人工智能及其應(yīng)用chapter7_071106課件

1、 7.1 分層設(shè)計(jì)原理分層設(shè)計(jì)的基本思想: 將初始問(wèn)題分解為等效的幾個(gè)子問(wèn)題；對(duì)每個(gè)子問(wèn)題進(jìn)行分析；如果必要繼續(xù)分解子問(wèn)題，直到子問(wèn)題能夠用程序設(shè)計(jì)語(yǔ)言將其輕而易舉地表達(dá)清楚為止?？捎脴?shù)狀結(jié)構(gòu)表示分層設(shè)計(jì)的結(jié)果。人工智能及其應(yīng)用1 7.1 分層設(shè)計(jì)原理例： 求一組數(shù)的平均值 初始化：提示信息，輸入一組數(shù)字。 計(jì)算：計(jì)算這組數(shù)的累加和，計(jì)算平均值。 輸出：輸出解釋信息、程序運(yùn)行結(jié)果。人工智能及其應(yīng)用2 求平均值的分層設(shè)計(jì)過(guò)程 下圖為分層設(shè)計(jì)結(jié)果 人工智能及其應(yīng)用3 求平均值的分層設(shè)計(jì)過(guò)程此設(shè)計(jì)結(jié)果描述為Prolog程序：/*Program */DOMA

2、INSn=integers,ave=realslist=integer*PREDICATESinit(n,slist)calc(n,slist,ave)averagesum(slist,s) input(n,slist)output(ave)人工智能及其應(yīng)用4CLAUSESaverage :- init(N,List), calc(N,List,Ave), output(Ave).init(N,List) :- write(“Calculate the average of a list of numbers.n), nl, write(How many numbers ? ), readin

3、t(N), nl, write(Now type in ), write(N), write(Numbers), nl, nl,input(N,List). calc(N,List,Ave) :- sum(List,Sum), Ave=Sum/N.output(Ave) :- nl, nl, write(The average of your numbers is =), write(Ave), nl, nl.input(0,) :- !.input(N,H|T) :- readint(H), M = N - 1, input(M,T).sum(,0) :- !.sum(H|T,S) :- s

4、um(T,S1), S=H+S1.GOALaverage.人工智能及其應(yīng)用5 7.2 智能識(shí)別系統(tǒng) 問(wèn)題描述 系統(tǒng)結(jié)構(gòu)與設(shè)計(jì) 智能識(shí)別系統(tǒng)的使用人工智能及其應(yīng)用6 問(wèn)題描述Kennel俱樂(lè)部關(guān)于種狗的分類：人工智能及其應(yīng)用7 系統(tǒng)結(jié)構(gòu)與設(shè)計(jì)識(shí)別用戶的狗。把識(shí)別結(jié)果輸出給用戶。顯示提示信息。清除識(shí)別過(guò)程中的中間結(jié)果及信息。人工智能及其應(yīng)用8 系統(tǒng)結(jié)構(gòu)與設(shè)計(jì)即“dogs”系統(tǒng)的最高層目標(biāo)可以用Prolog的規(guī)則表示如下： dogs :- init, identify(Dog), outmessage(Dog), forget.此最高層目標(biāo)說(shuō)明了整個(gè)程序由以下四個(gè)子目標(biāo)組成：Init顯示提示信息，告

5、訴用戶程序的目的和操作方法。identify識(shí)別用戶的狗。out_message把識(shí)別結(jié)果輸出給用戶，輸出信息中包括狗的種類名；或者告訴用戶無(wú)法識(shí)別狗品種的原因。forget從系統(tǒng)中清除掉剛才識(shí)別過(guò)的狗的信息，以避免在識(shí)別另一只狗時(shí)發(fā)生混淆。人工智能及其應(yīng)用9 智能識(shí)別系統(tǒng)的使用例：“dogs”智能識(shí)別系統(tǒng)識(shí)別純種狗greyhound (1) 運(yùn)行該系統(tǒng)時(shí)，在用戶終端上會(huì)顯示出下述信息： This is a program to identify predigree dogs,according to the groupings of the Kennel Club of Great Brit

6、ain.The program will ask you a series of questions to which you must answer yes or no.The program will then attempt to identify your dog.Press the return key to continue. 在按下回車鍵之后，系統(tǒng)將向用戶提出一系列問(wèn)題，用戶要用“yes”或“no”來(lái)回答。下面就是這些問(wèn)答信息和系統(tǒng)推出的識(shí)別結(jié)果。 人工智能及其應(yīng)用10 智能識(shí)別系統(tǒng)的使用Is it a hunting dog that tracks by sight or sc

7、ent? yes.Is it a muscular dog? yes.Is it a compact dog? no.Does it have a short coat? yes.Is it used for racing? yes.*Your dog is a(n)greyhoundProgram finished.Do you wish to run the program again? no.人工智能及其應(yīng)用11 智能識(shí)別系統(tǒng)的使用 (2)而下面的對(duì)話告訴我們，當(dāng)該系統(tǒng)無(wú)法識(shí)別用戶的狗品種時(shí)，它是如何回答的： Is it a hunting dog that tracks by sigh

8、t or scent? yes. Is it a muscular dog? no. * Failure! I cannot identify your dog. Program finished. 當(dāng)系統(tǒng)識(shí)別不出這只狗時(shí)，系統(tǒng)會(huì)再次詢問(wèn)用戶是否希望重新運(yùn)行這一程序。如果回答“no”，系統(tǒng)就會(huì)終止。 Do you wish to run the Program again? no.人工智能及其應(yīng)用127.3 智能診斷系統(tǒng) 問(wèn)題描述及系統(tǒng)開(kāi)發(fā)方法 系統(tǒng)結(jié)構(gòu)與設(shè)計(jì) 智能診斷系統(tǒng)的使用人工智能及其應(yīng)用13 問(wèn)題描述及系統(tǒng)開(kāi)發(fā)方法可信度一般形式 : 如果: 條件(X1)的可信度為(Y1)且 條件(X2

9、)的可信度為(Y2)且 條件(X3)的可信度為(Y3)且 則有：結(jié)論(X)的可信度為(Y)。人工智能及其應(yīng)用14 問(wèn)題描述及系統(tǒng)開(kāi)發(fā)方法開(kāi)發(fā)智能診斷系統(tǒng)的過(guò)程可分為下列五個(gè)步驟： (1)確定問(wèn)題范圍:即確定對(duì)象問(wèn)題的范圍，以及問(wèn)題范圍內(nèi)所涉及的領(lǐng)域、對(duì)象和關(guān)系。本例將介紹的營(yíng)養(yǎng)分析系統(tǒng)其知識(shí)范圍包括了13種營(yíng)養(yǎng)缺乏癥，涉及的對(duì)象是45種癥狀，對(duì)象的全體構(gòu)成了深度優(yōu)先逆向推理系統(tǒng)。(2)收集事實(shí):即收集支持每個(gè)營(yíng)養(yǎng)缺乏癥所需要的事實(shí)。有關(guān)營(yíng)養(yǎng)分析的事實(shí)表列出了開(kāi)發(fā)一個(gè)營(yíng)養(yǎng)分析系統(tǒng)所需的事實(shí)，它們是按照各種缺乏癥及其相關(guān)癥狀分別排列的。 人工智能及其應(yīng)用15序號(hào)缺 乏 癥癥 狀1維生素A缺乏癥Bi

10、tot氏斑(眼球上的白色斑點(diǎn))；夜盲癥(暗處眼睛無(wú)調(diào)節(jié)能力)；麥粒腫，結(jié)膜炎；牙齦脆弱、出血；皮膚粗糙、干燥、發(fā)紅；粉刺、痤瘡；2維生素B1缺乏癥弱視(視力模糊)；神經(jīng)過(guò)敏；智力減退；健忘；遲鈍，浮腫；厭食；精神混亂；精神不易集中；眩暈；皮膚潰瘍3維生素B2缺乏癥眼球發(fā)紅，對(duì)光敏感；角膜潰瘍；紫舌；嘴裂；眩暈；皮膚潰瘍；油性皮膚；遲鈍、浮腫4維生素B3缺乏癥舌、嘴、牙齦、口腔潰瘍；紅舌；精神過(guò)敏、抑郁；憂慮、易疲勞、失眠；精神抑郁；皮膚干燥、發(fā)暗、有鱗屑；消化不良5維生素B5缺乏癥關(guān)節(jié)炎；巨舌；嘴裂；脹肚；精神、抑郁；眩暈；角膜潰瘍6維生素B6缺乏癥角膜潰瘍；舌、嘴、齒齦潰瘍；嘴裂；(婦女)體

11、內(nèi)積水7維生素B12缺乏癥光舌或亮舌；條件反射慢；口吃；精神不易集中、抑郁8維生素C缺乏癥傷口愈合慢；對(duì)傳染病的抵抗力低；角膜潰瘍；牙齦脆弱、出血；口腔潰瘍；關(guān)節(jié)炎；粉刺，痤瘡；皮膚干裂；營(yíng)養(yǎng)缺乏癥及其癥狀表現(xiàn)事實(shí)表 人工智能及其應(yīng)用16 問(wèn)題描述及系統(tǒng)開(kāi)發(fā)方法(3)列事實(shí)表:用上表描述中的事實(shí)可得到下頁(yè)事實(shí)表(全表見(jiàn)書(shū)中表7-2)。其中，用列表示結(jié)論（即缺乏癥），用行表示證據(jù)（即癥狀）。相關(guān)的結(jié)論與證據(jù)用行、列交叉點(diǎn)處加“”標(biāo)記表示。(4)事實(shí)分組：對(duì)事實(shí)表中的癥狀進(jìn)行分組，盡量把相似的癥狀放在一起。本例僅采用一級(jí)分組，分組結(jié)果見(jiàn)事實(shí)分組表。 (5)編寫(xiě)程序人工智能及其應(yīng)用17缺乏癥癥狀A(yù)B

12、1B2B3B5B6B12CE鈣葉酸鐵蛋白質(zhì)Bitot氏斑(眼) 夜盲癥麥粒腫，結(jié)膜炎事實(shí)表人工智能及其應(yīng)用18缺乏癥癥狀A(yù)B1B2B3B5B6B12CE鈣葉酸鐵蛋白質(zhì)眼睛Bitot氏斑(眼)夜盲癥麥粒腫，結(jié)膜炎弱視眼球發(fā)紅，對(duì)光敏感角膜潰瘍事實(shí)分組表人工智能及其應(yīng)用19系統(tǒng)結(jié)構(gòu)與設(shè)計(jì)分層設(shè)計(jì):輸入癥狀智能診斷 清空數(shù)據(jù)庫(kù) 退出人工智能及其應(yīng)用20 系統(tǒng)結(jié)構(gòu)與設(shè)計(jì)頂層菜單式規(guī)則： go_once_read_choice(1) :- go_choice(1), go_once, !. go_once_read_choice(4) :- !.go_once_read_choice(_):-write

13、(“choice error”), nl, write(“Please make option again(“1-4):”), nl, readint(Choice), go_once_read_choice(Choice).第一個(gè)go_once_read_choice(1)規(guī)則表示進(jìn)入第一個(gè)功能分支輸入癥狀。進(jìn)入“智能診斷”或“清空數(shù)據(jù)庫(kù)”與此同理。第二個(gè)go_once_read_choice(4)規(guī)則表示退出系統(tǒng)。第三個(gè)go_once_read_choice(_)規(guī)則表示用戶沒(méi)有輸入1-4的選項(xiàng)時(shí)，要求重新輸入，直到輸入合法的選項(xiàng)為止。 人工智能及其應(yīng)用21第二級(jí)菜單式規(guī)則：(1)輸入癥狀

14、： go_choice(1)為用戶提供了“眼睛、嘴、骨骼”共7大類輸入癥狀選項(xiàng)以及退出功能。branch_main是某一大類中的癥狀分類子菜單，規(guī)則設(shè)計(jì)方法與go_choice類似。go_choice(1) :- write(“*”),nl, write(“ The Enter Symptom_1 Menu”), nl, write(“*”),nl, write(“please select category of symptom:”), nl, write(“=1:Eyesn”, “=2:Mouthn” ), nl, readint(Choice), branch_main(Choice),

15、 Choice0, Choice=0.19, setflag1, nl, write(“Theres evidence of a”,Deficiency), write(“deficiency”,N), nl.writeout(_,_).人工智能及其應(yīng)用23第二級(jí)菜單式規(guī)則：(3)清空數(shù)據(jù)庫(kù) ： go_choice(3)進(jìn)入清空數(shù)據(jù)庫(kù)這一功能分支，系統(tǒng)采用clear_facts謂詞分別來(lái)清除事實(shí)數(shù)據(jù)庫(kù)中的癥狀、營(yíng)養(yǎng)缺乏癥、姓名、性別、年齡等信息，為下一次運(yùn)行做好準(zhǔn)備。 例如清除癥狀數(shù)據(jù)庫(kù)為：clear_facts :- retract(xpositive(_,_), fail.人工智能及其應(yīng)用

16、24 智能診斷系統(tǒng)的使用 第一步：清空事實(shí)數(shù)據(jù)庫(kù);第二步：輸入癥狀; 第三步：執(zhí)行診斷;第四步：顯示最后診斷結(jié)果。人工智能及其應(yīng)用25 7.4 智能規(guī)劃系統(tǒng) 規(guī)劃問(wèn)題 系統(tǒng)結(jié)構(gòu)與設(shè)計(jì) 智能規(guī)劃系統(tǒng)的使用人工智能及其應(yīng)用26規(guī)劃問(wèn)題智能系統(tǒng)在AI應(yīng)用系統(tǒng)中的級(jí)別： 例：以在給定房間中安置特定家具為實(shí)例，介紹智能規(guī)劃系統(tǒng)的設(shè)計(jì)思想。如下頁(yè)圖所示，該智能規(guī)劃系統(tǒng)首先應(yīng)該接受給定的房間基本信息和欲安置家具基本信息，然后依次掃描合適的安置條件，直至達(dá)到最終規(guī)劃目標(biāo)。 人工智能及其應(yīng)用27 規(guī)劃問(wèn)題房間內(nèi)家具安置的正向推理路徑：人工智能及其應(yīng)用28 系統(tǒng)結(jié)構(gòu)與設(shè)計(jì) 系統(tǒng)分層設(shè)計(jì)：數(shù)據(jù)庫(kù)初始化。輸入原始數(shù)據(jù)

17、。掃描條件子句，尋找成功的匹配。掃描動(dòng)作子句。程序不斷地進(jìn)行掃描。人工智能及其應(yīng)用29 系統(tǒng)結(jié)構(gòu)與設(shè)計(jì)系統(tǒng)中的知識(shí)可用如下一系列規(guī)則表達(dá)：規(guī)則1 : IF 條件1 THEN 目標(biāo)1規(guī)則2 : IF 條件2 THEN 動(dòng)作1規(guī)則3 : IF 目標(biāo)1 AND 條件3 THEN 動(dòng)作2參照上頁(yè)圖，可通過(guò)下述規(guī)則實(shí)現(xiàn)正向推理策略：run :- initialize, input_data, /* Get the input data */ scan_conditions(A, B, C), /* Scan for a matching condition set */ try_action(A, B,

18、 C), /* Scan for the corresponding goal & action */ fail.run :- print_summary. /* Print the planning result */人工智能及其應(yīng)用30 智能規(guī)劃系統(tǒng)的使用 (1)initialize：將相關(guān)的房間初始信息送入事實(shí)數(shù)據(jù)庫(kù)； (2)input_data：通過(guò)與用戶會(huì)話獲得各個(gè)欲安置家具的名稱、尺寸，房間內(nèi)門窗的方位及尺寸信息，以及電源插座的位置信息。 (3)scan_conditions：尋求匹配的可安置條件，并尋找對(duì)應(yīng)的try_action動(dòng)作子句，嘗試完成各項(xiàng)家具的安置規(guī)劃。 (4)pri

19、nt_summary：系統(tǒng)輸出已安置的規(guī)劃結(jié)果及未安置的家具，并根據(jù)現(xiàn)有房間條件和安置結(jié)果輸出建議用戶購(gòu)買的物品清單。 人工智能及其應(yīng)用31 7.5 基于框架表示的智能系統(tǒng) 基于框架的智能系統(tǒng)設(shè)計(jì)框架系統(tǒng)的使用 人工智能及其應(yīng)用32基于框架的智能系統(tǒng)設(shè)計(jì)天氣預(yù)報(bào)系統(tǒng)分層設(shè)計(jì)結(jié)構(gòu) 天氣知識(shí)框架槽 會(huì)話框架 人工智能及其應(yīng)用33 基于框架的智能系統(tǒng)設(shè)計(jì)天氣預(yù)報(bào)系統(tǒng)的分層設(shè)計(jì)：人工智能及其應(yīng)用34 基于框架的智能系統(tǒng)設(shè)計(jì)氣壓表壓力 (高，低，正常，等等) 氣壓表壓力變化 (穩(wěn)定，緩慢下降) 風(fēng)向 (東，東南，)季節(jié) (春，夏，秋，東)天氣結(jié)果 （晴，多云，雨，）框架中包含了現(xiàn)行的天氣條件組。所有的槽

20、(除最后一個(gè))均可以通過(guò)與用戶對(duì)話得到填充。最后一個(gè)槽要通過(guò)其它槽計(jì)算或演繹得到。天氣框架槽人工智能及其應(yīng)用35 基于框架的智能系統(tǒng)設(shè)計(jì) 建立框架目的： 用于存放會(huì)話的問(wèn)題。 框架的Prolog表示： query(Slotname,Question) 會(huì)話框架： 槽 名問(wèn) 題 人工智能及其應(yīng)用36 基于框架的智能系統(tǒng)設(shè)計(jì)該系統(tǒng)的頂層目標(biāo)：go :- init, /*Clear the Facts Database & load the initial knowledge*/ user_enter_value, /*Dialog with the user and get the input d

21、ata */ use_rules, /*Use the observed values to forecast the weather*/ write_weather. /*Output the weather forecast*/go :- write(“Sorry,I can not determine the weather.”).init :- clear_rule, load_kd.clear_rule :- retract(_), fail.clear_rule.load_kd :- consult(“WeatherFrame_KD.dba”).人工智能及其應(yīng)用37 框架系統(tǒng)的使用

22、 天氣預(yù)報(bào)框架系統(tǒng)運(yùn)行時(shí)，會(huì)依次詢問(wèn)并要求用戶輸入其觀測(cè)值：氣壓值：非常低、低、正常、高、非常高；相應(yīng)輸入選項(xiàng)分別是數(shù)字1-5 。氣壓變化情況：劇烈下降、緩慢下降、急劇上升和緩慢上升；相應(yīng)輸入選項(xiàng)分別是數(shù)字1-4。風(fēng)向：北、東北、東、東南、南、西南、西、西北；相應(yīng)輸入選項(xiàng)分別是數(shù)字1-8。季節(jié)：春、夏、秋、冬；相應(yīng)輸入選項(xiàng)分別是數(shù)字1-4。 人工智能及其應(yīng)用38 框架系統(tǒng)的使用一個(gè)該系統(tǒng)運(yùn)行結(jié)果示例如下：What is the barometric pressure? 4How is the barometric pressure changing? 1What direction is th

23、e wind from? 4What is the season? 1The Possible Result(s)is (are) as follows:(1)Windy,rain within 12 hours.Press any key to return人工智能及其應(yīng)用39 7.6 神經(jīng)網(wǎng)絡(luò)的應(yīng)用 BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用用Hopfield網(wǎng)絡(luò)求解TSP問(wèn)題 人工智能及其應(yīng)用40 BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用“熟人”的學(xué)習(xí)問(wèn)題：下頁(yè)圖所示網(wǎng)絡(luò)的目標(biāo)：確定輸入的兩個(gè)人是否相識(shí)，其任務(wù)為學(xué)習(xí)圖中上半部分一組3人中的任何一人是下半部分一組3人中任何一人的熟人，用節(jié)點(diǎn)A 代表。如果網(wǎng)絡(luò)的輸出大于0.9，那么就判

24、定這兩個(gè)人“相識(shí)”；如果輸出小于0.1，就判定為“不相識(shí)”；其它 結(jié)果被認(rèn)為是模糊不定的。 人工智能及其應(yīng)用41 BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用假設(shè)輸入僅為二值，即0或1，H1和H2為隱節(jié)點(diǎn)，具有“與門”的作用。在該問(wèn)題中假設(shè)Robert、Raquel和Romeo是同胞，而Joan、James和Juliet也是同胞，因此不能把他們相互視為熟人。人工智能及其應(yīng)用42下表給出這樣的認(rèn)識(shí)描述：對(duì)于15種可能的輸入組合，其對(duì)應(yīng)“熟人”的輸出有9種，而對(duì)應(yīng)“同胞”的輸出為6種。 Robert Raquel RomeoJoanJamesJuliet熟人 同胞110000011010000101100101100100

25、101000101010000110010100100100101001000110001100100010101000100110000110010001010100001101人工智能及其應(yīng)用43 BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用“熟人”問(wèn)題的學(xué)習(xí)結(jié)果：人工智能及其應(yīng)用44 BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用學(xué)習(xí)行為與比率參數(shù)的關(guān)系：人工智能及其應(yīng)用45 用Hopfield網(wǎng)絡(luò)求解TSP問(wèn)題適用于： 模糊推理模型、非線性辨識(shí)和自適應(yīng)控制模型中的問(wèn)題學(xué)習(xí)求解。旅行商最優(yōu)路徑問(wèn)題(TSP)： 設(shè)有n個(gè)城市，兩兩城市間均有直線路徑 ，要求尋找一條閉合的路徑，該路徑必須歷經(jīng)每個(gè)城市，且僅經(jīng)過(guò)一次，當(dāng)返回起始城市時(shí)總的路徑長(zhǎng)度最

26、短。人工智能及其應(yīng)用46 用Hopfield網(wǎng)絡(luò)求解TSP問(wèn)題 為建立表述TSP問(wèn)題狀態(tài)與結(jié)果的人工神經(jīng)網(wǎng)絡(luò)模型，以n=5為例設(shè)置如下表所示的置換矩陣。 城市名稱路徑訪問(wèn)順序12345A01000B00010C10000D00001E00100人工智能及其應(yīng)用47 用Hopfield網(wǎng)絡(luò)求解TSP問(wèn)題 置換矩陣中的每列最多有一個(gè)“1”，表示每次僅經(jīng)過(guò)一個(gè)城市；每行最多有一個(gè)“”1，表示每個(gè)城市僅被經(jīng)歷過(guò)一次；置換矩陣中“1”的個(gè)數(shù)為（城市個(gè)數(shù)）。能量函數(shù)的構(gòu)造： 各城市間的距離用 表示，作為約束信息以確定各神經(jīng)元間的聯(lián)接強(qiáng)度；神經(jīng)元輸出電壓表示為 ，其中x表示城市名，i 表示該城市在路徑中的順

27、序， 表示城市x 在路徑中被訪問(wèn)的次序?yàn)閕。人工智能及其應(yīng)用48 用Hopfield網(wǎng)絡(luò)求解TSP問(wèn)題(1) 置換矩陣： 上式滿足最小時(shí)對(duì)應(yīng)如下情況： 第一項(xiàng)對(duì)應(yīng)置換矩陣中每一行最多一個(gè)“1”； 第二項(xiàng)對(duì)應(yīng)置換矩陣中每一列最多一個(gè)“1”； 第三項(xiàng)對(duì)應(yīng)置換矩陣中只有個(gè)“1”。 此外，因?yàn)槁窂绞茄h(huán)的，所以 ，滿足取?！皀”的規(guī)律。人工智能及其應(yīng)用49 用Hopfield網(wǎng)絡(luò)求解TSP問(wèn)題(2) 路徑最短：上式表示若路徑中包括距離 ，則城市x的訪問(wèn)次序?yàn)閕時(shí)，城市y的訪問(wèn)次序應(yīng)為i-1或i+1。能量函數(shù)描述為： 人工智能及其應(yīng)用50 用Hopfield網(wǎng)絡(luò)求解TSP問(wèn)題例：下圖是Hopfield網(wǎng)

28、絡(luò)應(yīng)用于含8個(gè)城市的TSP問(wèn)題求解過(guò)程，(a)圖表示8個(gè)城市的初始位置；(b)圖為網(wǎng)絡(luò)結(jié)構(gòu)（共88個(gè)神經(jīng)元）及網(wǎng)絡(luò)最終運(yùn)行結(jié)果，其中各圓圈的大小表示相應(yīng)神經(jīng)元輸出值的大??；(c)圖是根據(jù)(b)圖結(jié)果得出的最終路徑。人工智能及其應(yīng)用51 7.7 遺傳算法的應(yīng)用 遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò) 基于遺傳算法的混合Flow-shop調(diào)度方法 人工智能及其應(yīng)用52 遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò) 用遺傳算法實(shí)現(xiàn)網(wǎng)絡(luò)優(yōu)化的步驟： (1) 初始化過(guò)程：確定BP網(wǎng)絡(luò)結(jié)構(gòu)、遺傳算法進(jìn)化參數(shù)。 (2) 根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)產(chǎn)生網(wǎng)絡(luò)權(quán)值，作為遺傳算法中個(gè)體的表現(xiàn)型；排列網(wǎng)絡(luò)權(quán)值，組成個(gè)體基因型；按照群體規(guī)模生成初始群體。 (3) 由神經(jīng)網(wǎng)絡(luò)的誤差函數(shù)確定個(gè)體的適應(yīng)度函數(shù)。 (4) 根據(jù)適應(yīng)度函數(shù)計(jì)算群體中個(gè)體的適應(yīng)度值。人工智能及其應(yīng)用53 遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)(5) 判斷是否滿足進(jìn)化結(jié)束條件。若滿足則結(jié)束進(jìn)化過(guò)程，輸出最優(yōu)解對(duì)應(yīng)的個(gè)體表現(xiàn)型，即優(yōu)化的網(wǎng)絡(luò)權(quán)值；否則，執(zhí)行(6)，繼續(xù)進(jìn)化過(guò)程。(6) 對(duì)當(dāng)前群體進(jìn)行選擇、交叉、變異等遺傳操作，產(chǎn)生下一代群體，轉(zhuǎn)(4)。人工智能及其應(yīng)用54 遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)算法的實(shí)現(xiàn)： (1) 編碼 (2) 群體設(shè)定 (3) 適應(yīng)度函數(shù)的確定 (4) 遺傳操作人工智能及其應(yīng)用55 混合Flow-sh