人工智能与专家系统讲座.pptx

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,*,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,第,8,章人工智能与教授系统,Nothing is impossible for a willing heart.,心之所愿，无所不成。,人工智能与专家系统讲座,第1页,本章主要内容,人工智能基本原理,教授系统原理与产生式规则教授系统,遗传算法决议支持,人工智能与专家系统讲座,第2页,一、人工智能基本原理,人工智能与专家系统讲座,第3页,什么是智能?,请说出,3,种你身边或你所知道智能化事物,人工智能与专家系统讲座,第4页,什么是智能?,智能（,Intelligence),即智力功效，是人类大脑所含有感知、认识、学习、了解、分析、综合、判断、推理、创造等局部功效总和与它们有机综合统称；所以，,完善智能中还应包含有些人类情感、意识、意志等这种高级原因,。,人工智能与专家系统讲座,第5页,计算机与智能,例子：,IBM,超级计算机,通常我们用计算机，不但要告诉计算机，要做什么，还必须详细地、正确地告诉计算机怎么做。也就是说，人们要依据任务要求，以适当计算机语言，编制针对该任务应用程序，才能应用计算机完成此项任务。这么实际上是人完全控制计算机完成，是谈不上计算机有真正“智能”。,人工智能与专家系统讲座,第6页,一个例子,-IBM,超级计算机“深蓝”,1997年5月11日，世界国际象棋棋王卡斯帕罗夫与美国,IBM,企业,RS6000（,深蓝）计算机系统进行了六局“人机大战”，结果“深蓝”以3.5比2.5总比分获胜。,人工智能与专家系统讲座,第7页,一个例子,-IBM,超级计算机“沃森”,，IBM超级计算机Watson在危险边缘竞赛节目中击败了该节目历史上最成功两位人类选手，继“深蓝”之后，聪明人脑再一次败给了智慧程序。,视频 Artificial Intelligence),？,就是研究怎样让计算机做一些通常认为,需要智能才能做事情,，又称机器智能。,即使是计算机科学一个分支，但并不只包括到计算机科学，而且还包括到,脑科学、神经生理学、心理学、语言学、逻辑学、认知（思维）科学、行为科学和数学以及信息论、控制论和系统论,等许多学科领域。,人工智能与专家系统讲座,第9页,二十一世纪三大尖端技术,基因工程,纳米科学,人工智能,人工智能与专家系统讲座,第10页,关于人工智能问题,是一个,古老但又十分新奇,研究课题,各国在人工智能研究上都已经取得巨大进展,各种传统或新奇智能模型迄今还,不能完全而圆满地对大脑思维活动过程进行解释和模拟,人们还不十分了解信息在大脑中底层结构和编码方法；,象人们概念、意识、情感和创造性思维过程等，还根本无从着手；,在哲学上、自然科学以及社会学科上,还有很大争论,，还不能得到一致认同。,人工智能与专家系统讲座,第11页,谷歌无人驾驶汽车,内华达州是美国对公共道路无人驾驶立法第一个州。截至6月，谷歌无人驾驶汽车已经在该州行进了25万英里。,人工智能与专家系统讲座,第12页,谷歌无人驾驶汽车结构示意图及其描绘,3D,地形图,人工智能与专家系统讲座,第13页,关于无人驾驶汽车争议话题,假如无人驾驶汽车因为避让行人而损害了其它车辆或给车内人员带来危险，它应该避让吗？,人工智能与专家系统讲座,第14页,为何要研究人工智能？,People like to make machines that can do what we can.,Because we are curious,Because we are lazy,Because we are not so able,人工智能与专家系统讲座,第15页,人工智能研究目标,假如说现在有一台电脑，其运算速度非常快、记亿容量和逻揖单元数目也超出了人脑，而且还为这台电脑编写了许多智能化程序，并提供了适当种类大量数据，使这台电脑能够做一些人性化事情，如简单地听或说。回答一些问题等。那么，我们是否就能说这台机器含有思维能力了呢,?,或者说，,我们怎样才能判断一台机器是否具存了思维能力呢,?,1950年英国数学家图灵（,A.M.Turing,19121954）,发表了”计算机与智能”论文中提出,著名“图灵测试”,，形象地,提出人工智能应该到达智能标准,。,人工智能与专家系统讲座,第16页,图灵测试,即一个人在不接触对方情况下，经过一个特殊方式，和对方进行一系列问答，,假如在相当长时间内，,他无法依据这些问题判断对方是人还是计算机，那么，就能够认为这个计算机,含有同人相当智力,，即这台计算机是,能思维,。,假如由你来提问，你会问哪些问题呢？,人工智能与专家系统讲座,第17页,图灵测试示范性问题,问：,请给我写出相关“第四号桥”主题十四行诗。,答：,不要问我这道题，我从来不会写诗。,问：,34957,加,70764,等于多少？,答：,（停,30,秒后）,105721,问：,你会下国际象棋吗？,答：,是。,问：,我在我,K1,处有棋子,K,；你仅在,K6,处有棋子,K,，在,R1,处有棋子,R,。现在轮到你走，你应该下那步棋？,答：,（停,15,秒钟后）棋子,R,走到,R8,处，将军！,能够经过编制特殊程序来实现。,人工智能与专家系统讲座,第18页,从表面上看，要使机器回答按一定范围提出问题似乎没有什么困难，能够经过编制特殊程序来实现。然而，假如提问者并不遵照常规标准，编制回答程序是极其困难事情。,人工智能与专家系统讲座,第19页,图灵测试示范性问题不按常规提问,(1),问：,你会下国际象棋吗？,答：,是。,问：,你会下国际象棋吗？,答：,是。,问：,请再次回答，你会下国际象棋吗？,答：,是。,你多半会想到，面前这位是一部笨机器,!,人工智能与专家系统讲座,第20页,问：,你会下国际象棋吗？,答：,是。,问：,你会下国际象棋吗？,答：,是，我不是已经说过了吗？,问：,请再次回答，你会下国际象棋吗？,答：,你烦不烦，干嘛老提一样问题。,图灵测试示范性问题不按常规提问,(2),那么，你面前这位，大约是人而不是机器,!,人工智能与专家系统讲座,第21页,“图灵梦想”对话,在这段对话中,“问询者”代表人,，,“智者”代表机器,，而且假定他们都读过狄更斯（,C.Dickens,）著名小说,匹克威克外传,，对话内容以下：,问询者：,在,14,行诗首行是“你如同夏日”，你不以为“春日”更加好吗？,智者：,它不合韵。,问询者：,“冬日”怎样？它可完全合韵。,智者：,它确是合韵，但没有些人愿意被比作“冬日”。,问询者：,你不是说过匹克威克先生让你想起圣诞节吗？,智者：,是。,问询者：,圣诞节是冬天一个日子，我想匹克威克先生对这个比喻不会介意吧。,智者：,我认为您不够严谨，“冬日”指是普通冬天日子，而不是某个尤其日子，如圣诞节。,能满足这么要求，要求计算机不但能模拟而且能够延伸、扩展人智能，到达甚至超出人类智能水平，在当前是难以到达！,人工智能与专家系统讲座,第22页,人工智能应用,降低密集型劳动强度，提升可靠性。,提升自动化程度，降低对人员质量，数量需求，降低成本。,人工智能技术应用于机器人，能够代替人类完成危险、不适于人来完成工作。,人工智能与专家系统讲座,第23页,人工智能应用人脸识别,她是谁,?,人工智能与专家系统讲座,第24页,人工智能应用机器翻译,翻译句子“,The spirit is willing but the flesh is weak,”,翻译工具,谷歌在线翻译,translate.谷歌.com/,爱词霸英语翻译,银受热后体积膨胀，铜受热后体积膨胀，铁受热后体积膨胀，,，所以，金属受热后都体积膨胀。,类比推理,从个别现象到个别现象推理,如汽车：运输；鱼网：打鱼,人工智能与专家系统讲座,第29页,知识表示,就是对知识一个描述，或者说是一组约定，,一个计算机能够接收用于描述知识数据结构。,对知识进行表示过程就是把知识编码成某种数据结构过程。,人工智能与专家系统讲座,第30页,知识表示方法,直接表示,计算机对直接表示信息难以处理。,直接表示难以表示定量信息（语言设计失败）,直接表示不能描述自然世界全部信息,逻辑表示：,一阶谓词逻辑是谓词逻辑中最直观一个逻辑。它以谓词形式来表示动作主题、客体。客体能够多个。,如：张三与李四打网球（,Zhang and Li play tennis,），可写为：,play(Zhang,Li,tennis),这里谓词是,play,，动词主体是,Zhang,和,Li,，而客体是,tennis,。,产生式规则表示法,语义网络表示法,人工智能与专家系统讲座,第31页,怎样选择知识表示方法？,表示知识范围是否广泛,比如，数理逻辑表示是一个广泛知识表示方法，假如单纯用数字表示，则范围就有限制。,是否适于推理,人工智能只能处理适合推理知识表示，所以所选取知识表示必须适合推理。数学模型（拉格朗日插值法）适合推理，普通数据库只能供浏览检索，但不适合推理。,是否适于计算机处理,计算机只能处理离散、量化,byte,字节流。所以，用文字表述知识和连续形式表示知识（如微分方程）不适累计算机处理。,人工智能与专家系统讲座,第32页,是否有高效求解算法,考虑到实用性能，必须有高效求解算法，知识表示才有意义。,能否表示不准确知识,自然界信息含有先天含糊性和不准确性，能否表示不准确知识也是考虑主要原因,。,知识和元知识能否用统一形式表示,知识和元知识是属于不一样层次知识，使用统一表示方法能够使知识处理简单。,人工智能与专家系统讲座,第33页,三、教授系统原理与,产生式规则教授系统,知识就是力量,而积累了知识计算机会全方面增强我们力量。,-,费根鲍姆,(,斯坦福大学教授,),人工智能与专家系统讲座,第34页,一个实例：智能农业教授系统,人工智能与专家系统讲座,第35页,实例（续）,人工智能与专家系统讲座,第36页,实例（续）,人工智能与专家系统讲座,第37页,教授系统概念,什么是教授？,教授系统（,ES,，,Expert System,）,人类之所以能求解问题，是因为人类含有知识。,定义,教授系统是利用大量领域教授知识，利用知识推理方法处理特定领域实际问题计算机程序系统。,学科代表人物,爱德华,费根鲍姆（,Edward Feigenbaum,）,1968,年世界上第一个教授系统,DENDRAL,问世。,用于诊疗传染病和提供治疗提议著名教授系统,MYCIN,人工智能与专家系统讲座,第38页,教授系统特点,教授系统,是一个,模拟人类教授处理领域问题计算机程序系统,。,含有大量,专门知识与经验,依据,某领域,一个或多个教授提供,知识,和,经验,，进行,推理,和,判断,需要处理问题要足够复杂,人工智能与专家系统讲座,第39页,教授系统优点,详细地说，包含以下几个方面：,(1),教授系统能够,高效率、准确、周到、快速和不知疲惫地进行工作,。,(2),教授系统处理实际问题时,不受周围环境影响,，也,不可能遗漏忘记,。,(3),能够使教授专长,不受时间和空间限制,，方便推广宝贵和稀缺教授知识与经验。,(4),教授系统能聚集多领域教授知识和经验以及他们协作,处理重大问题,能力。,人工智能与专家系统讲座,第40页,第一个商用教授系统：R1,世界上第一个成功商用教授系统，,1982,年开始正式在,DEC,企业使用。该程序帮助为新计算机系统配置订单；到,1986,年为止，预计它为企业每年节约了,4,千万美元。,人工智能与专家系统讲座,第41页,在,1991,年海湾危机中，美国军队使用教授系统用于自动后勤规划和运输日程安排。这项工作同时包括到,50000,个车辆、货物和人，而且必须考虑到起点、目标地、路径以及处理全部参数之间冲突。,AI,规划技术使得一个计划能够在几小时内产生，而用旧方法需要花费几个星期。,海湾战争中教授系统,人工智能与专家系统讲座,第42页,教授系统主要组成,“系统”？,体系结构？,知识库,结果解释器,知识推理机,知识获取器,人机接口,用户 知识工程师 领域教授,教授系统关键部件,人工智能与专家系统讲座,第43页,4.2.3,基于规则表示方法,规则是什么？,IF,（条件）,THEN,（结论）,例子：,IF,（动物有毛发）,THEN,（动物是哺乳动物）,IF,（动物有奶）,THEN,（动物是哺乳动物）,IF,（动物有羽毛）,THEN,（动物是鸟）,IF,（动物会飞）而且（动物会产蛋）,THEN,（动物是鸟）,人工智能与专家系统讲座,第44页,产生式规则表示法,美国数学家,Post,，,1943,年提出了一个计算形式体系里所使用术语。主要是使用类似文法规则，对符号串做替换运算。这就是最早一个产生式系统。,到了,60,年代，产生式系统成为认知心理学研究人类心理活动中信息加工过程基础，由此心理学家认为，人脑对知识存放就是产生式形式。所以，用它来建立人类认知模型。,到当前为止，产生式系统已发展成为人工智能系统中最经典最普遍一个结构。产生式表示方法是教授系统第一选择知识表示方式。,人工智能与专家系统讲座,第45页,产生式规则知识表示,表示形式,if A then B,或表示为“假如,A,成立则,B,成立”，简化为,AB,人工智能与专家系统讲座,第46页,举例,规则,1,：,假如,发动机在抽油而且发动机会旋转,那么,火花塞有故障,规则,2,：,假如,发动机不旋转而且灯不亮,那么,电池或电缆有故障,规则,3,：,假如,发动机不旋转而且灯不亮,那么,开启马达有故障,规则,4,：,假如,油箱中有油而且化油器中有油,那么,发动机在抽油,人工智能与专家系统讲座,第47页,产生式规则基本特征,相同条件能够得出不一样结论,如：,AB,，,AC,相同结论能够由不一样条件来得到,如：,AG,，,BG,条件之间可是以“与”连接和“或”连接,如：,ABG,，,ABG,一条规则中结论，能够是另一条规则中条件,如：,FBZ,，,CDF,人工智能与专家系统讲座,第48页,产生式规则两种推理方法,正向推理,逆向（反向）推理,人工智能与专家系统讲座,第49页,正向推理,逐条搜索规则库，对每一条规则前提条件，检验事实库中是否存在。前提条件中各子项，若在事实库中不是全部存在，放弃该条规则；若在事实库中全部存在，则执行该条规则，把结论放入事实库中。重复循环执行上面过程，直到推出目标，并存入事实库中为止。,人工智能与专家系统讲座,第50页,正向推理举例,ABG,CDA,ED,B,，,C,，,E,产生式规则库,事实库,在产生式规则库中有,3,条规则，在事实库中存在,B,，,C,，,E3,个事实，且它们均为真。希望经过正向推理，证实目标,G,为真。,推理过程：搜索每条规则前提条件是否在事实库中,步骤,搜索规则,是否激发该规则,原因,事实库状态,1,第,1,条规则,否,A,不在事实库,B,，,C,，,E,2,第,2,条规则,否,D,不在事实库,B,，,C,，,E,3,第,3,条规则,是,E,在事实库,B,，,C,，,E,，,D,4,第,1,条规则,否,A,不在事实库,B,，,C,，,E,，,D,5,第,2,条规则,是,C,和,D,在事实库,B,，,C,，,E,，,A,6,第,1,条规则,是,A,在事实库,B,，,C,，,E,，,A,，,G,人工智能与专家系统讲座,第51页,逆向推理,逆向推理用得较多，主要是目标明确，推理快。,逆向推理是从目标开始，寻找以此目标为结论规则，并对该规则前提进行判断，若该规则前提中某个子项是另一规则结论，再找此结论规则，直到对某个规则前提能够进行判断。,人工智能与专家系统讲座,第52页,逆向推理举例,ABG,CDA,ED,B,，,C,，,E,产生式规则库,事实库,步骤,规则,搜索目标,前分成立否,原因,事实库状态,1,1,G,否,A,不在事实库,B,，,C,，,E,2,2,A,否,D,不在事实库,B,，,C,，,E,3,3,D,是,E,在事实库,B,，,C,，,E,，,D,4,2,A,是,C,和,D,在事实库,B,，,C,，,E,，,D,，,A,5,1,G,是,A,和,B,在事实库,B,，,C,，,E,，,A,，,G,推理过程：搜索每条规则结论，检验其前提是否在事实库中,人工智能与专家系统讲座,第53页,依据规则库得到逆向推理树（知识树）,G,A,B,C,I,J,K,L,M,E,X,F,W,Z,P,Q,ABCG,(IJ)KA,XFJ,LB,MEC,WZM,PQE,若有知识库为,人工智能与专家系统讲座,第54页,“与或”推理树特点,总目标,G,（结论）,前提,A,（结论）,前提,B,（结论）,前提,C,（结论）,前提,I,J,前提,K,前提,L,M,E,前提,X,前提,F,前提,W,前提,Z,前提,P,前提,Q,每条规则对应结点分支有与、或关系,树根结点是推理树总目标,相邻两层之间是一条或多条规则连接,每个结点能够是单值，也能够是多值。若结点是多值时，各值对应规则将不一样,能够把全部叶结点直接放在事实数据库中，也能够安排向用户提问,人工智能与专家系统讲座,第55页,推理树深度优先搜索过程,逆向推理过程,G,A,B,C,I,J,K,L,M,E,X,F,W,Z,P,Q,Y,Y,N,N,Y,Y,Y,1,2,6,4,5,7,8,9,10,11,12,3,5,N,N,Y,Y,Y,Y,人工智能与专家系统讲座,第56页,教授系统开发,由教授和知识工程师共同配合完成,教授：能够不懂计算机，但一定是,某个实际领域经验丰富人,知识工程师：既,懂计算机,和,教授系统原理,，同时又含有,编程,教授系统能力人,开发路径,直接使用智能程序专用设计语言（如,LISP,或,PROLOG,）,利用教授系统开发工具（如,CLIPS,：可从,Holland,教授于,1975,年在他专著,自然界和人工系统适应性,中首先提出，它是一类,借鉴生物界自然选择和自然遗传机制随机化搜索算法,。,人工智能与专家系统讲座,第60页,遗传学概述,达尔文进化论：,“物竞天择、适者生存”,遗传学认为，遗传信息封装在,染色体,中，并以,基因,（位）形式包含在染色体（个体）中。,每个基因有特殊位置并控制某个特殊性质。基因杂交和基因突变能产生对环境适应性强后代，经过优胜劣汰自然选择，,适应值高基因结构就保留下来,。,人工智能与专家系统讲座,第61页,遗传算法（,Genetic Algorithm,GA,）,遗传算法模拟自然界中生命进化机制，,是含有“生存检测”迭代过程搜索算法,遗传算法尤其适合用于传统方法难以实现,最优化问题求解,实践证实，遗传算法已经在求解旅行商问题、背包问题、装箱问题、布局优化、网络路由等含有,NP,难度组合优化问题上取得了成功应用。,在人工智能研究中，人们认为,“遗传算法、自适应系统、细胞自动机、混沌理论与人工智能一样，都是对今后十年计算技术有重大影响关键技术”,。,人工智能与专家系统讲座,第62页,生物进化与遗传算法,群体,种群,子群,选择,婚配,变异,遭淘汰,群体,人工智能与专家系统讲座,第63页,生物进化与遗传算法之间对应关系,生物进化中概念,遗传算法中作用,环境,适应函数,适应性,适应函数值,适者生存,适应函数值最大解被保留概率最大,个体,问题一个解,染色体,解编码,基因,编码元素,群体,被选定一组解,种群,依据适应函数选择一组解,交配,以一定方式由双亲产生后代过程,变异,编码一些分量发生改变过程,人工智能与专家系统讲座,第64页,遗传算法工作示意图,实际问题参数集,三个基本算子,选择,交叉,变异,编码成位串形式,种群,1,计算适应函数值,选择和遗传,统计结果,种群,2,经过优化一个或多个参数集,改进或处理实际问题,不满足要求,人工智能与专家系统讲座,第65页,遗传算法三个主要操作,选择：,选出繁殖后代个体,轮盘赌法,期望值法,最正确个体保留法,其它,交叉：,交换染色体，从而产生新染色体,一点交叉、二点交叉、多点交叉,变异,：以很小概率，随机地改变字符串某个位置值,人工智能与专家系统讲座,第66页,染色体选择,“轮盘赌”法：每个个体选择概率和其适应值成百分比，个体适应值越大，其被选择概率就越高。,x,1,x,2,x,3,x,4,x,5,x,6,设群体大小为,n,，其中个体,i,适应度值为,f,i,，则,i,被选择概率,P,i,为：,人工智能与专家系统讲座,第67页,染色体选择,期望值方法：计算群体中每个个体在下一代生存期望数目，即,若某个体被选中并要参加配对和交叉，则它在下一代中生存期望数目减去,0.5,；若不参加配对和交叉，则该个体生存期望数目减去,1,。所以，,若一个个体期望值小于零，则该个体不参加选择,。,人工智能与专家系统讲座,第68页,被选择次数期望值,对于规模为,N,群体，一个选择概率为,p(x,i,),染色体,x,i,被选择次数期望值,e(x,i,),：,对于群体中每一个,x,i,，首先选择 次。这么共得到 个染色体。然后按照 从大到小对染色体排序，依次取出 个染色体，这么就得到了,N,个染色体。,染色体选择,人工智能与专家系统讲座,第69页,染色体交叉,交叉发生在两个染色体之间，由两个被称之为双亲父代染色体，经杂交以后，产生两个含有双亲部分基因新染色体。当染色体采取二进制形式编码时，交叉过程是以这么一个形式进行：,a,1,a,2,.a,i,a,i+1,.a,n,b,1,b,2,.b,i,b,i+1,.b,n,a,1,a,2,.a,i,b,i+1,.b,n,b,1,b,2,.b,i,a,i+1,.a,n,交叉前,交叉后,交叉位置,人工智能与专家系统讲座,第70页,变异,变异发生在染色体某一个基因上，当以二进制编码时，变异基因由,0,变成,1,，或者由,1,变成,0,。如对于染色体,x=11001,，假如变异位发生在第三位，则变异后染色体变成了,y=11101,。,人工智能与专家系统讲座,第71页,例：求函数最大值,其中,x,为,0,31,间整数,编码：采取二进制形式编码,因为,x,定义域是,0,31,间整数，刚好能够用,5,位二进制数表示，所以能够用,5,位二进制数表示该问题解，即染色体。如,00000,表示,x,0,，,10101,表示,x,21,，,11111,表示,x,31,等,适应函数：,直接使用函数,f(x),作为适应函数。,假设群体规模,N,4,，交配概率,p,c,100,，变异概率,p,m,1,。,设随机生成初始群体为：,01101,，,11000,，,01000,，,10011,染色体选择方法：轮盘赌法,人工智能与专家系统讲座,第72页,序号,群体,适应值,选择概率（）,选中次数,1,01101,169,14.44,1,2,11000,576,49.23,2,3,01000,64,5.47,0,4,10011,361,30.85,1,第,0,代情况表,序号,种群,交配对像,交配位,（随机选择）,子代,适应值,1,01101,2,4,01100,144,2,11000,1,4,11001,625,3,11000,4,2,11011,729,4,10011,3,2,10000,256,第,0,代种群交叉情况,人工智能与专家系统讲座,第73页,序号,种群,交配对像,交配位,子代,适应值,1,11011,2,3,11001,625,2,11101,1,3,11111,961,3,10000,4,2,10001,289,4,11011,3,2,11010,676,第,2,代种群交配情况,人工智能与专家系统讲座,第74页,序号,群体,适应值,选择概率（）,选中次数,1,01100,144,8.21,0,2,11001,625,35.62,1,3,11011,729,41.56,2,4,10000,256,14.60,1,第,1,代情况表,序号,种群,交配对象,交配位,（随机选择）,子代,适应值,1,11001,2,3,11011,729,2,11011,1,3,11001,625,3,11011,4,1,10000,256,4,10000,3,1,11011,729,第,1,代种群交配情况,人工智能与专家系统讲座,第75页,因为选择变异概率,P,m,=0.001,，则平均每,1000,位中才有一位变异，由,4,个位串组成种群中共有,45,20,位，则变异期望值为,200.001,0.02,位。实际上在该例中没有变异发生。,对比,1,2,，,3,代结果，能够看出，,每一代平均值及最大值都比前一代有了很大提升,，说明种群正朝优化方向前进,最大适应值、平均适应值进化曲线,人工智能与专家系统讲座,第76页,遗传算法应用,遗传算法是多学科结合与渗透产物。当前遗传算法所包括主要领域有自动控制、规划设计、组合优化、图象处理、信号处理、人工生命等。,人工智能与专家系统讲座,第77页,课堂练习,请用“抛硬币”方式，随机生成初始种群，求解,函数,F(x)=x,2,最大值（其它条件与例题相同）,在确定种群交配对象和染色体交换位置时，也请“抛硬币”来决定。,人工智能与专家系统讲座,第78页,一个遗传算法应用实例,下表是一个客户信息组成数据表，能够利用遗传算法在客户群中预测最正确客户类型。企业最正确客户群，即能够从客户处获取最大利润特征应该由客户收入水平、客户家庭人口、客户年纪所组成。而从客户处所获取利润则是从客户累计购置商品金额乘以,2%,，减去每次购置商品手续费,10,元。,客户,ID,年纪,累计购置金额,收入,家庭人口,性别,10985,46,1843,中等,4,女,18595,49,0,中等,2,男,47382,61,3628,低,5,男,74912,36,18463,高,6,女,95623,29,8463,高,3,男,85526,32,274,中等,2,男,58753,52,1846,低,2,女,64957,48,0,中等,3,女,76957,27,21634,高,5,男,65839,45,842,低,1,女,人工智能与专家系统讲座,第79页,遗传编码定义,依据客户数据中条件，可用以下八个染色体来定义客户类型,基因,1,：客户年纪下限,基因,2,：客户年纪上限,基因,3,：高收入,基因,4,：中等收入,基因,5,：低收入,基因,6,：家庭人口少（,1,2,人）,基因,7,：家庭人口普通（,3,4,人）,基因,8,：家庭人口多（,5,人以上）,人工智能与专家系统讲座,第80页,附表：客户群新基因组成,年纪上限,年纪下限,高收入,中等收入,低收入,人口少,人口普通,人口多,客户群,1,38,64,是,是,否,否,是,是,客户群,2,26,50,是,否,是,是,否,是,客户群,3,20,40,否,是,是,是,否,否,在对这些染色体进行遗传计算时，通常要将染色体等位基因转换成二进制数，如，用“,1”,表示“是”，“,0”,表示“否”,人工智能与专家系统讲座,第81页,环境适应函数,客户群购置收益扣除手续费,限制条件：客户年纪下限必须小于年纪上限,因为适应性函数是从利润角度定义，群体进化应该逐步收敛于客户收益最大客户特征群,人工智能与专家系统讲座,第82页,本章内容回顾,人工智能基本原理,教授系统原理与产生式规则推理方法,遗传算法原理及应用,人工智能与专家系统讲座,第83页,本章作业,R1,：,ABCG,R2,：,DEA,R3,：,FB,R4,：,HPC,R5,：,QE,问题：,请依据该知识库规则画出推理树。,若用户对结点,D,，,Q,，,F,，,P,回答为,Yes,，对结点,H,回答为,No,，那么依据推理树，能够推出根结点为,Yes,吗？请给出正向推理和反向推理过程。,人工智能与专家系统讲座,第84页,The End.,人工智能与专家系统讲座,第85页,什么是教授？,与领域相关,有丰富知识：对该领域事物精通，有丰富知识或者说有独到看法,能进行判断：对该领域复杂问题能进行独到明确判断,返回,人工智能与专家系统讲座,第86页,1936,年生于美国新泽西州,1952,年进入卡耐基梅隆大学电气工程系学习，师从西蒙，获博士学位,1965,在斯坦福大学创造世界上第一个教授系统,DENDRAL,1977,年在,IJCAI,上在世界上第一次提出知识工程概念。,现为,SKL,教授,返回,人工智能与专家系统讲座,第87页,知识库,知识库是用来存放领域教授知识仓库。其中知识起源于知识获取器，并为推理器提供求解问题所需要知识。,主要包括问题：,知识表示问题,知识管理问题,知识库,返回,人工智能与专家系统讲座,第88页,推理机,推理机是模拟人类教授思维过程，控制并执行对问题求解。它能依据已知事实，利用知识库中知识，按照一定推理方法和控制策略进行推理，直到得出对应结论为止,主要研究问题：,推理方法：准确,/,非准确,控制策略：推理方向,/,规则搜索策略,返回,人工智能与专家系统讲座,第89页,知识获取,知识获取是建设教授系统关键。没有知识教授系统就是一个空壳，不能起任何作用。,知识获取任务,抽取知识、知识转换、输入、检测,知识获取方式,非自动知识获取,与领域教授交流，提取教授经验知识,查阅文件，取得相关概念描述及参数,对知识进行分析，比较，归纳，整理，找出知识内在联络及规律,将整理出知识交教授审查,把确定下来知识用知识表示模式表示出来,自动知识获取,含有识别语音，文字和图像能力,含有了解，分析，归纳能力,含有从运行实践中学习能力,返回,人工智能与专家系统讲座,第90页,结果解释器,“为何呀？”-流行语,人们在包括重大决议时候，普通不会满足于结论，还关心得出这个结论原因。,解释器任务就是跟踪推理器推理过程，并展示给用户。,返回,人工智能与专家系统讲座,第91页,序号,群体,适应值,选择概率（）,选中次数,1,01101,169,14.44,1,2,11000,576,49.23,2,3,01000,64,5.47,0,4,10011,361,30.85,1,计算个体被选择次数期望值,e(xi),：计算式为：,e(x1),：,0.14444,0.5776,，向下取整得,0,e(x2),：,0.49234,1.9692,，向下取整得,1,e(x3),：,0.05474,0.2188,，向下取整得,0,e(x4),：,0.30854,1.234,，向下取整得,1,所以，,共得到,2,个染色体。,然后按照 从大到小对染色体排序：,0.5776,0.9692,0.2188,0.234,所以，各群体被选择次数如上表所表示。,返回,人工智能与专家系统讲座,第92页,