當前的準確數(shù)據(jù)對它們進行指導和處理。答：指解耦復雜系統(tǒng)時將多個功能模塊拆分、重組的過程，有多種屬性、狀態(tài)反映其內(nèi)部特性。組件化是一種高效的處理復雜應用系統(tǒng)，更好的明確功能模塊作用的方式。其實質(zhì)是分治法的一種體現(xiàn)，對于一個很大的工程或系統(tǒng)，可以按照業(yè)務功能劃分為不同的組件，化整為零，相互配合。答：智能化流程管理內(nèi)涵包含以下幾個方面：（1）數(shù)據(jù)驅(qū)動的流程控制。隨著企業(yè)傳統(tǒng)業(yè)務流程管理信息化的應用發(fā)展，積累了大量反映流程運行情況的業(yè)務數(shù)據(jù)，海量數(shù)據(jù)客觀反映了企業(yè)流程的質(zhì)量和效率，蘊含著知識規(guī)律，通過數(shù)據(jù)挖掘、大數(shù)據(jù)技術(shù)分析這些流程運營數(shù)據(jù)，轉(zhuǎn)化成流程知識有助于管理者及時發(fā)現(xiàn)問題，從而優(yōu)化業(yè)務流程，指導流程參與者的業(yè)務決策。（2）全生命周期流程管理智能化。業(yè)務流程管理的生命周期包括流程建模與仿真、流程裝配與部署、流程監(jiān)控和流程優(yōu)化等幾個階段，智能化的流程管理貫穿整個生命周期。（3）全方位分析提供實時決策支持智能化流程管理通過先進的數(shù)據(jù)分析技術(shù)挖掘流程日志，綜合考慮業(yè)務邏輯、組織關(guān)系、資源分配等多方面因素抽取業(yè)務流程運行規(guī)律知識，充實企業(yè)流程知識庫，形成企業(yè)流程管理智慧，指導業(yè)務人員在復雜的業(yè)務環(huán)境下做出客觀高效的流程決策。5．智能化流程管理功能有哪些？總體來講，智能化流程管理功能主要涉及流程分析、流程監(jiān)控、流程優(yōu)化、流程預測和推薦。（1）多角度、多層次流程分析建立企業(yè)相關(guān)流程績效數(shù)據(jù)立方體，幫助管理者從成本、時間、服務質(zhì)量、資源利用率等方面進行業(yè)務流程質(zhì)量的多維分析。然后通過假設分析或針對其中的問題不斷下鉆，找出問題根源加以改進。（2）流程異常風險監(jiān)控為了保證業(yè)務流程按照企業(yè)既定目標執(zhí)行，需要對業(yè)務流程進行實時監(jiān)控。通過在不同層級建立流程監(jiān)控點，利用儀表盤等可視化工具，通過圖表等直觀形式把流程運行各項指標呈現(xiàn)給終端用戶，幫助業(yè)務人員實時掌握流程運行狀況。（3）全面流程優(yōu)化。智能化的流程管理會從流程結(jié)構(gòu)、組織關(guān)系、員工工作效率、默契程度以及資源利用率等各個方面進行全面分析來提高整個業(yè)務流程的效率。（4）流程預測與智能推薦。企業(yè)業(yè)務的復雜性以及市場的變化莫測使得流程設計并非易事，這時就需要有效利用流程運營知識輔助管理者決策，利用流程最佳實踐或建立優(yōu)化模型進行流程預測或智能推薦。6．信息加工的基本方法有哪幾大類？答：針對不同的處理目標，支持信息加工的方法很多，概括起來可分為五大類：傳統(tǒng)統(tǒng)計學習方法、機器學習方法、不確定性理論、可視化技術(shù)和數(shù)據(jù)庫/數(shù)據(jù)倉庫技術(shù)。7．簡述信息加工的一般流程。答：信息加工的目的在于發(fā)掘信息的更高價值，使信息使用者能有效使用信息。信息加工的一般流程：首先需要收集原始信息，然后確立信息加工的目標，接下來就對收集的初始、孤立、零亂的原始信息進行判別、篩選、分類、排序、分析、再造等處理，最后評估加工是否滿足目標，若未滿足，就根據(jù)目標再加工修改，直到滿意輸出。第4章實驗代碼#python3.6withSimPy"""模擬場景：[last_q][machine1]----[con_belt]---->[next_q][machine2]"""importsimpyimportrandomPROCESS_TIME=0.5#處理時間CON_BELT_TIME=3#傳送帶時間WORKER_NUM=2#每個機器的工人數(shù)/資源數(shù)MACHINE_NUM=2#機器數(shù)MEAN_TIME=0.2#平均每個物件的到達時間間距defcon_belt_process(env,con_belt_time,package,next_q):"""模擬傳送帶的行為"""whileTrue:print(f"{round(env.now,2)}-item:{package}-startmoving")yieldenv.timeout(con_belt_time)#傳送帶傳送時間next_q.put(package)print(f"{round(env.now,2)}-item:{package}-endmoving")env.exit()defmachine(env:simpy.Environment,last_q:simpy.Store,next_q:simpy.Store,machine_id:str):"""模擬一個機器,一個機器可以同時處理物件的數(shù)量取決于資源數(shù)(工人數(shù))"""workers=simpy.Resource(env,capacity=WORKER_NUM)defprocess(item):"""模擬一個工人的工作進程"""withworkers.request()asreq:yieldreqyieldenv.timeout(PROCESS_TIME)cess(con_belt_process(env,CON_BELT_TIME,item,next_q))print(f'{round(env.now,2)}-item:{item}-machine:{machine_id}-processed')whileTrue:item=yieldlast_q.get()cess(process(item))defgenerate_item(env,last_q:simpy.Store,item_num:int=8):"""模擬物件的到達"""foriinrange(item_num):print(f'{round(env.now,2)}-item:item_{i}-created')last_q.put(f'item_{i}')t=random.expovariate(1/MEAN_TIME)yieldenv.timeout(round(t,1))if__name__=='__main__':#實例環(huán)境env=simpy.Environment()#設備前的物件隊列l(wèi)ast_q=simpy.Store(env)next_q=simpy.Store(env)cess(generate_item(env,last_q))foriinrange(MACHINE_NUM):cess(machine(env,last_q,next_q,machine_id=f'm_{i}'))env.run()國際上，有關(guān)信息物理系統(tǒng)的研究大多集中在美國、德國、日本、韓國、歐盟等國家和地區(qū)。各國/地區(qū)研究機構(gòu)對信息物理系統(tǒng)的研究及成果較豐碩。在CPS明確提出之前，我國已經(jīng)開展了類似的研究，這些研究與政府在工業(yè)領(lǐng)域的政策緊密聯(lián)系在一起。2016年，中國政府提出了深化制造業(yè)與互聯(lián)網(wǎng)融合發(fā)展的要求，其中在強化融合發(fā)展基礎(chǔ)支撐中，對CPS的未來發(fā)展做出了進一步要求。政策的延續(xù)和支持使得我國的CPS發(fā)展駛?cè)肟燔嚨馈?.程序代碼如下。"""加油站加油實例封面:-資源:Resource-資源:Container-等待其他進程腳本:加油站的燃油泵數(shù)量有限，共用一個燃料庫的加油泵。汽車隨機到達加油站，請求其中一個燃油泵，然后從油箱開始加油加油站控制過程觀察加油站的燃油油位，如果加油站的油位低于臨界值，則呼叫油罐車加油"""importitertoolsimportrandomimportsimpyRANDOM_SEED=42GAS_STATION_SIZE=200 #單位：升THRESHOLD=10 #調(diào)用油罐車的閾值(單位：%)FUEL_TANK_SIZE=50 #單位：升FUEL_TANK_LEVEL=[5,25] #油箱最低/最高液位(單位：升)REFUELING_SPEED=2#升/秒TANK_TRUCK_TIME=300#油罐車到達的時間(秒)T_INTER=[30,300] #每隔[min，max]秒創(chuàng)建一輛車SIM_TIME=1000#模擬時間(秒)defcar(name,env,gas_station,fuel_pump):"""模塊的功能是：一輛汽車到加油站加油。它要求加油站的一個燃油泵，并試圖從中獲得所需的油量。如果加油站油箱的油用完了，汽車必須等油罐車來"""fuel_tank_level=random.randint(*FUEL_TANK_LEVEL)print('%sarrivingatgasstationat%.1f'%(name,env.now))withgas_station.request()asreq:start=env.now#請求一個燃油泵yieldreq#獲得所需的燃油量liters_required=FUEL_TANK_SIZE-fuel_tank_levelyieldfuel_pump.get(liters_required)#“實際”加油過程需要的時間yieldenv.timeout(liters_required/REFUELING_SPEED)print('%sfinishedrefuelingin%.1fseconds.'%(name,env.now-start))defgas_station_control(env,fuel_pump):#定期檢查*燃油泵*的油位，如果油位低于臨界值，請致電油罐車whileTrue:iffuel_pump.level/fuel_pump.capacity*100<THRESHOLD:#我們現(xiàn)在要叫油罐車print('Callingtanktruckat%d'%env.now)#等待油罐車到達加油站yieldcess(tank_truck(env,fuel_pump))yieldenv.timeout(10)#Checkevery10secondsdeftank_truck(env,fuel_pump):#延誤一段時間后到達加油站加油yieldenv.timeout(TANK_TRUCK_TIME)print('Tanktruckarrivingattime%d'%env.now)ammount=fuel_pump.capacity-fuel_pump.levelprint('Tanktruckrefuelling%.1fliters.'%ammount)yieldfuel_pump.put(ammount)defcar_generator(env,gas_station,fuel_pump):#調(diào)度到達加油站的新車foriinitertools.count():yieldenv.timeout(random.randint(*T_INTER))cess(car('Car%d'%i,env,gas_station,fuel_pump))#設置并啟動模擬print('GasStationrefuelling')random.seed(RANDOM_SEED)#創(chuàng)建環(huán)境并啟動進程env=simpy.Environment()gas_station=simpy.Resource(env,2)fuel_pump=simpy.Container(env,GAS_STATION_SIZE,init=GAS_STATION_SIZE)cess(gas_station_control(env,fuel_pump))cess(car_generator(env,gas_station,fuel_pump))#執(zhí)行env.run(until=SIM_TIME)2.模擬輸出GasStationrefuellingCar0arrivingatgasstationat87.0Car0finishedrefuelingin18.5seconds.Car1arrivingatgasstationat129.0Car1finishedrefuelingin19.0seconds.Car2arrivingatgasstationat284.0Car2finishedrefuelingin21.0seconds.Car3arrivingatgasstationat385.0Car3finishedrefuelingin13.5seconds.Car4arrivingatgasstationat459.0Callingtanktruckat460Car4finishedrefuelingin22.0seconds.Car5arrivingatgasstationat705.0Car6arrivingatgasstationat750.0Tanktruckarrivingattime760Tanktruckrefuelling188.0liters.Car6finishedrefuelingin29.0seconds.Car5finishedrefuelingin76.5seconds.Car7arrivingatgasstationat891.0Car7finishedrefuelingin13.0seconds.第六章模糊邏輯系統(tǒng)練習題參考答案答：模糊邏輯，建立在多值邏輯基礎(chǔ)上，運用模糊集合的方法來研究模糊性思維、語言形式及其規(guī)律的科學。模糊邏輯系統(tǒng)是基于模糊集合論的數(shù)學基礎(chǔ)上，通過計算機（如系統(tǒng)機、模糊芯片等）去模擬人在控制復雜對象中采用語言變量描述模糊概念，采用經(jīng)驗的控制規(guī)則來描述對象輸入-輸出間的模糊關(guān)系模型，進而實現(xiàn)模糊邏輯推理的一種計算機數(shù)學控制。模糊邏輯指模仿人腦的不確定性概念判斷、推理思維方式，對于模型未知或不能確定的描述系統(tǒng)，以及強非線性、大滯后的控制對象，應用模糊集合和模糊規(guī)則進行推理，表達過渡性界限或定性知識經(jīng)驗，模擬人腦方式，實行模糊綜合判斷，推理解決常規(guī)方法難于對付的規(guī)則型模糊信息問題。模糊邏輯善于表達界限不清晰的定性知識與經(jīng)驗，它借助于隸屬度函數(shù)概念，區(qū)分模糊集合，處理模糊關(guān)系，模擬人腦實施規(guī)則型推理，解決因“排中律”的邏輯破缺產(chǎn)生的種種不確定問題。模糊邏輯是二元邏輯的重言式：在多值邏輯中，給定一個MV-代數(shù)A，一個A-求值就是從命題演算中公式的集合到MV-代數(shù)的函數(shù)。如果對于所有A-求值這個函數(shù)把一個公式映射到1（或0），則這個公式是一個A-重言式。因此對于無窮值邏輯（比如模糊邏輯、武卡謝維奇邏輯），我們設[0,1]是A的下層集合來獲得[0,1]-求值和[0,1]-重言式（經(jīng)常就叫做求值和重言式）。Chang發(fā)明MV-代數(shù)來研究波蘭數(shù)學家揚·武卡謝維奇（Jan?ukasiewicz）在1920年介入的多值邏輯。Chang的完備定理(1958,1959)聲稱任何在[0,1]區(qū)間成立的MV-代數(shù)等式也在所有MV-代數(shù)中成立。通過這個定理，證明了無窮值的武卡謝維奇邏輯可以被MV-代數(shù)所刻畫。后來同樣適用于模糊邏輯。這類似于在{0,1}成立的布爾代數(shù)等式在任何布爾代數(shù)中也成立，布爾代數(shù)因此刻畫了標準二值邏輯。答：（1）模糊集合、隸屬函數(shù)是模糊數(shù)學的基本概念。經(jīng)典集合論開宗明義地規(guī)定：對于給定集A，論域U中的任一元素X那么屬于A，要么不屬于A，二者必居其一。這就使數(shù)學對事物類屬、性態(tài)關(guān)系的描述，建立在“是”或“非”（用0表示非，用1表示是，記為｛0,1}）上。模糊集合論則把這種類屬、性態(tài)非此即彼的斷定轉(zhuǎn)換為對類屬、性態(tài)程度的量化分析，并用“隸屬度”的概念來刻劃某元素屬于某類的程度。設U是一個給定的論域，若對于其中任何一個元素X，都有一個函數(shù)μA（X）與之對應，且滿足0≤μA（X）≤1，則稱μA（X）為隸屬函數(shù)，集合A稱為由μA（X）所確定的U上的模糊集合。μA（X）的大小反映X對于模糊集合A的隸屬程度，μA（X）的值接近1，表示X隸屬于A的程度很高；μA（X）的值接近0，表示X隸屬于A的程度很低。就隸屬度、隸屬函數(shù)來說，用1和0來說明元素對集合“屬于”和“不屬于”的隸屬關(guān)系，這是明晰的一面；同時又用介于1和0之間的實數(shù)值來刻劃元素對集合隸屬關(guān)系的程度，這又是模糊的一面。這種方法上的兩重性使模糊集合論在處理模糊現(xiàn)象時具有靈活辨證的特點，對于那些類屬、性態(tài)缺乏明確判據(jù)的對象，人們就可通過模糊集合論的隸屬函數(shù)、隸屬度的分析，盡可能地逼近它，用以量見質(zhì)的數(shù)學分析來實現(xiàn)由模糊向精確的轉(zhuǎn)化。（2）模糊集合運算及基本性質(zhì)與精確集合的并、交、補的運算對應，模糊集合也有相似的運算。多個模糊集合的基本運算，以下均假設、和是定義在同一個論域上的模糊集合。定義1（等價）兩個模糊集合和，如果對任意，當且僅當時，稱和是等價的。定義2（包含）對任意，當且僅當時，稱包含，記作。定義3（補集）定義集合的補集為上的模糊集合，記作，其隸屬度函數(shù)為。定義4（并集）模糊集和的并集也是模糊集，記為，其隸屬度函數(shù)為。定義5（交集）模糊集和的交集也是模糊集，記作，其隸屬度函數(shù)為。對于補、并和交運算來說，許多在經(jīng)典集合中成立的基本性質(zhì)是可以擴展到模糊集合中的。（1）冪等律（2）交換律（3）結(jié)合律（4）分配律（5）吸收律（6）同一律式中，為空集，為全集。（7）德·摩根律（8）復原律（9）對偶律（10）互補律不成立（3）除了基本運算以外，模糊集合中還具有代數(shù)運算。設論域上兩個模糊集合，可以由模糊隸屬度函數(shù)進行定義：（1）代數(shù)積（2）代數(shù)和（3）有界和（4）有界差（5）有界積答：模糊邏輯系統(tǒng)結(jié)構(gòu)由模糊化接口、知識庫、推理機制和模糊判決接口（去模糊化模塊）四個基本單元組成。其方框圖如下：圖模糊控制系統(tǒng)的結(jié)構(gòu)方框圖它們的作用和工作過程如下：(1)模糊化模塊模糊化模塊也稱為模糊化接口，它的作用是通過在控制器的輸入、輸出論域上定義語言變量，將精確的輸入、輸出值轉(zhuǎn)換為模糊化量。因此模糊化接口的設計步驟事也就是定義語言變量的過程，可分為：語言變量的確定，語言變量論域的設計，定義各語言變量的語言值和定義各語言值的隸屬函數(shù)。具體過程如下：①首先對這些輸入量進行處理，以變成模糊控制器要求的輸入量。例如：常見的情況是計算和，其中表示參考輸入，表示系統(tǒng)輸出，表示誤差。有時為了減小噪聲的影響，常常對進行濾波后再使用，如可取。②將上述已經(jīng)處理過的輸入量進行尺度變換，使其變換到各自的論域范圍。③將已經(jīng)變換到論域范圍的輸入量進行模糊處理，使原先精確的輸入量變成模糊量，并用相應的模糊集合來表示。(2)知識庫知識庫中包含了具體應用領(lǐng)域中的知識和要求的控制目標，通常是由數(shù)據(jù)庫和模糊（語言）控制規(guī)則庫兩部分組成：①數(shù)據(jù)庫主要包含了語言控制規(guī)則論域的離散化、量化和正則化以及輸入空間的分區(qū)、隸屬函數(shù)的定義等。所有輸入、輸出變量所對應的論域以及這些論域上所定義的規(guī)則庫中使用的全部模糊子集的定義都存放在數(shù)據(jù)庫中。數(shù)據(jù)庫還提供模糊邏輯推理必要的數(shù)據(jù)、模糊化接口和模糊判決接口相關(guān)論域的必要數(shù)據(jù)，包含語言控制規(guī)則論域的離散化、量化以及輸入空間的分區(qū)、隸屬函數(shù)的定義等。語言控制規(guī)則標記控制目標和領(lǐng)域?qū)＜业目刂撇呗?。②模糊控制?guī)則庫包含了用模糊語言變量表示的一系列控制規(guī)則，它們反映了控制專家的經(jīng)驗和知識。這些控制規(guī)則是根據(jù)人類控制專家的經(jīng)驗總結(jié)得到的，按照“IF...is...AND...is...THEN...is...”的形式表達，這樣的規(guī)則很容易通過模糊條件語句描述的模糊邏輯推理來實現(xiàn)。而模糊控制規(guī)則也就是根據(jù)控制目的和控制策略給出了一套由語言變量描述，并由專家或自學習產(chǎn)生的控制規(guī)則的集合。(3)推理機制模糊推理機是模糊控制器的核心，是指采用某種推理方法，由采樣時刻的輸入和規(guī)則庫中蘊含的輸入輸出關(guān)系，通過模糊推理方法得到模糊控制器的輸出模糊值，即模糊控制信息可通過模糊蘊含和模糊邏輯的推理規(guī)則來獲取。根據(jù)模糊輸入和模糊控制規(guī)則，模糊推理求解模糊判決關(guān)系方程，獲得模糊輸出。模糊推理算法和很多因素有關(guān)，如模糊蘊含規(guī)則、推理合成規(guī)則、模糊推理條件語句前件部分的連接詞（and）和語句之間的連接詞（also）的不同定義等。因為這些因素有多種不同的定義，可以組合出相當多的推理算法。(4)去模糊化模塊去模糊化模塊也稱為解模糊接口、清晰化或模糊判決等，由模糊推理得到的模糊輸出值是輸出論域上的模糊子集，只有其轉(zhuǎn)化為精確控制量，才能施加于受控對象。所以去模糊化模塊的作用是將模糊推理得到的控制量（模糊量）變換為實際用于精確的或非模糊的控制量。它包含以下兩部分：①將模糊的控制量經(jīng)清晰化變換，變成表示在論域范圍的清晰量；②將表示在論域范圍內(nèi)的清晰量經(jīng)尺度變換，變成實際的控制量。答：模糊系統(tǒng)主要以下三種設計方法：（1）最大隸屬度法這種方法非常簡單，在模糊控制器的推理輸出結(jié)果中，直接取其隸屬度最大的元素值作為控制量，去執(zhí)行控制的方法稱為最大隸屬度法。若輸出量模糊集合的隸屬函數(shù)只有一個峰值，則取隸屬度函數(shù)的最大值為精確值，即式中，表示精確值。若輸出量的隸屬函數(shù)有多個極值，則取這些極值的平均值為精確值。當隸屬度最大的元素有多個，即有其中，。這時可以取這些元素的平均中心值為模糊化后的精確值。即取為或（2）重心法所謂重心法就是取模糊隸屬函數(shù)曲線與橫坐標軸圍成面積的重心作為代表點。理論上應該計算輸出范圍內(nèi)一系列連續(xù)點的重心，即但實際上往往是計算輸出范圍內(nèi)整個采樣點（若干個離散值）的重心。這樣對于離散點的重心求法為與最大隸屬度法相比，重心法概括了更多的有效信息，但是計算復雜，特別是在連續(xù)論域上的隸屬度函數(shù)，需要求解積分方程，因此與加權(quán)平均法相比，應用得較少。（3）加權(quán)平均法加權(quán)平均法是模糊控制系統(tǒng)中應用較為廣泛的一種判決方法，其輸出量由下式?jīng)Q定式中，系數(shù)的選擇要根據(jù)實際情況而定，不同的系統(tǒng)決定了系統(tǒng)有不同的響應特性。當該系數(shù)選擇時，即取其隸屬函數(shù)時就是重心法。在模糊控制中，可以通過選擇和調(diào)整該系數(shù)來改善系統(tǒng)的響應特性，因而這種方法具有靈活性。在實際應用中，究竟采用何種方法不能一概而論，應根據(jù)具體情況而定。已有的研究結(jié)果初步表明：加權(quán)平均法比重心法具有更佳的綜合性能，而重心法的動態(tài)性能要優(yōu)于加權(quán)平均法，靜態(tài)性能則略遜于加權(quán)平均法。研究表明，使用重心法的模糊控制器類似于多級繼電控制；加權(quán)平均法則類似于PI控制器。一般情況下，這兩種解模糊方法都優(yōu)于最大隸屬度法。答：（1）從推理得到的模糊集合中，取一個相對最能代表這個模糊集合的單值的過程就稱為解模糊或模糊判決。（2）常用的模糊判決方法有：重心法，最大隸屬度法，系數(shù)加權(quán)平均法，隸屬度限幅元素平均法。答：專家控制系統(tǒng)和模糊邏輯控制系統(tǒng)共同點：兩者都要建立人類經(jīng)驗和人類決策行為的模型，都含有推理機和模糊化接口。區(qū)別：專家系統(tǒng)控制是基于知識規(guī)則的控制，模糊控制是基于算法的控制。，答：略答：模糊系統(tǒng)已得到了廣泛的應用，具體應用場景如下：(1)汽車系統(tǒng)隨著模糊控制技術(shù)的不斷發(fā)展，它越來越廣泛的應用在汽車上例如汽車車制動防抱死系統(tǒng)、汽車巡航系統(tǒng)以及倒車防撞系統(tǒng)等。本節(jié)將詳細介紹制動防抱死系統(tǒng)（簡稱ABS系統(tǒng)）的數(shù)學模型以及模糊控制在該系統(tǒng)中的應用。ABS系統(tǒng)實質(zhì)上是一種緊急制動情況下縮短汽車制動距離，同時保持汽車方向穩(wěn)定性的裝置，能很大程度上改善汽車駕駛的安全性能。如今該系統(tǒng)已經(jīng)廣泛應用在各種車輛上。(2)消費電子產(chǎn)品在現(xiàn)代人生活的快節(jié)奏中，微波爐是一種廣泛應用且成為不可缺少的家用電器。傳統(tǒng)的微波爐在工作之前，人們需要根據(jù)需要加熱食物的類型、數(shù)量和溫度等手動的預置工作時間。而加熱時長往往難以掌握：工作時間過短則會導致烹煮效果不好；工作時間過長則會損害食物的烹飪效果；特別對于水份少的食物，可能會產(chǎn)生過熱炭化的現(xiàn)象。隨著智能技術(shù)的發(fā)展，通過模糊控制技術(shù)設計的智能微波爐，人們不需要手動設置微波爐加熱時間便可以智能控制加熱時間，使得微波爐的使用更加的便捷，這對于家用電器的發(fā)展也具有重要的意義。(3)環(huán)境控制目前對溫室環(huán)境控制很難建立一個精確的數(shù)學模型，而且溫室需要控制的環(huán)境因子有很多，采用傳統(tǒng)的控制方法很難達到理想的控制效果。大部分溫室溫度控制器還是采用PID控制算法，這種算法對固定參數(shù)的線性定常系數(shù)系統(tǒng)非常有效，但是常規(guī)的PID控制器對于非線性、時變的和不能用精確模型描述的系統(tǒng)不能進行很好的控制。用模糊邏輯實現(xiàn)控制，只需要關(guān)心最終的效果而不是系統(tǒng)的數(shù)學模型，研究的重點是控制器本身而不是被控對象。因此這種系統(tǒng)對系統(tǒng)參數(shù)變化不敏感，具有很強的魯棒性和通用性，可以實現(xiàn)對不同類型溫室的溫度控制；系統(tǒng)的模糊邏輯控制是根據(jù)溫室內(nèi)的溫度變化來調(diào)節(jié)溫室機構(gòu)的狀態(tài)，達到降溫或者升溫的效果。實時的溫度采樣值與設定值的差值是可正可負的，通過對溫度偏差進行模糊化后，實現(xiàn)對溫室溫度的控制。第7章習題參考答案 答：自主無人系統(tǒng)通常指通過融合人工智能、機電控制、計算機、通信、材料等多種先進技術(shù)進行自我操作或管理而不需要人工干預的人造系統(tǒng)。傳統(tǒng)意義上的自動控制系統(tǒng)定義為“在沒有或較少人工參與的情況下，完成特定操作實現(xiàn)預期目標的設備或系統(tǒng)”，自動化系統(tǒng)可在特定態(tài)勢下執(zhí)行可靠且可預測的行動。與自動化設備或系統(tǒng)相比，自主無人系統(tǒng)能夠應對復雜多樣的環(huán)境，完成更廣泛的操作和控制，具有更廣闊的應用潛力。如果說傳統(tǒng)的自動化系統(tǒng)解放了人的體力，自主無人系統(tǒng)更多是解放了人的腦力。答：自主性和智能性是自主無人系統(tǒng)最重要的兩個特征。自主表達的是行為方式，強調(diào)由自身決策完成某行為；智能則是完成行為過程的一種特殊能力，關(guān)注運用的方法及策略是否符合自然規(guī)律或人的行為規(guī)則。自主與智能之間的關(guān)系應該是：自主在前，智能在后，二者應該相輔相成；自主未必智能，但自主希望有智能；智能依賴自主，智能的等級取決于自主權(quán)的高低，智能是自主與知識及其知識運用的結(jié)合體。一般來說，無人自主系統(tǒng)的性能表現(xiàn)依賴于自主認知、自主控制和群體智能三大評價指標，每項評價指標又可進一步劃分為幾個二級指標。具體而言，自主認知一級指標可以包括數(shù)據(jù)采集、碰撞避免、對象分類、對象識別、推理和語義理解等二級指標；自主控制一級指標可能包括載人、遠程控制、故障診斷、提前設計、仿生和自主操作幾個二級指標；群體智能一級指標可包括結(jié)構(gòu)控制、任務規(guī)劃、合作、任務重規(guī)劃、合作探究和職責等二級指標。答：設計自主無人系統(tǒng)時需要考慮的關(guān)鍵要素包括：信任度、自動化、自主化級別、人機協(xié)同、智能化、安全性、功能、尺寸和成本等。答：當前自主無人系統(tǒng)主要包括無人車，無人機、無人船以及家用和醫(yī)療機器人等類型，但在軍事、產(chǎn)業(yè)、監(jiān)管、倫理等方面對國家安全和社會治理形成新的挑戰(zhàn)，具體表現(xiàn)在以下幾個方面：（1）對戰(zhàn)爭形態(tài)產(chǎn)生新變革；（2）對反恐維穩(wěn)構(gòu)成新威脅；（3）對航空安全形成新影響；（4）對法律監(jiān)管帶來新課題；（5）對社會倫理造成新沖擊。答：自組織網(wǎng)絡主要目的是實現(xiàn)移動\t"/item/%E8%87%AA%E7%BB%84%E7%BB%87%E7%BD%91%E7%BB%9CSON/_blank"無線網(wǎng)絡的一些自主功能，包括自配置、自優(yōu)化、自診斷和自保護等，從而減少人工參與，降低\t"/item/%E8%87%AA%E7%BB%84%E7%BB%87%E7%BD%91%E7%BB%9CSON/_blank"運營成本。主要特點：無中心和自組織性；網(wǎng)絡拓撲動態(tài)變化；受限的無線傳輸帶寬；移動終端的局限性；安全性差；多跳網(wǎng)絡特性。自組織網(wǎng)絡與傳統(tǒng)網(wǎng)絡的主要區(qū)別參見教材表7-1。答：作為一種多跳的臨時性自治系統(tǒng)，在軍事、民用、商用等許多重要領(lǐng)域都具有獨特優(yōu)勢，需要研究的主要領(lǐng)域包括網(wǎng)絡安全、管理、路由、信道接入、體系架構(gòu)設計和實際系統(tǒng)實現(xiàn)等。自組織網(wǎng)絡將作為傳統(tǒng)移動網(wǎng)絡的一種必要補充和發(fā)展，尤其適用于軍事通信和應急通信等場合，和蜂窩網(wǎng)、WiFi等共同組成未來的5G網(wǎng)絡，為物聯(lián)網(wǎng)、車聯(lián)網(wǎng)、智慧城市等應用提供信息基礎(chǔ)平臺。答：無人飛行器(UnmannedAerialVehicle,UAV)也稱無人飛行系統(tǒng)(UnmannedAerialSystem，UAS)或無人駕駛飛機，簡稱\t"/item/%E6%97%A0%E4%BA%BA%E6%9C%BA%E7%B3%BB%E7%BB%9F/_blank"無人機。因此，狹義上講，無人機是無人機是一種自帶動力的、無線電遙控或自主飛行的、能執(zhí)行多種任務并能多次使用的無人駕駛飛行器。依據(jù)UAS的定義，無人機的基本內(nèi)涵有3個要點：1）飛機上無駕駛?cè)藛T；2）飛機能完成一定的使命任務；3）飛機可以重復使用答：無人機經(jīng)過一個多世紀的發(fā)展，其演變與發(fā)展是全方位的，已形成了種類繁多、形態(tài)各異、豐富多彩的現(xiàn)代無人機家族。目前，對于無人機的分類尚無統(tǒng)一、明確的標準。傳統(tǒng)的分類方法中有按重量、大小分類的，也有按照航程、航時分類的，或是按照用途、操控方式和飛行模式分類的。無人機發(fā)展最根本的變化是其飛行操控方式的變化。按照無人機飛行控制方式的不同，無人機大致可以分為：遙控飛行無人機、遙控加局域自動飛行無人機、全自動飛行無人機、全自動加局域自主飛行無人機、全自主飛行無人機。目前，國際上無人機的最高水平是全自動加局域自主飛行無人機，全自主飛行無人機仍處于開發(fā)實驗階段。答：近年來，隨著各種技術(shù)的進步和投資力度的加大，無人機的發(fā)展勢頭迅猛，呈現(xiàn)出多樣化的發(fā)展趨勢?？傮w來說，無論是軍用還是民用無人機，無人機繼續(xù)向高自主性、低人工干預和高智能化的方向發(fā)展。第7章章實驗核心代碼本實驗的實驗環(huán)境要求python3.6以上IDE環(huán)境。本實驗的核心程序源代碼如下（同學可以根據(jù)需要添加代碼來擴展程序功能）：#coding=utf-8#系統(tǒng)參數(shù)a=0.1b=1.0#系統(tǒng)結(jié)構(gòu)，F(xiàn)：風力;F1：實際輸入風力；W：風輪轉(zhuǎn)速defWW():returna*F1#每次輸入的風力defFF1():returnF-b*W#杠桿所得到的力#初始條件F1=2#實際輸入風力為2W=0.2#風輪轉(zhuǎn)速為0.2轉(zhuǎn)每秒print("F1=%f,Wis%f"%(F1,W))#輸入實際風力和轉(zhuǎn)速#鼓風機風力正常F=2.2#鼓風機的風力為2.2print("鼓風機風力=%f"%F)#輸出鼓風機的風力#隨著時間增加fortinrange(20):#返回一個迭代序列F1,W=FF1(),WW()#將風力和轉(zhuǎn)速進行更新print("F1=%f,Wis%f"%(F1,W))#輸出更新后的風力和轉(zhuǎn)速#鼓風機風力偏大F=2.3#當鼓風機的風力為2.3時print("鼓風機風力=%f"%F)#隨著時間增加fortinrange(20):#返回迭代列20次F1,W=FF1(),WW()#再次更新print("F1=%f,Wis%f"%(F1,W))#輸出實際風力和轉(zhuǎn)速#鼓風機風力偏小F=2.1#當風力為2.2時print("鼓風機風力=%f"%F)#隨著時間增加fortinrange(20):#在f=2.2時，再次迭代F1,W=FF1(),WW()print("F1=%f,Wis%f"%(F1,W))2實驗參考結(jié)果本程序相對簡單，按照教材7.7.4節(jié)的程序代碼運行后的輸出結(jié)果如圖7-16所示。從結(jié)果上看到，風輪轉(zhuǎn)速是鼓風機風力F的函數(shù)，當風輪轉(zhuǎn)速變化時會帶動杠桿變化進而控制風口閥門，并最終調(diào)節(jié)輸出的實際風力，構(gòu)成一個閉環(huán)的自動反饋控制系統(tǒng)。當鼓風機風力適當時，實際輸出風力和轉(zhuǎn)速保持不變，自動控制系統(tǒng)處于平穩(wěn)運行狀態(tài)。當鼓風機風力偏大時，風輪轉(zhuǎn)速先明顯增加，導致連動的杠桿控制閥門開度變小，通過系統(tǒng)的反饋調(diào)節(jié)使實際輸出的風力逐漸減小，并進而導致風輪轉(zhuǎn)速隨著減小，最終達到穩(wěn)定狀態(tài)。當鼓風機風力偏小時，風輪轉(zhuǎn)速W開始先明顯減小，導致連動的杠桿控制閥門開度變大，通過系統(tǒng)的反饋調(diào)節(jié)使實際輸出的風力逐漸增加，并進而導致風輪轉(zhuǎn)速隨著增大，最終達到穩(wěn)定狀態(tài)。圖7-16程序運行結(jié)果當系統(tǒng)參數(shù)變化時，例如當更改系統(tǒng)參數(shù)a=0.15，b=0.95時，程序的運行結(jié)果如圖7-17所示。從實驗結(jié)果看到，自動反饋控制系統(tǒng)呈現(xiàn)類似的變化規(guī)律，但是調(diào)節(jié)效果大大降低，因此設置合適的系統(tǒng)參數(shù)對于系統(tǒng)性能至關(guān)重要。圖7-17更改系統(tǒng)參數(shù)后的程序運行結(jié)果第8章習題參考答案 蟻群優(yōu)化算法的基本步驟如下：初始化：隨機生成一定數(shù)量的螞蟻，并隨機分配每個螞蟻的起點城市。發(fā)現(xiàn)信息素：每個螞蟻在其所在城市根據(jù)信息素濃度大小，以一定的概率選擇下一個城市。更新信息素：每個螞蟻根據(jù)其路徑長度計算信息素增量，并更新其經(jīng)過路徑上所有邊的信息素濃度。精英螞蟻：保存每次迭代中路徑長度最短的螞蟻所經(jīng)過的路徑，并對其經(jīng)過的邊進行信息素加強處理。信息素揮發(fā)