人工智能簡(jiǎn)述課件

人工智能簡(jiǎn)述2024/11/251人工智能定義人工智能(ArtificialIntelligence),它是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué),涉及到數(shù)學(xué)、計(jì)算機(jī)科學(xué)、心理學(xué)、哲學(xué)和語(yǔ)言學(xué)等學(xué)科。人工智能的主要應(yīng)用包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。2024/11/252人工智能分類人工智能根據(jù)技術(shù)發(fā)展和研究領(lǐng)域可分為兩種弱人工智能，機(jī)器只不過(guò)看起來(lái)像是智能的，但是并不真正擁有智能，也不會(huì)有自主意識(shí)，主要應(yīng)用的算法:1自動(dòng)流水線技術(shù)和有限狀態(tài)機(jī)、2模糊狀態(tài)機(jī)、3決策樹(shù)和尋路技術(shù)、4博弈論。強(qiáng)人工智能，制造出真正能推理和解決問(wèn)題的智能機(jī)器，現(xiàn)在研究的算法有:1群聚技術(shù)、2遺傳算法、3神經(jīng)網(wǎng)絡(luò)技術(shù)、4置信網(wǎng)絡(luò)2024/11/253弱人工智能弱人工智能是人工智能的一個(gè)比較流行的定義，也是該領(lǐng)域較早的定義，是由約翰·麥卡錫（JohnMcCarthy|）在1956年的達(dá)特矛斯會(huì)議（DartmouthConference）上提出的:人工智能就是要讓機(jī)器的行為看起來(lái)就象是人所表現(xiàn)出的智能行為一樣弱人工智能觀點(diǎn)認(rèn)為不可能制造出能真正地推理（Reasoning）和解決問(wèn)題（Problem_solving）的智能機(jī)器，這些機(jī)器只不過(guò)看起來(lái)像是智能的，但是并不真正擁有智能，也不會(huì)有自主意識(shí)?，F(xiàn)在，主流科研集中在弱人工智能上，并且一般認(rèn)為這一研究領(lǐng)域已經(jīng)取得可觀的成就。2024/11/254自動(dòng)流水線自動(dòng)流水線是生產(chǎn)組織的一種形式，把生產(chǎn)過(guò)程劃分為在時(shí)間上相等或成倍比的若干工序，并將其于按工藝過(guò)程順序排列，各自工作。以一個(gè)機(jī)器人倒垃圾的程序來(lái)說(shuō)，它的步驟很簡(jiǎn)單:

1.啟動(dòng)；2.電機(jī)后退10圈；3.左電機(jī)轉(zhuǎn)3圈(轉(zhuǎn)身)；4.電機(jī)前進(jìn)5圈；

5.翻轉(zhuǎn)垃圾桶，倒垃圾；6.等待2秒后，翻轉(zhuǎn)還原垃圾桶；7.原路返回這項(xiàng)技術(shù)的缺點(diǎn)也很明顯，由于簡(jiǎn)單，可以說(shuō)應(yīng)付不了任何突發(fā)情況，而且只要把它放在別人家里，或者更換起點(diǎn)，它就找不到垃圾桶的位置了2024/11/255有限狀態(tài)機(jī)_1有限狀態(tài)機(jī)，又稱有限狀態(tài)自動(dòng)機(jī)，簡(jiǎn)稱狀態(tài)機(jī)，是表示有限個(gè)狀態(tài)以及在這些狀態(tài)之間的轉(zhuǎn)移和動(dòng)作等行為的數(shù)字模型從編程的角度來(lái)說(shuō)，就是用許多的IFELSE來(lái)實(shí)現(xiàn)，簡(jiǎn)單的理解就是IFELSE的多層嵌套以倒垃圾機(jī)器人舉例，就可以有三個(gè)狀態(tài):

1.待命狀態(tài)；2.移動(dòng)狀態(tài)；3.倒垃圾狀態(tài)

2024/11/256有限狀態(tài)機(jī)_2狀態(tài)機(jī)第一個(gè)重要功能:就是可以自定義狀態(tài)切換的順序

例如這三個(gè)狀態(tài)的切換是這樣的

1.待命；2.移動(dòng)；3.倒垃圾；4.移動(dòng)；5.待命狀態(tài)機(jī)第二個(gè)重要功能，就是可以賦予每個(gè)狀態(tài)，不同的響應(yīng)例如，我們可以設(shè)置只在待命狀態(tài)下，如果紅外線傳感器值<XXX(感知到前方有人手在放垃圾)，那么跳轉(zhuǎn)到移動(dòng)狀態(tài)。這樣，響應(yīng)只會(huì)在待命狀態(tài)下生效，而移動(dòng)過(guò)程中，則不受干繞。2024/11/257有限狀態(tài)機(jī)_3狀態(tài)機(jī)第三個(gè)重要功能，就是歷史記錄功能:

例如在移動(dòng)狀態(tài)中，設(shè)置如果聲音傳感器收到了“?！边@個(gè)聲音，那么跳轉(zhuǎn)回待命狀態(tài)，并記錄當(dāng)前已經(jīng)走過(guò)的步驟，比如已經(jīng)后退了10圈，并轉(zhuǎn)身2.5圈。那么在待命狀態(tài)下，我們又給機(jī)器人放上額外的垃圾，觸發(fā)機(jī)器人的移動(dòng)狀態(tài)，這時(shí)機(jī)器人不會(huì)從移動(dòng)狀態(tài)的開(kāi)始進(jìn)行，而是從我們剛剛停止的那個(gè)位置進(jìn)行，機(jī)器人會(huì)知道他已經(jīng)后退了10圈，并轉(zhuǎn)了一半的身，這時(shí)他們繼續(xù)轉(zhuǎn)完剩下的一半，然后前進(jìn)5圈，跳轉(zhuǎn)到倒垃圾狀態(tài)2024/11/258有限狀態(tài)機(jī)UML圖2024/11/259

模糊狀態(tài)機(jī)_1模糊狀態(tài)機(jī)是有限狀態(tài)機(jī)（FSM）的進(jìn)階版本，它在有限狀態(tài)機(jī)的基礎(chǔ)上加入了模糊邏輯技術(shù)（FuzzyLogic）；如果說(shuō)有限狀態(tài)機(jī)判斷的是是與非，0或1，那么模糊邏輯判斷的就是0.0到1.0，或者是一個(gè)判斷集合。還是以倒垃圾機(jī)器人舉例:有限狀態(tài)機(jī)同一時(shí)間只能停留在一個(gè)狀態(tài)上面，例如我們的樂(lè)高倒垃圾機(jī)器人，待命狀態(tài)就不能移動(dòng)，移動(dòng)狀態(tài)就不能倒垃圾。2024/11/2510

模糊狀態(tài)機(jī)_2而模糊狀態(tài)機(jī)則不然，它可以在同一時(shí)間運(yùn)行多個(gè)狀態(tài)，并且給每個(gè)狀態(tài)分配不同的權(quán)重，例如，20%的移動(dòng)狀態(tài)+80%的倒垃圾狀態(tài)。每個(gè)狀態(tài)都可以處理這個(gè)權(quán)重植，例如20%的移動(dòng)狀態(tài)就是把移動(dòng)速度降為原有的20%等等。

這樣做的好處是什么呢？我們想象一下人類最自然的行為是怎么樣的，我們倒垃圾和走路，不會(huì)說(shuō)是像軍訓(xùn)一樣死板，先要立定，然后倒垃圾，一定等到垃圾桶完全還原，然后向后轉(zhuǎn)，齊步走。這樣太機(jī)械化。2024/11/2511

模糊狀態(tài)機(jī)_3而我們?nèi)祟悇t是非常連貫自然的行業(yè),可能在垃圾桶倒完垃圾還沒(méi)來(lái)得及翻轉(zhuǎn)回來(lái)時(shí),就開(kāi)始了轉(zhuǎn)身移動(dòng)的行為。在轉(zhuǎn)身移動(dòng)的過(guò)程中,我們才慢慢的把垃圾桶翻轉(zhuǎn)回來(lái)。這就是我們?nèi)祟惖哪：袨椤?/p>

如果我們的機(jī)器人加入了模糊狀態(tài)機(jī),那么他倒垃圾的動(dòng)作,將會(huì)變的更加自然,連貫,和一點(diǎn)點(diǎn)隨意,比如倒完垃圾后,就開(kāi)始向后移動(dòng),開(kāi)始是20%的權(quán)重,移動(dòng)速度比較慢,慢慢的變成100%移動(dòng)狀態(tài),而倒垃圾的80%狀態(tài)則慢慢變低,最后結(jié)束倒垃圾狀態(tài)。2024/11/2512

模糊狀態(tài)機(jī)_4另外,有限狀態(tài)機(jī)在條件一定的情況下,狀態(tài)是必定切換的,百試不爽,例如倒垃圾機(jī)器人,在識(shí)別到紅外線傳感器返回的值在30以下的時(shí)候,立刻切換到移動(dòng)狀態(tài)。如果我們使用的是模糊狀態(tài)機(jī),那么傳感器在30以下,有可能不會(huì)切換狀態(tài),但是有時(shí)候確又可以切換,其中的具體概率由你控制

模糊狀態(tài)機(jī)在狀態(tài)的切換條件上面有一定的概率性和集合。你可以在一個(gè)判斷集合中加入兩條以上的條件,來(lái)決定是否切到某狀態(tài),而且還可以給不同的狀態(tài)以不同的權(quán)重值。2024/11/2513

模糊狀態(tài)機(jī)_5例如機(jī)器人感知的紅外線并不明顯,比如小于40的情況,這時(shí)機(jī)器人不確定你是否真的伸手放上了垃圾,有可能是誤操作,這時(shí)他有可能根據(jù)不同的值,分配不同的權(quán)重,比如小于40時(shí),80%的待命狀態(tài),20%的移動(dòng)狀態(tài),小于30的時(shí)候,30%待命狀態(tài),70%的移動(dòng)狀態(tài),這時(shí)如果人喊“?！钡脑?那么還是可以補(bǔ)救的,因?yàn)闆](méi)有移動(dòng)多遠(yuǎn),如果人類沒(méi)有進(jìn)行干預(yù),那么機(jī)器人會(huì)慢慢的把移動(dòng)狀態(tài)加到100%,而待命狀態(tài)慢慢的降為0%并結(jié)束。也就是我們的機(jī)器人有了一定的誤識(shí)別補(bǔ)救措施。

2024/11/2514

模糊狀態(tài)機(jī)UML圖2024/11/2515

決策樹(shù)決策樹(shù)是在已知各種情況發(fā)生概率的基礎(chǔ)上,通過(guò)構(gòu)成決策樹(shù)來(lái)求取凈現(xiàn)值的期望值大于等于零的概率,由于這種決策分支畫成圖形很像一棵樹(shù)的枝干,故稱決策樹(shù)。在機(jī)器學(xué)習(xí)中,決策樹(shù)是一個(gè)預(yù)測(cè)模型,他代表的是對(duì)象屬性與對(duì)象值之間的一種映射。決策樹(shù)可以看成是模糊狀態(tài)機(jī)的一種升級(jí),可以把決策樹(shù)上的每個(gè)子結(jié)點(diǎn),想象成模糊狀態(tài)機(jī)中的子狀態(tài)。跟據(jù)不同的情況,切換不同的策略。決策樹(shù)可以靜態(tài)化,數(shù)據(jù)化,和可編輯化。2024/11/2516

決策樹(shù)例子在魔獸爭(zhēng)霸3的游戲中,電腦AI就使用的決策樹(shù)技術(shù),并在它的地圖編程器中提供了編輯方法。2024/11/2517如圖所示是魔獸爭(zhēng)霸3地圖編輯器中的決策樹(shù)編輯器,可以看到,電腦在英雄的選擇上面,有六套分支概率都是17%,電腦有17%的概率從六個(gè)主要分支中選一個(gè)其中一個(gè)分支。例如第一個(gè),首發(fā)圣騎士,次發(fā)大魔法師,三發(fā)山丘之山。召喚出這些英雄后,接下來(lái)就是考慮英雄如何升級(jí)技能,下面同樣有三個(gè)分支,如果英雄是第一個(gè)被召出來(lái)的,那么就有1號(hào)加點(diǎn)方案,如果是第二個(gè)被召出來(lái)的,那么就用2號(hào)加點(diǎn)方案。。。。這就是決策樹(shù)的特點(diǎn),分支嵌套分支。電腦AI的決策劇本,其實(shí)早已被人類編輯好,在游戲中只是照劇本演戲而已。

決策樹(shù)例子2024/11/2518決策樹(shù)還有一個(gè)重要的應(yīng)用領(lǐng)域就是專家系統(tǒng),由專家憑自己多年的經(jīng)驗(yàn)給你編輯的一棵決策樹(shù),例如一個(gè)火災(zāi)救援預(yù)案啟動(dòng)后,專家系統(tǒng)就會(huì)告訴你現(xiàn)在這個(gè)階段該干什么,比如問(wèn)你火災(zāi)是幾級(jí),你輸出1,那么專家系統(tǒng)會(huì)告訴你,首先要派出救援人員,然后向上級(jí)報(bào)告,做好之后,你發(fā)現(xiàn)傷員正在增加,對(duì)于不同的人數(shù),專家系統(tǒng)會(huì)告訴你在一級(jí)火災(zāi)的情況下,多少傷員,需派出多少醫(yī)療車,二級(jí)火災(zāi)的情況下,多少傷員,需派多少車,這些都是一個(gè)樹(shù)狀結(jié)構(gòu)。

專家系統(tǒng)2024/11/2519尋路技術(shù)也叫搜索算法,就是教機(jī)器人如何找東西的技術(shù),找的東西是多樣化的,可以找創(chuàng)意,找策略,找路徑,找物品,找一切一切。它們是通用的,也就是搜索算法相同,但是找的東西不一樣,這個(gè)是應(yīng)用非常廣泛的算法。以倒垃圾機(jī)器人為例,機(jī)器人其實(shí)是不清楚垃圾桶在那里的,他的移動(dòng)完全是固定死的,如果這個(gè)垃圾桶換了位置,那么他還將移動(dòng)到原先的地方。這里可以用到我們的尋路技術(shù),教機(jī)器人如何到達(dá)指定地點(diǎn),而且是走最短捷徑。首先尋路技術(shù)的前提是要給機(jī)器人一張地圖,告訴他那里有障礙物,那里是邊界。

尋路技術(shù)2024/11/2520尋路技術(shù)常用的算法有:1深度優(yōu)先算法2

廣度優(yōu)先算法3A星算法4迪杰斯特拉算法5D星算法

尋路技術(shù)2024/11/2521博弈論又被稱為對(duì)策論,主要研究公式化的激勵(lì)結(jié)構(gòu)間的相互作用。它是研究具有斗爭(zhēng)或競(jìng)爭(zhēng)性質(zhì)現(xiàn)象的數(shù)學(xué)理論和方法,總的來(lái)說(shuō),博弈論就是研究互動(dòng)決策的理論。所謂互動(dòng)決策,即各行動(dòng)方（即局中人）的決策是相互影響的,每個(gè)人在決策的時(shí)候必須將他人的決策納入自己的決策考慮之中,當(dāng)然也需要把別人對(duì)于自己的考慮也要納入考慮之中……在如此迭代考慮情形進(jìn)行決策,選擇最有利于自己的戰(zhàn)略。博弈論的核心原理只有三個(gè)步驟----規(guī)則、窮舉、收益。

博弈論2024/11/2522規(guī)則,是博弈論的第一個(gè)前提,就是它需要一個(gè)規(guī)則,它的計(jì)算結(jié)果只是在這個(gè)規(guī)則的范圍內(nèi)是終級(jí)策略。例如,象棋,圍棋,法律,游戲規(guī)則等。窮舉,博弈論的第二個(gè)前提,就是他所能掌握到的信息量,例如象棋圍棋,機(jī)器人是可以知道雙方所有信息的,這種博弈論可以發(fā)揮最大效果。而對(duì)于信息半透明的博弈中,機(jī)器人也可以在已知信息中計(jì)算出面對(duì)未知信息獲勝概率最高的那個(gè)策略,例如麻將,軍棋,商業(yè)經(jīng)濟(jì)競(jìng)爭(zhēng)。

博弈論2024/11/2523這就是博弈論唯一的缺點(diǎn),他不能面對(duì)已知信息極少的情況,信息掌握不全的時(shí)候,博弈論的效果將大打折扣。窮舉的原理就是,在規(guī)則已定的前提下,窮舉出該規(guī)則下我能做出的所有選擇以及后面N步的選擇。也就是說(shuō),和博弈論的電腦下棋,電腦已經(jīng)在心中模擬了你能做出的所有對(duì)策,以及電腦可以應(yīng)對(duì)的所有對(duì)策。收益,這是博弈論唯一關(guān)注的東西,其它的AI毫不關(guān)心,博弈論電腦只關(guān)心一件事情,那就是收益最大化,收益終級(jí)化。

博弈論2024/11/2524博弈論有一個(gè)經(jīng)典的案例，就是囚徒困境，它是一個(gè)非零和博弈。兩個(gè)囚徒甲和已，拿槍偷盜，事還沒(méi)成被警察抓了，跟據(jù)當(dāng)?shù)胤?，如果兩個(gè)人都承認(rèn)，那么都判10年，如果一人不承認(rèn)，另一人承認(rèn)并指認(rèn)同伙，那么這個(gè)人將無(wú)罪釋放，而被指認(rèn)的那個(gè)人將被判20年。如果兩個(gè)人都不承認(rèn)，將只是非法帶槍罪判1年。

問(wèn)題出來(lái)了:你如果是兩個(gè)囚徒中的一個(gè)，你會(huì)怎么選。

囚徒困境_12024/11/2525博弈論有兩種計(jì)算方式，一種是樹(shù)狀結(jié)構(gòu)的擴(kuò)展式博弈（類似決策樹(shù)），另一種是矩陣結(jié)構(gòu)的標(biāo)準(zhǔn)式博弈，兩種各有各的優(yōu)點(diǎn)，計(jì)算結(jié)果相同。我們以標(biāo)準(zhǔn)式為例：

對(duì)方認(rèn)罪的話我有兩個(gè)選擇，選認(rèn)罪10年,選不認(rèn)罪20年20>10結(jié)果是我認(rèn)罪是最優(yōu)戰(zhàn)略.對(duì)方不認(rèn)罪的話我也有兩個(gè)選擇，選認(rèn)罪0年選不認(rèn)罪1年1>0結(jié)果也是我認(rèn)罪是最優(yōu)戰(zhàn)略，也就是說(shuō)不管對(duì)方怎么選擇，我認(rèn)罪都是最優(yōu)戰(zhàn)略！最終博弈結(jié)果為雙方在不知對(duì)方選擇情況的時(shí)候，選認(rèn)罪是最優(yōu)戰(zhàn)略

囚徒困境_22024/11/2526

強(qiáng)人工智能強(qiáng)人工智能一詞最初是約翰.羅杰斯.希爾勒針對(duì)計(jì)算機(jī)和其它信息處理機(jī)器創(chuàng)造的,強(qiáng)人工智能觀點(diǎn)認(rèn)為計(jì)算機(jī)不僅是用來(lái)研究人的思維的一種工具；相反,只要運(yùn)行適當(dāng)?shù)某绦?計(jì)算機(jī)本身就是有思維。傳統(tǒng)上,利用計(jì)算機(jī)解決問(wèn)題時(shí),必須知道明確的程序?？墒?人即使在不清楚程序時(shí),根據(jù)發(fā)現(xiàn)而設(shè)法巧妙地解決了問(wèn)題。如識(shí)別書寫的文字、圖形、聲音等,所謂認(rèn)識(shí)模型就是一例。再有,能力因?qū)W習(xí)而得到的提高和歸納推理、依據(jù)類推而進(jìn)行的推理等,也是其例等。2024/11/2527群聚技術(shù)而群聚技術(shù),是面對(duì)兩個(gè)以上,或者成千上萬(wàn)個(gè)機(jī)器人共同運(yùn)動(dòng)時(shí)做出的智能反應(yīng)。群聚行為中每個(gè)單獨(dú)的個(gè)體都要考慮到周圍其它個(gè)體的狀況而做出決策。例如鄰近單位的位置,他們的方向,以及他們和自身有多接近等信息例如我們的倒垃圾機(jī)器人,如果有三個(gè)四個(gè)這樣的機(jī)器人同時(shí)工作,讓他們?cè)诓煌奈恢猛瑫r(shí)去相同的地方倒垃圾,這時(shí)就會(huì)有產(chǎn)生,碰撞,擁擠等問(wèn)題,群聚技術(shù)正是用來(lái)解決這些問(wèn)題的AI算法。2024/11/2528群聚技術(shù)_1而群聚技術(shù),是面對(duì)兩個(gè)以上,或者成千上萬(wàn)個(gè)機(jī)器人共同運(yùn)動(dòng)時(shí)做出的智能反應(yīng)。群聚行為中每個(gè)單獨(dú)的個(gè)體都要考慮到周圍其它個(gè)體的狀況而做出決策。例如鄰近單位的位置,他們的方向,以及他們和自身有多接近等信息例如我們的倒垃圾機(jī)器人,如果有三個(gè)四個(gè)這樣的機(jī)器人同時(shí)工作,讓他們?cè)诓煌奈恢猛瑫r(shí)去相同的地方倒垃圾,這時(shí)就會(huì)有產(chǎn)生,碰撞,擁擠等問(wèn)題,群聚技術(shù)正是用來(lái)解決這些問(wèn)題的AI算法。2024/11/2529群聚技術(shù)_2群聚技術(shù)核心原理：世界任何復(fù)雜的現(xiàn)象，都是有若干個(gè)簡(jiǎn)單的基本規(guī)律組成的，群聚技術(shù)也不例外。無(wú)論多么復(fù)雜的群聚技術(shù)，最終都可以化解為三種基本行為，就和紅綠藍(lán)三原色一樣，這就是凝聚、對(duì)齊、分隔！凝聚行為：每個(gè)單位都往其鄰近單位的平均位置行動(dòng)對(duì)齊行為：每個(gè)單位行動(dòng)時(shí)，都要把自已對(duì)齊在其鄰近單位的平均方向上。分隔行為：每個(gè)單位行動(dòng)時(shí)，要避免撞上其鄰近單位2024/11/2530群聚技術(shù)例子群聚技術(shù)有個(gè)很好用的開(kāi)源技術(shù)庫(kù)，opensteer

群聚技術(shù)應(yīng)用:領(lǐng)隊(duì)跟隨行為在群體中加入領(lǐng)頭者，就能讓群體的移動(dòng)更有目的性，或者看起來(lái)比較有智能。比如:戰(zhàn)爭(zhēng)模擬游戲中，計(jì)算機(jī)控制一群飛機(jī)追擊玩家?？梢宰屍渲械囊患茏鳛轭I(lǐng)頭者，其他飛機(jī)采用基本群聚規(guī)則跟著領(lǐng)頭者跑。在和玩家發(fā)生混戰(zhàn)時(shí)，可以適時(shí)關(guān)閉群聚規(guī)則，讓飛機(jī)分散進(jìn)攻。這個(gè)實(shí)際上應(yīng)用到了凝聚行為+分隔行為2024/11/2531遺傳算法遺傳算法（GeneticAlgorithm）是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過(guò)程的計(jì)算模型,是一種通過(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)解的方法。遺傳算法是從代表問(wèn)題可能潛在的解集的一個(gè)種群（population）開(kāi)始的,而一個(gè)種群則由經(jīng)過(guò)基因（gene）編碼的一定數(shù)目的個(gè)體遺傳算法是計(jì)算機(jī)科學(xué)人工智能領(lǐng)域中用于解決最優(yōu)化的一種搜索啟發(fā)式算法,是進(jìn)化算法的一種。進(jìn)化算法最初是借鑒了進(jìn)化生物學(xué)中的一些現(xiàn)象而發(fā)展起來(lái)的,這些現(xiàn)象包括遺傳、突變、自然選擇以及雜交等。2024/11/2532遺傳算法原理_1生物經(jīng)過(guò)許多世代的進(jìn)化,才能使生存和繁殖的任務(wù)獲得最大的成功,遺傳算法也遵循同樣的方式,需要經(jīng)過(guò)長(zhǎng)時(shí)間的成長(zhǎng)和演化,最后才能收斂到針對(duì)某類問(wèn)題的一個(gè)或多個(gè)解。所以遺傳算法和生命機(jī)體演化知識(shí)有關(guān)。從本質(zhì)上說(shuō),任何生物機(jī)體都是細(xì)胞的組合,而每個(gè)細(xì)胞都包含染色體的相同集合(也就是DNA鏈)。當(dāng)兩個(gè)生物進(jìn)行配對(duì)和復(fù)制時(shí),它們的染色體相互混合,產(chǎn)生一個(gè)由雙方基因組成的全新染色體組,這一過(guò)程就叫重組或雜交。2024/11/2533遺傳算法原理_2在生物的重組過(guò)程中,后代可能繼承上一代優(yōu)良的基因,也可能繼承它們的不良基因。繼承優(yōu)良的基因,后代可能更成功,更適應(yīng)環(huán)境,將有更多的機(jī)會(huì)進(jìn)行下一代重組。而不良基因,則可能導(dǎo)致不能再繼續(xù)重組了。這樣,每一代總是比父母一代更加完美,更加適應(yīng)環(huán)境另外,在基因傳遞給子孫后代的時(shí)候,會(huì)有很小的概率出現(xiàn)了差錯(cuò),使得基因得到微小的改變,這就使得生物體產(chǎn)生新的特征,這就是基因的變異。如果是成功的變異,將一代一代的傳遞下去。而不成功的變異,則最終將滅亡。這就是生物進(jìn)化的完成。2024/11/2534遺傳算法原理_3遺傳算法的工作過(guò)程實(shí)質(zhì)上就是模擬生物進(jìn)化,首先,確定一個(gè)編碼方法,使得你的問(wèn)題任一一個(gè)潛在可行解都能表示一個(gè)數(shù)字染色體,然后,創(chuàng)建一個(gè)由隨機(jī)的染色體組成的初始群體(每個(gè)染色體代表一個(gè)不同的候選群),接著,在一定的時(shí)期內(nèi),以培育適應(yīng)性最強(qiáng)個(gè)體的方法,讓他們進(jìn)化。其中,需要在某些染色體中間加入少量變異。經(jīng)過(guò)許多代以后,運(yùn)氣好的話,會(huì)收斂到一個(gè)解。遺傳算法不確保一定能找到解,也不確保這個(gè)解是最優(yōu)解。但遺傳算法的最大優(yōu)點(diǎn)是,你不需要知道怎么解決這個(gè)問(wèn)題,僅需要知道怎么用可行的方式對(duì)可行解進(jìn)行編碼,讓它能被遺傳算法機(jī)制使用。2024/11/2535遺傳算法進(jìn)化步驟隨機(jī)創(chuàng)建一定數(shù)目染色體,也就是一系列二進(jìn)制字符串(110101010)檢查每個(gè)染色體,看它解決問(wèn)題的性能如何,并相應(yīng)分配一個(gè)分?jǐn)?shù)從當(dāng)前群體選出兩個(gè)成員,選出的概率正比于染色體的分?jǐn)?shù),分?jǐn)?shù)越高,被選中的概率越大,常用方法有賭輪選擇法等。按照預(yù)先設(shè)置的雜交率,從每個(gè)選中染色體的一個(gè)隨機(jī)點(diǎn)上進(jìn)行雜交按照預(yù)先設(shè)置的變異率,通過(guò)對(duì)選中染色體位的循環(huán),把相應(yīng)的位進(jìn)行翻轉(zhuǎn)重復(fù)選擇步驟,直到和原來(lái)數(shù)目一樣的染色體新群體被創(chuàng)建出來(lái)。2024/11/2536遺傳算法常用概念_1賭輪選擇法是從染色體群體中選擇一些成員的方法，被選中的幾率和它們的適應(yīng)性分?jǐn)?shù)成比例，適應(yīng)性分?jǐn)?shù)越高的染色體，被選中的概率越大，但不能保證一定會(huì)被選中。其工作過(guò)程如下:將所有的適應(yīng)性分?jǐn)?shù)由一張餅圖來(lái)表示，這就和賭博的轉(zhuǎn)輪形式一樣，餅圖中塊的大小和適應(yīng)性分?jǐn)?shù)成正比，就好像賭輪一樣，旋轉(zhuǎn)這個(gè)輪盤，將一個(gè)小球跳入其中，等這個(gè)輪盤停下來(lái)的時(shí)候，看小球停在那一塊，就選中和它對(duì)應(yīng)的染色體。2024/11/2537遺傳算法常用概念_2雜交率是用來(lái)確定兩個(gè)染色體進(jìn)行局互換以產(chǎn)生兩個(gè)新的子代的概率，實(shí)驗(yàn)室表明一般取數(shù)值0.7比較理想。具體工作過(guò)程如下:每一次從群體中選擇兩個(gè)染色體，然后從0到1之間生成一個(gè)隨機(jī)數(shù)，根據(jù)這個(gè)隨機(jī)數(shù)來(lái)確定需不需要雜交，如果低于數(shù)值(0.7)，就進(jìn)行雜交，然后從染色體中隨機(jī)選擇一個(gè)位置，然后把位置后的位全部置換例如字符串1000100100101001和0001001001110101，隨機(jī)選擇一個(gè)位置，比如說(shuō)第10位，互換第10位以后的所有位，然后字符串就變成1000100100110101和00010010011010012024/11/2538遺傳算法常用概念_3變異率是在一個(gè)染色體將位實(shí)現(xiàn)翻轉(zhuǎn)(即0變1,1變0)的概率,這個(gè)值一般都是設(shè)置得比較低。例如0.001.因此,無(wú)論在群體中怎么選擇染色體,首先應(yīng)該檢查是否需要雜交,然后在從頭到尾檢查子代染色體的位,并按規(guī)定的幾率對(duì)其中的某些位進(jìn)行突變,也就是翻轉(zhuǎn)。2024/11/2539遺傳算法例子以一個(gè)尋找路徑的問(wèn)題,來(lái)看看遺傳算法是怎樣工作的首先用程序建立一個(gè)迷宮,左邊有一個(gè)入口,右邊有一個(gè)出口。并有一些障礙物在其中。如下圖,1表示障礙,5表示入口,8表示出口2024/11/2540遺傳算法例子然后對(duì)染色體進(jìn)行編碼。每個(gè)染色體將迷宮的每一步記錄下來(lái)。迷宮的行走有四個(gè)方向,對(duì)著四個(gè)方向進(jìn)行編碼二進(jìn)制十進(jìn)制代表的方向000向北011向南102向東113向西這樣,就可以根據(jù)一個(gè)隨機(jī)的二進(jìn)制字符串,來(lái)決定迷宮的行走例如11,11,01,00,11,10,11,00,11,01,…….2024/11/2541然后，生成一定數(shù)量的隨機(jī)字符串。根據(jù)這些方向一步步進(jìn)行迷宮行走，如果碰到障礙物就執(zhí)行下一條指令，直到用完所有的指令或者找到迷宮出口。遺傳算法以這些初始群體來(lái)測(cè)試它們每一個(gè)離迷宮出口有多遠(yuǎn)，然后讓那些表現(xiàn)好的來(lái)孵化后代，不停重復(fù)，直到找到迷宮出口。在這個(gè)遺傳算法例子中，有四個(gè)參數(shù)最重要:雜交率，一般設(shè)成0.7；變異率，一般設(shè)成0.001初始群體數(shù)量；染色體長(zhǎng)度，也就是字符串長(zhǎng)度。遺傳算法例子2024/11/2542另外,在這個(gè)例子中,還有一個(gè)重要的函數(shù),就是計(jì)算適應(yīng)性分?jǐn)?shù)。這里用兩個(gè)距離來(lái)決定的intDIFFX=abs(posx–m_iEndx)intDIFFY=abs(posy–m_iEndy)其中DIFFX,DIFFY是最終到達(dá)坐標(biāo)相對(duì)于迷宮出口的水平和垂直距離,而適應(yīng)性分?jǐn)?shù)就是把這兩個(gè)距離加起來(lái)求倒數(shù)1/(double)(DIFFX+DIFFY+1)遺傳算法例子2024/11/2543然后，生成一定數(shù)量的隨機(jī)字符串。根據(jù)這些方向一步步進(jìn)行迷宮行走，如果碰到障礙物就執(zhí)行下一條指令，直到用完所有的指令或者找到迷宮出口。遺傳算法以這些初始群體來(lái)測(cè)試它們每一個(gè)離迷宮出口有多遠(yuǎn)，然后讓那些表現(xiàn)好的來(lái)孵化后代，不停重復(fù)，直到找到迷宮出口。在這個(gè)遺傳算法例子中，有四個(gè)參數(shù)最重要:雜交率，一般設(shè)成0.7；變異率，一般設(shè)成0.001初始群體數(shù)量；染色體長(zhǎng)度，也就是字符串長(zhǎng)度。遺傳算法例子2024/11/2544學(xué)習(xí)遺傳算法只有通過(guò)自己編程,實(shí)驗(yàn)各種參數(shù),才能學(xué)得更快,從而培養(yǎng)出一種感覺(jué),知道什么可以什么不可以。在現(xiàn)在的發(fā)展中,遺傳算法還沒(méi)有什么通用的規(guī)則,這使得它具有一定的藝術(shù)性。只有時(shí)間和實(shí)踐能夠使編程者明白,對(duì)于特定的問(wèn)題,采用多大的種子群才合適,需要設(shè)置多大的變異率才合理。遺傳算法說(shuō)明2024/11/2545神經(jīng)網(wǎng)絡(luò)技術(shù)人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetworks,簡(jiǎn)寫為ANNs）也簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)（NNs）或稱作連接模型（ConnectionModel）,它是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征,進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度,通過(guò)調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系,從而達(dá)到處理信息的目的。神經(jīng)網(wǎng)絡(luò)是通過(guò)對(duì)人腦的基本單元—神經(jīng)元的建模和聯(lián)接,探索模擬人腦神經(jīng)系統(tǒng)功能的模型,并研制一種具有學(xué)習(xí)、聯(lián)想、記憶和模式識(shí)別等智能信息處理功能的人工系統(tǒng)。2024/11/2546神經(jīng)網(wǎng)絡(luò)原理因?yàn)槿斯ど窠?jīng)網(wǎng)絡(luò)是仿造生物大腦來(lái)進(jìn)行工作的，所以，我們首先要連接大腦是如何工作的。大腦有兩層，灰色的外層和白色的內(nèi)層，其中灰色層只有幾毫米厚，但它壓縮了幾十億個(gè)微小的神經(jīng)細(xì)胞，而白色層在灰色層下面，是由無(wú)數(shù)神經(jīng)細(xì)胞組成，神經(jīng)細(xì)胞的結(jié)構(gòu)入下圖所示:神經(jīng)細(xì)胞由一個(gè)細(xì)胞體,一些樹(shù)突和一根很長(zhǎng)的軸突組成。2024/11/2547神經(jīng)網(wǎng)絡(luò)原理神經(jīng)細(xì)胞體是一個(gè)星形的球狀物,里面有一個(gè)細(xì)胞核。樹(shù)突從細(xì)胞體向各個(gè)方向長(zhǎng)出,本身有分支,它們是用來(lái)接收信號(hào)的,軸突也有很多分支,通過(guò)分支的末梢和其他神經(jīng)細(xì)胞的樹(shù)突相接觸,形成所謂的突觸,神經(jīng)細(xì)胞通過(guò)軸突和突觸將產(chǎn)生的信號(hào)發(fā)送到其他神經(jīng)細(xì)胞每個(gè)神經(jīng)細(xì)胞通過(guò)樹(shù)突和大概1萬(wàn)個(gè)其他神經(jīng)細(xì)胞相連,這使得人的大腦中所有神經(jīng)細(xì)胞之間的連接可能有10000000億個(gè)。神經(jīng)細(xì)胞通過(guò)電化學(xué)過(guò)程來(lái)交換信號(hào)。輸入信號(hào)來(lái)自其他的神經(jīng)細(xì)胞。信號(hào)在大腦的傳遞是一個(gè)相當(dāng)復(fù)雜的過(guò)程。2024/11/2548神經(jīng)網(wǎng)絡(luò)原理神經(jīng)細(xì)胞的信號(hào)可以看成和計(jì)算機(jī)一樣,用一系列的0和1進(jìn)行操作。大腦的細(xì)胞也只有兩種狀態(tài),興奮和不興奮。神經(jīng)細(xì)胞用一種我們還不知道的方法,將所有樹(shù)突進(jìn)來(lái)的信號(hào)進(jìn)行相加,如果信號(hào)超過(guò)閥值,將使得細(xì)胞進(jìn)行興奮狀態(tài),否則將處于抑制狀態(tài),由于細(xì)胞數(shù)量巨大,使得大腦具有很強(qiáng)的能力,例如人類大腦就具有以下的能力能實(shí)現(xiàn)無(wú)監(jiān)督的學(xué)習(xí),大腦能夠?qū)崿F(xiàn)自我學(xué)習(xí),而不需要導(dǎo)師的教導(dǎo)。如果神經(jīng)細(xì)胞在一段時(shí)間內(nèi)收到高強(qiáng)度的刺激,則它和輸入信號(hào)的神經(jīng)細(xì)胞之間的連接強(qiáng)度將會(huì)改變,使得該神經(jīng)細(xì)胞收到下一次刺激更容易興奮。2024/11/2549神經(jīng)網(wǎng)絡(luò)原理對(duì)損傷有冗余性,大腦即使有一部分受到傷害,也能執(zhí)行復(fù)雜的工作,例如科學(xué)家曾切除老鼠的一部分腦細(xì)胞,老鼠還是能找到迷宮。處理信息的效率極高,由于神經(jīng)細(xì)胞采用并行工作方式,所以雖然神經(jīng)細(xì)胞的工作頻率很低,只有100HZ,但大腦能夠同時(shí)處理大量的數(shù)據(jù),例如大腦處理通過(guò)視網(wǎng)膜的一幅圖像時(shí),只需要100MS就能完成善于歸納總結(jié),大腦最擅長(zhǎng)的一件事,就是模式識(shí)別,能夠根據(jù)已經(jīng)熟悉的信息進(jìn)行歸納推廣。大腦是有意識(shí)的。2024/11/2550人工神經(jīng)網(wǎng)絡(luò)例子神經(jīng)網(wǎng)絡(luò)有一款比較好的游戲,蟲腦--BugBrain。他是神經(jīng)網(wǎng)絡(luò)入門的最好游戲之一,可以說(shuō),玩通這款游戲,你的神經(jīng)網(wǎng)絡(luò)就已經(jīng)基本入門了。BugBrain將讓你從零開(kāi)始構(gòu)造一個(gè)大腦,你開(kāi)始完成的可能只是一個(gè)簡(jiǎn)單的電路,之后從生物思考最原始的原理出發(fā)完成的是一個(gè)瓢蟲的大腦,他有躲天敵,越障礙等生物智能,之后你將給這個(gè)大腦加上學(xué)習(xí)和記憶的能力,最終你將編輯人的大腦。最終關(guān)將開(kāi)放神經(jīng)元編輯器2024/11/2551人工神經(jīng)網(wǎng)絡(luò)例子第一關(guān)相當(dāng)簡(jiǎn)單,沒(méi)有神經(jīng)元,紅色是輸入,藍(lán)色是輸出,紅色輸入設(shè)備為一個(gè)電源按鈕,按下就通電,藍(lán)色輸出設(shè)備為一個(gè)燈炮,只要將輸入和輸出用一跟黃色的神經(jīng)聯(lián)起來(lái),這關(guān)就過(guò)了,在右邊的調(diào)試器上,我們可以看到紅色設(shè)備的信號(hào)強(qiáng)度,和藍(lán)色設(shè)備的信號(hào)強(qiáng)度。2024/11/2552人工神經(jīng)網(wǎng)絡(luò)例子下一關(guān)左邊的紅色輸出電流信號(hào)會(huì)從弱變強(qiáng),再由強(qiáng)變?nèi)?反復(fù)運(yùn)行,信號(hào)強(qiáng)度從0-100這一關(guān)的科學(xué)家要得到的結(jié)果是信號(hào)強(qiáng)度>80時(shí),燈炮才亮,而<80時(shí),燈炮熄滅。

這時(shí)我們就要用到神經(jīng)元,拖一個(gè)大綠球,這個(gè)就是神經(jīng)元,神經(jīng)元的兩端分別用神經(jīng)連接輸入設(shè)備和輸出設(shè)備。這時(shí)我們?cè)俅伍_(kāi)啟測(cè)試,發(fā)現(xiàn)結(jié)果沒(méi)有變化,依然什么樣的輸入,就有什么樣的輸出,燈光忽暗忽滅,達(dá)不到最終要求。我們右鍵點(diǎn)擊這個(gè)大綠球神經(jīng)元,可以看到原來(lái)神經(jīng)元有個(gè)重要功能就是閥值。2024/11/2553人工神經(jīng)網(wǎng)絡(luò)例子我們把這個(gè)神經(jīng)元的閥值設(shè)置成80,這一關(guān)就順利通過(guò)了。閥值為80的意義在于,只有輸入進(jìn)來(lái)的信號(hào)大于80,才進(jìn)行輸出。這樣在紅色輸入設(shè)備的信號(hào)強(qiáng)度沒(méi)有到80前,這個(gè)神經(jīng)元都不會(huì)輸出任何東西,只有超過(guò)了80,燈炮才被點(diǎn)亮,之后慢慢的輸入設(shè)備的信號(hào)又降到了80以下,燈炮就會(huì)再次得不到輸出而熄滅。2024/11/2554人工神經(jīng)網(wǎng)絡(luò)例子我們?cè)賮?lái)關(guān)注一下和神經(jīng)元左邊的藍(lán)色突起小球,這個(gè)東西叫突觸,突觸的主要功能,你可以將它想象成電阻,他可以限制或加強(qiáng)輸入的信號(hào)強(qiáng)度。例如。我們把突觸的權(quán)重值設(shè)為50,就代表輸入設(shè)備的信號(hào)0-100,被壓縮成為0-50,輸入信號(hào)為10的時(shí)候,經(jīng)過(guò)突觸后傳給神經(jīng)元的其實(shí)是5,輸入信號(hào)為20的時(shí)候,經(jīng)過(guò)突觸后傳給神經(jīng)元的其實(shí)是10.。2024/11/2555人工神經(jīng)網(wǎng)絡(luò)例子其實(shí)再?gòu)?fù)雜的智能和思考,說(shuō)到最后,都是生物電通過(guò)無(wú)數(shù)個(gè)突觸和神經(jīng)元完成的,給我一個(gè)電阻和一個(gè)閥值,就能通過(guò)無(wú)數(shù)的神經(jīng)元聯(lián)接來(lái)創(chuàng)造無(wú)比復(fù)雜的智能與思考。假如我們小的時(shí)候被蛇咬過(guò),那么我們關(guān)聯(lián)到存儲(chǔ)蛇信息的神經(jīng)元的閥值就會(huì)特別高,導(dǎo)致信號(hào)無(wú)法輸出,如果沒(méi)有特別高的信號(hào)刺激你,你是不會(huì)去摸蛇的,當(dāng)你面臨生命危險(xiǎn),必須抓住一條蛇來(lái)充饑時(shí),這時(shí)大腦給你的信號(hào)強(qiáng)度就會(huì)超過(guò)這個(gè)神經(jīng)元的閥值,于是你發(fā)現(xiàn)你突然就敢抓蛇了。一切一切的思考過(guò)程,都可以用神經(jīng)元與突觸創(chuàng)造.2024/11/2556人工神經(jīng)網(wǎng)絡(luò)要?jiǎng)?chuàng)建一個(gè)人工神經(jīng)網(wǎng)絡(luò),就需要和大腦一樣,將許多的神經(jīng)細(xì)胞相互連接在一起。為此有許多的連接方式。其中最常見(jiàn)的,就是如下圖所示,將神經(jīng)細(xì)胞一層層連接在一起,這也叫前饋神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)中的每一層的細(xì)胞輸出都向前饋送到它們的下一層,直到獲得網(wǎng)絡(luò)的輸出2024/11/2557人工神經(jīng)網(wǎng)絡(luò)一個(gè)人工神經(jīng)網(wǎng)絡(luò),肯定有一個(gè)輸出層,一個(gè)輸入層,中間還有0~n個(gè)隱藏層,在處理大多數(shù)問(wèn)題的時(shí)候,一個(gè)隱藏層就足夠了,每一層都有任意個(gè)神經(jīng)細(xì)胞,這取決于問(wèn)題的復(fù)雜度,神經(jīng)細(xì)胞愈多,網(wǎng)絡(luò)的工作速度越慢,所以,一般來(lái)說(shuō),要求網(wǎng)絡(luò)的規(guī)模盡可能的保持小。另外,在圖中,盡管沒(méi)標(biāo)記,必須注意到每一個(gè)箭頭指向的連線上,都要有一個(gè)權(quán)重(縮放)值,輸入層的每個(gè)節(jié)點(diǎn),都要與的隱藏層每個(gè)節(jié)點(diǎn)做點(diǎn)對(duì)點(diǎn)的計(jì)算,計(jì)算的方法是加權(quán)求和+激活。2024/11/2558人工神經(jīng)網(wǎng)絡(luò)利用隱藏層計(jì)算出的每個(gè)值,再用相同的方法,和輸出層進(jìn)行計(jì)算。

隱藏層一般都是用Sigmoid作激活函數(shù),而輸出層用的是Purelin。這是因?yàn)镻urelin可以保持之前任意范圍的數(shù)值縮放,便于和樣本值作比較,而Sigmoid的數(shù)值范圍只能在0~1之間起初輸入層的數(shù)值通過(guò)網(wǎng)絡(luò)計(jì)算分別傳播到隱藏層,再以相同的方式傳播到輸出層,最終的輸出值和樣本值作比較,計(jì)算出誤差,這個(gè)過(guò)程叫前向傳播(ForwardPropagation)。2024/11/2559反向傳播算法事實(shí)上，網(wǎng)絡(luò)的每條連接線上都有一個(gè)權(quán)重參數(shù)，如何有效的修改這些參數(shù)，使誤差最小化，成為一個(gè)很棘手的問(wèn)題。從人工神經(jīng)網(wǎng)絡(luò)誕生的60年代，人們就一直在不斷嘗試各種方法來(lái)解決這個(gè)問(wèn)題。直到80年代，誤差反向傳播算法(BP算法)的提出，才提供了真正有效的解決方案，使神經(jīng)網(wǎng)絡(luò)的研究絕處逢生。BP算法是一種計(jì)算偏導(dǎo)數(shù)的有效方法，它的基本原理是:利用前向傳播最后輸出的結(jié)果來(lái)計(jì)算誤差的偏導(dǎo)數(shù)，再用這個(gè)偏導(dǎo)數(shù)和前面的隱藏層進(jìn)行加權(quán)求和，如此一層一層的向后傳下去，直到輸入層(不計(jì)算輸入層)，最后利用每個(gè)節(jié)點(diǎn)求出的偏導(dǎo)數(shù)來(lái)更新權(quán)重。2024/11/2560人工神經(jīng)網(wǎng)絡(luò)例子假如我們有一組數(shù)測(cè)量據(jù)如下:

我們利用這組數(shù)據(jù)來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)。