专家系统论文范文

引言：寻求写作上的突破？我们特意为您精选了12篇专家系统论文范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

3．4系统应用网络化。进一步提高农业专家系统的智能化和本土化程度，通过网络传送走向田间将成为一种趋势。网络技术无疑可以弥补我国农业的分散与闭塞弱势。光纤化和宽带化的国家网络建设，为农业专家系统应用网络化提供了良好的硬件条件。因此，未来农业专家系统在设计阶段首先要考虑网络化、数据共享问题。能够成功地在网上运行的系统才真正具有强大的生命力和实用性，符合农业生产与管理的要求[12,13]。

3．5系统面向多层次设计。专家系统服务的对象并不都在同一个层次上，文化程度存在较大的差异，不同对象要求获取信息的复杂程度不同，所操作的专家系统和输出的内容复杂程度也不相同，因此开发不同层次的专家系统(如面向灌溉管理专业人员、农村技术人员、农户的灌溉专家系统)也是需要考虑的一个问题[14]。

3．6系统开发市场化。我国已经成功加入WTO，因此农业专家系统的建造不应忽视国际市场的需求，开发既能满足我国需求也能适宜国际需求的农业专家系统是必要的[12,13]。

3．7创造良好的农业专家系统应用的外部环境。目前，我国农村计算机的普及(包括上网)虽然初显端倪，但由于资金、条件和培训对象文化程度等诸多因素的限制，推广和普及计算机依然存在着许多实际困难，与经济和社会发展的要求相差甚远，远远滞后于其他行业，与发达国家相比更显不足，从而也影响了农业专家系统的更进一步推广应用。为此，必须从计算机技术培训人手，传播和普及计算机技术，并进一步在现有的有线通信技术体系中，减少农村缺乏网络服务商的服务及农民文化素质低等重大障碍，改善农民的上网条件。另外，农业企业是我国农业生产的主力军之一，只有农业企业积极使用农业专家系统，大力推进电子商务，才能提供全球服务、提升企业形象、开拓潜在市场、增加企业利润，才能使企业信息化走向实务。由于农业生产具有生产周期长、成本高、风险大、收益低等特点，我国大部分企业分散经营，环境闭塞，信息不灵，传递不便，难以形成竞争优势。而在市场经济下，随着全球经济一体化的发展和我国加入WTO进程的加快，企业信息化能使人力、物力、财力以及内外部信息资源得以充分开发和利用，从而降低成本，提高经济效益，在激烈的竞争中找到自己生存与发展的空间，并最终使农业专家系统更好地为农业、农村、农民服务创造一个良好的外部环境[15]。 4结束语

农业专家系统在生产中有着广阔的应用前景。可以说，在农作物生产的各个环节中都可以用到专家系统。随着计算机应用的日益普及和各地建设信息高速公路设想的提出，建设农业专家系统将成为加快农业科技知识和农业信息传播的重要手段，成为促进农业快速发展的积极动力。鉴于农业专家系统在促进农业生产发展中的重大意义。可以预料，一个以农业专家系统为重要手段的智能化农业信息技术将在我国迅速发展，并将成为我国2l世纪农业现代化的重要内容。

参考文献：

[1]（美）JosephC.Giarratano，GaryD.Riley印鉴，等（译）.机械工业出版社.

[2]熊范纶．农业专家系统及开发工具．清华大学出版社，1999，4-27

[3]熊范纶．人工智能与计算机在农业现代化中的应用．农业现代化研究所，1992．13(2)：123-126

[4]吴玺，谭宏，夏建国，邓建良。试论我国农业专家系统的应用及发展。计算机与农业，2000，（8），1-4

[5]李军，邹志荣，程瑞锋，白福萍.农业专家系统及其在园艺业中的研究与应用.陕西农业科学,2002(11),22-24.

[6]柴萍，张保军，汪志农.农业专家系统在小麦栽培管理中的应用,水土保持研究,2002.(2)

[7]高明亮，王雪珍，吴顺章.农业专家系统存在的问题与对策.洛阳农业高等专科学校学报,2001.21(2):88-90

[8]刘莉，宣洋，李绍稳，房文娟.农业专家系统在作物病虫害预防中的应用.计算机与农业,2003.（5）:11-14

[9]张文龙，周静，戴保威.农业专家系统研究进展.种子,2004.23（10）:

[10]马文杰，贺立源.专家系统在我国农业中的应用进展.山地农业生物学报,2005.24(4):343-346

[11]杨国强，王双喜，杜伟.我国农业专家系统的研究进展.山西农业大学学报,2004.93):303-306

[12]周贤君，邹冬生.农业专家系统在作物栽培中的应用.农业网络信息,2004.11,12-15

篇2

专家系统(ES)是人工智能(AI)的一个分支，产生于60年代中期。专家系统是一个(或一组)能在某特定领域内，以专家水平去解决领域中困难问题的计算机程序(黄可鸣1988，陈世福等1988，Waterman1986)．国外环境专家系统的研究起步较晚，但发展较快。就美国环境专家系统的发展状况而言(白乃彬1993)，1985年前尚无环境专家系统，然而最近几年发展很快，环境各个领域都出现了专家系统，实用性强是它们的共同特点。从应用功能来分，有以下类型：评价、预测、诊断、设计、管理、教育和生产控制等，其中大部分是环境评价专家系统。国内环境专家系统的研究从1987年开始，目前已有城市环境噪声防治、城市污水处理、水资源保护、区域大气环境质量评价等方面的专家系统。本文首次报道废物最少化专家系统的研究成果。

1问题界定

废物最少化最早由美国提出，并已在很多国家得到实施。美国国家环境局对废物最少化的定义是：在可行的范围内，减少产生的或随之贮存、处理、处置的有害废物量。废物最少化制度将环保部门通常使用的逆向反馈控制模式与生产部门通常采用的正向控制模式结合起来：它不仅能减少废物的数量和毒性，进而减少其处理与处置成本，而且希望能减少生产成本、提高生产率和产品质量，增加企业收入。废物最少化以系统眼光分析解决问题，不仅仅着眼于生产过程或废物的处理过程，而从产前、产中、产后全过程入手。因此，废物最少化所处理的问题应是如何在企业产前、产中、产后的生产全过程中减少废物的数量、降低废物的毒性。

2废物最少化专家系统的设计原则

2.1实用性

建立废物最少化专家系统是为企业的生产管理、环境管理提供技术咨询服务的，系统是否实用是系统成败的一个重要标志。因此设计人员要紧密结合行业生产特点来设计系统的功能，系统设计的每一个阶段都应与该行业紧密结合，并取得行业专家的配合。

2.2系统性

用系统工程方法，对废物最少化专家系统进行全面的系统分析。废物最少化强调的是企业生产的全过程，应系统分析企业生产的各个环节，明确削减废物的可能性及可行性，确定系统在各个环节的功能目标和作用界面。

2.3领域专家与知识工程师相结合

对于一般的计算机应用系统来说，系统处理问题所使用的知识比较简单、数量也较少。程序设计人员同时扮演着领域专家及知识工程师的角色。对于专家系统来说，情况则大不相同。一方面专家系统要达到领域专家的水平，就必须掌握领域专家处理问题时所使用的大量专门知识，特别是经验知识，另一方面专家系统是一种很复杂的计算机程序，开发一个专家系统需要大量的计算机科学、特别是人工智能和知识工程方面的知识。这就决定了废物最少化专家系统的开发必须是知识工程师、行业专家与环境管理专家密切合作、共同努力的过程。

2.4面向用户

系统的开发应贯穿为用户服务的宗旨，针对企业现有条件及存在的问题，提出切实可行的废物最少化方案。系统应有较好的用户界面，为增强用户对系统信心，系统应具有良好的解释功能，以增加系统的透明度，提高系统的可接受性。

2.5知识库与推理机相分离

这是一般专家系统设计的基本原则，只有知识库与推理机相分离，才能实现解释功能和知识获取功能。

2.6尽量使用统一的知识表示方法

这就便于对系统中的知识统一处理、解释和管理，从而使专家系统的实现工作相对简化。

3废物最少化专家系统的结构设计

废物最少化专家系统是全国范围内推广废物最少化技术的有效手段，将为企业提供涉及废物最少化技术的远程、即时咨询服务。系统开发坚持贯穿废物最少化的综合设计思想。从企业诊断及技术经济分析着手，建立废物最少化专家系统

3.1知识库

用以存放废物最少化技术的专门知识，由规则集及事实组成。因为专家系统的问题求解是运用专家提供的专门知识来模拟专家的思维方式进行的，所以知识是决定一个专家系统性能是否优越的关键因素。知识工程师一方面要频繁地采访专家，从同专家的对话和专家以往处理问题的实例中提取专家知识(称为知识获取)，另一方面．耍选择合适的数据结构把获取的专家知识进行形式化存入知识库中(称为知识表示)。

3.2数据库

反映具体问题在当前水解状态下的符号或事实的集合，它由问题的有关初始数据和系统求解期间所产生的所有中间信息组成。

3.3推理机

在一定的控制策略下针对数据库中的当前问题信息，识别和选取知识库中对当前问题的可用知识进行推理，以修改数据库直至最终得出问题的求解结果。推理的控制策略常用的有数据驱动的正向推理方式、目标驱动的逆向推理方式和正向与逆向结合的混合推理方式3种。本设计采用目标驱动的逆向推理方式。由于实际问题的证据和知识库中的知识常常含有不精确成份，因此推理应具有不精确推理功能。

3.4解释器

回答用户对系统的提问，对系统得出结论的求解过程或系统的当前求解状态提供说明。

3.5人机接口

将专家和用户的输入信息翻译成系统可接受的内部形式，同时把系统向专家或用户的输出信息转换为人类易于理解的形式。

4知识获取及形式化表示

获取知识并把知识表达成专家系统可用的形式，是专家系统开发中的主要瓶颈之一。专家系统的主要知识源是领域专家。由于领域专家的知识绝大部分是启发性知识，这些知识多来源于经验，没有正确性保障，一般不会写入教科书或其它专业书籍中。另一方面，对于行业专家和环境管理专家来说，专家系统是一种新鲜事物，他们并不真正了解构造专家系统需要什么知识、不需要什么知识，所以由他们整理出来的知识往往就能满足构造专家系统的要求。因此，在知识获取过程中，必须长时间同领域专家一起工作，通常要与领域专家进行一系列深入的系统的面谈，从专家对大量实例的分析中获取专家解决问题的思路、知识、经验及规则。例如，对于镀铬行业废物最少化专家系统而言，废物最少化技术涉及到配方工艺、操作工艺、漂洗工艺、铬雾回收工艺、废水处理及无害化工艺等方面，这些方面知识的获取就要与电镀专家、环境管理专家进行深入、细致的面谈，确定各个环节所需要的概念及各种概念之间的关系，同时还需确定问题的控制流程、求解问题的约束条件等。

建立知识库的下一步工作是对获取的知识进行形式化表示。知识表示模式有多种，台规则表示、框架表示和语义网络表示等。当用于表示在某领域中多年解决问题积累的经验知识时，用规则表示方式是很合适的。规则用IF桾HEN语句表示。对于镀铬行业废物最少化专家系统。我们整理了21条规则，该知识库是一个多目标知识库。

5系统的建立

由于专家系统开发工具具有缩短系统开发周期、提高工作效率等优点，我们以系统性能及人机接口较好的M．1专家系统开发工具建立镀铬行业废物最少化专家系统。

6结语

a废物最少化专家系统的开发具有明显的现实意义：能及时有效地利用专家知识和经验，避免了专家个人原因无法提供咨询服务的困难；易于普及专家知识，可以在更大范围内推广废物最少化技术和经验；避免让专家进行雷同的咨询，使专家能够集中精力从事新的创新研究；为用户提供灵活的建议，用户可以根据该建议所基于的系统推理过程自行决定接受建议与否。

b专家系统开发工具能缩短系统开发周期、提高工作效率。由于每种人工智能基本技术都有一定的局限性，所以用这些技术实现的各种专家系统开发工具也不可避免地具有一定的局限性。因此能否选择一个合适的工具是一项重要的工作。M．1是一种适合于小型专家系统开发的专家系统开发工具，实践证明，用M．1建立废物最少化专家系统是合适的。

c废物最少化专家系统的开发是一个长期的过程，是系统不断修改、不断完善的进化过程。一方面由于废物最少化本身是一个相对、动态的概念，废物最少化技术处于不断完善之中；一个方面知识获取是一项长期而艰苦的工作，需用大量实例测试系统的运行结果，不断修改、完善知识库。

d环境专家系统是继环境数据库、环境管理信息系统之后出现的解决环境问题有用工具之一。是环境决策支持系统的重要组成部分，值得做深入的研究。

参考文献

篇3

0.引言

教育硕士是具有特定教育职业背景的专业性学位，主要培养面向基础教育教学和管理工作的高层次人才。教育硕士学位论文的质量评价不仅反映了学位申请者本人的科研能力和学术水平，也是学位与研究生教育质量的集中体现。学位论文标准论文质量的评定是个复杂性的评价与决策问题。模糊综合评判是一种基于模糊数学的综合评判方法。该方法不同于经典的综合评判；而是模糊技术同经典的综合评判理论相结合。使用模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。本文采用模糊评判方法进行评价。首先采用文献调研法确定评价的指标体系，其次通过模糊数学的方法建立评判模型，然后设计开发设计网上论文评价系统，来解决论文评价问题。

1.建立评价体系

1.1确定指标体系

教育硕士专业学位不是学术型学位，也不同于其他专业学位，它是专门为从事基础教育职业的人设置的一种专业性学位，其授予对象主要是在基础教育战线工作的教师和管理人员，因而，在评价标准上，区别于学术性硕士，通过使用文献调研法，查阅大量教育硕士及相关专业的专业硕士的培养文件、论文评价标准和学科论文评价指标体系等方面内容，并综合天津师范大学教育硕士导师和学生的意见，初拟指标项：一级指标4项，二级指标10项（见表1）。

表1天津师范大学教育硕士学位论文评价标准

1.2模糊综合评判方法

在实际工作中，对一个事物的评价常常涉及多个因素或多个指标，这时要求根据多个因素对事物做出综合评价。模糊综合评判是对受多种因素影响的事物做出全面评价的一种有效的多因素、多指标的决策方法。它根据模糊数学的隶属度理论把定性评价转化为定量评价，是模糊数学中应用的比较广泛的一种方法，能较好地解决模糊的、非确定性、模糊性问题的解决。具体原理如下：

（1）确定与评估有关的各参数集：评价因素集U=

，...，r 表示因素ui的评判结果，rij=1 。结合表1，可得U={论文选题，知识能力，论文水平，答辩表现}，V={好，较好，一般，较差，差}。

（2）因素集中诸因素对事物的影响各有不同，所以需对每个因素设置相应的权重，表示成U上的模糊集A=（a.a，...a） ，其中a=μ （u）表示因素 u对评判对象的重要程度。一级权重A=（0.2，0.3，0.3，0.2）。

（3）评判结果为：=。=（b，b，...b），其中b=μ（v）表示评语uj 在评判结果中占的权重。

（4）归一化 ，使bj=1 。

最终结果的处理根据上述算法，可按照最大隶属度原则，取中最大隶属度对应的评价结果作为最终评价结果也可以根据评价集中各一级影响因素的标准值及其权重，计算其加权平均值。

2.教育硕士学位上评价系统的设计

2.1设计思想

本系统的总体目标是运用模糊综合评判理论，构建教育硕士专业学位论文的动态评价体系，提高论文评价决策的科学化、智能化水平。设立通用的数据处理功能，并允许用户根据需要对评价指标体系作及时调整，实现层次变化、评价指标重定义、权重重新分配等功能。针对用户使用的特点及分布情况，在网络结构和应用软件功能设计过程中，计算机处理透明化，处理过程自动化，具有较强的通用性。

2.2系统结构

教育硕士学位上评价系统采用层次结构，包含系统管理、指标管理、网上评价、评价对象管理几个部分，可进行用户、评价对象、指标数据的维护和管理，数据的采集和报表打印等操作，系统有较好的完善性维护功能。当发现数据处理方法不够理想时能按用户的某些要求进行处理直到较理想为止。

（1）系统管理模块。该模块分为密码与权限管理、用户管理、登录管理等几个部分。用户管理主要用于密码修改、学生基本信息录入；登录管理对不同用户划分不同的权限，用户分为系统管理员、评审专家、一般用户几种角色，系统管理员负责指标数据的维护，评审专家针对评价对象按照指标进行论文评价。

（2）指标管理模块。维护评价体系的各类指标及权重，包括了增加、修改、删除指标及权重，并允许用户根据需要对评价指标体系作及时调整，评价指标重定义、权重重新分配等功能，保证（下转第31页）（上接第14页）指标体系的导向性、科学性、合理性。

（3）网上评价模块。网上评价是该系统的主要功能。模块完成模糊综合评价的过程包括数据的采集、处理、统计查看结果及打印报表等功能。采集专家对某论文的评判，通过对系统自动采集到得模糊评判记过的量化，可得到评判结果集{U1，U2，……Un}，模糊变换后得到模糊集{R1，R2，R3，……Rn}，从而得出模糊评判矩阵R，最后按照模糊评判算法计算。评价的最终结果可存储在数据库中，也可进行报表打印输出。

（4）评价对象管理模块，主要完成对被评价对象即学位论文的管理，包括对评价对象的增加、删除、查看管理，对已评价对象进行数据输出和评价结果分析功能。

3.结束语

教育硕士专业学位论文是一个复杂性评价问题，网上论文评价系统采用模糊数学模型综合评价教育硕士专业学位论文的质量水平，针对各评价指标之间的内在关系和评价系统的模糊性，利用模糊数学方法对教育硕士专业学位论文进行建模，所得到的量化值在一定程度上能反映论文水平的实际情况，可根据系统需求，调整指标内容和权重，具有很强的可操作性和推广价值。

【参考文献】

[1]龚艳丽，梁纯生，周珊珊，孙娜.研究生学位论文评价指标体系的改革与实践[J].科技成果纵横，2007，（1）.

篇4

中图分类号：TP315 文献标志码：B 文章编号：1673-8454（2015）09-0079-04

毕业论文是高等院校学生为完成学业在教师指导下运用所学知识，就所学专业某一现象或问题进行系统研究后对成果加以系统表述形成的具备一定理论和实践价值的学术文本。它是我国高等院校教学计划中重要的实践环节，是培养大学生基本科研和实践工作能力的重要手段。近年来，随着教育教学改革的深入，毕业论文评价工作越来越受各院校和教育界学者重视。笔者对国内研究的检索表明：1998年至2014年，研究论文数量呈明显上升趋势。[1]然而，与外语专业毕业论文评价有关的论文仅有两篇，简要谈及了英语专业毕业论文的重要性及评价原则。加强毕业论文评价工作的科学化是我国《高等学校英语专业英语教学大纲》的要求，也是国际高教质量保障体系的发展趋势。鉴于此，笔者拟从该项工作的现状出发，基于其特征设计一套科学的综合评价体系，希望推动该项工作的科学性、标准化和公正性。

一、我国高等院校外语专业毕业论文评价工作的现状与不足

1.调查发现

笔者对国内30所各层次外语专业院系[2]的毕业论文评价工作进行调查后发现：

（1）大多数院系都采用了科学的工作流程：指导教师评阅―交叉审阅―答辩评审―综合评分。

（2）大多数院系都采用百分制量化评价方式。

（3）总体上，学校层次越高，工作过程也越科学越严谨。

此外，现代信息技术在该项工作中得到了良好应用，大大提高了工作效率，顺应了当代社会对低碳环保的追求。

2.缺陷和不足

（1）忽视评价工作的模糊性

标准的笼统性和评价的主观模糊性导致作为主观决策过程的毕业论文评价本质上不能做到精确量化，但绝大多数高校均要求参评教师给出精确分数，这与评价工作的模糊性相背。

（2）评价维度不全面、指标不完善、权重分配过于主观

虽然多数院系采用了多元评价，涉及语言表达、论证过程、格式规范、答辩表现等，但诸如选题价值、外文资料翻译、开题答辩、工作态度等与论文质量密切相关的指标都未涵盖。评价成绩主要由指导教师、交叉审阅教师和答辩小组评分等三或两部分成绩按主观比例如4：3：3构成，甚至仅由指导教师或答辩小组判定论文成绩。

（3）缺乏过度主观评价防控设计

评价工作固有的主观性加上师生之间因种种原因产生的人情关系容易导致教师对评价对象作出过度评价，导致评价结果失去公正性。遗憾的是没有院系在评价步骤中加入针对此缺陷的防控设计。

二、外语专业毕业论文评价工作的基本特点、原则与方法选择

1.基本特点

（1）主观模糊性

毕业论文评价工作本质上属于主观决策过程，它要求评价主体对评价对象作出尽量客观公正的评价，但评价标准及过程固有的模糊性导致评价主体无法作出精确的量化评价。此外，作为群组决策，不同评价主体的心理标准难免存在差异，加重了评价的主观模糊性。

（2）系统综合性、指标及权重差异性

评价工作是一项综合的系统工程，必须尽可能涵盖各相关评价维度。就某一维度来讲，指标设计也必须具备科学性、差异性和明确性，方可让评价主体有章可循。此外，各指标贡献率并不相同，必须尽可能赋予合理权重。

（3）评价结果量化要求

尽管评价工作具有不可避免的模糊性，但为了确定毕业论文的优秀率和合格率，绝大多数院系均要求为评价对象打出百分制分数。因此，在进行系统设计时必须将模糊定性操作转化为精确的定量操作。

（4）严肃性和公正性

毕业论文评价是对学生四年学业能力的终极评定，不仅关乎学生能否获得毕业证和学位证等切身利益，而且对我国高等教育质量监控与发展也有重要影响，必须确保严肃性和公正性。

2.基本原则

（1）专业性原则

外语专业毕业论文不同于理工科论文，如表达符号为外语、更注重逻辑推理与系统建构等。其评价体系构建必须考虑专业特殊性来设计评价指标并为其分配合理权重。

（2）静态与动态评价相结合

毕业论文写作是一个阶段性动态过程，评价体系既要涉及对论文的静态评价还应包括对工作过程的动态监控性评价，即做到静态与动态评价相结合。

（3）公平公正原则

鉴于评价工作的主观模糊性及评价主体可能作出的过度主观性评价。评价步骤设计必须想方设法减少种种主观随意性，尽最大努力保证评价结果严肃公正。

（4）可操作性原则

指标设计必须具备可测性、精细性和完整性，避免不必要的要素交叉。同时，具备经济可操作性和信息化优势，以充分发挥现代信息技术的效率优势和绿色环保等特性。

3.方法选择

据此，笔者整合了层次分析法和模糊综合评价法来设计外语专业毕业论文评价体系，并加入了过度主观评价防控设计。层次分析法（AHP）是美国著名运筹学家塞蒂于上世纪70年代创立的一种定性和定量分析相结合的决策方法。该方法充分利用专家级决策人员的丰富经验和精准判断力根据问题性质和决策目标将问题分解为不同的结构要素，并按照要素间隶属关系和相互作用将因素按不同层次聚合为一个递阶模型，从而将决策问题归结为指标层对目标层的相对权重值定量化。模糊综合评价法（FCE）是一种基于模糊数学的综合评价方法。该方法根据模糊数学的隶属度理论，整合主观逻辑分析与客观精确运算把定性评价转化为定量评价，从而对受多种因素制约的现象做出评价。前者能有效避免毕业论文评价体系设计不够全面、指标权重分配过于主观的缺陷；后者可以将主观模糊评价转化为量化评价。整合两种方法系统性强和结果明晰等特点可有效解决外语专业毕业论文评价过程中存在的问题。

三、外语专业毕业论文评价系统的步骤设计

1.建立评价递阶模型

该模型由目标层、准则层和指标层组成。目标层是对评价对象题的概述，准则层是隶属于目标层的具体描述，指标层则是各准则层下属的细化评价内容。

2.建立专家判断矩阵并检验其随机一致性

（1）根据递阶模型相邻层次间的隶属关系，请K位行业专家依据两两比较法对各层指标的重要性比较标度进行打分，构造出判断矩阵。设矩阵有i个元素，则判断矩阵为Pk（1）。

（2）检验各矩阵的随机一致性。由于判断矩阵易受个体认知模糊性及评价系统复杂性的影响，必须对各矩阵的随机一致性进行检验。计算过程如下：首先计算各矩阵的最大特征值λmax。鉴于该计算过程比较繁琐，此处建议直接在Matlab7.1中输入各矩阵Pk后，调用最大特征值计算函数max（eig（Pk））即可获得各矩阵的最大特征值；计算各矩阵的一致性指标CI=（λmax-n）/（n-1）；查询平均随机一致性指标对应的RI值，计算各矩阵的随机一致性指标CR=CI/RI。当n=1或2时，判断矩阵具有完全一致性；当n>2时，若CR

（3）计算各指标权重。计算指标权重的方法有和积法、最小对数二乘法等方法。合积法计算过程如下：归一化各矩阵[1]，将归化矩阵按行相加[2]后再次进行归一化处理[3]，计算各个专家的权重[4]，组成专家权重矩阵后将之归一化[5]，然后计算各指标的最终权重[6]。

3.设定模糊评语集及对应评语分值向量集

设评语等级集E={e1， e2， …， eh}， h为评语等级子集的个数。与E相对应，令评语分值向量集F=[f1， f2， …， fh]。

4.构造模糊评价矩阵并检验其离散程度

请R位评价主体按递阶模型为评价对象打分构造出各指标的模糊评价矩阵Ri（2），由于评价结果可能受评价主体特定情感因素的影响，因此必须检验Ri的离散程度。令E={5， 4， 3， 2， 1}。依次计算R位评价主体对各指标评价结果的离散系数CVi（i=1， 2， …， n）[7]及其平均值AVG（CVi）。经过计算，在评价主体少于10人时，若AVG（CVi）>0.15，则说明各评价主体对该指标层的评价存在不公正极值。计算各分值与均值之间的标准差，标准差最大者即为极值，更换该评价主体重新评价，直至评价结果满足要求。

5.计算各准则层的评价结果向量

若模糊评价矩阵Ri通过离散程度检验则将之归一化后计算评价对象在各准则层的评价结果向量Ai[8]。

6.计算评价对象的最终模糊评价结果

综合各准则层的评价结果向量Ai，建立针对目标层的模糊评价矩阵A（3），然后利用准则层的权重矩阵计算评价对象的最终模糊评价结果G[9]。结合不同评语分值向量集F计算评价对象的最终精确得分S[10]。本段提到的矩阵和计算公式如表1所示。

四、应用实例

1.构建评价递阶模型

根据层次分析法原理，笔者整合了国内已有毕业论文评价体系研究成果和校内外专家和专任教师的意见，构建出如下外语专业毕业论文综合评价递阶模型，如表2所示。

2.建立专家判断矩阵并检验其随机一致性

请校内外8位专家和教师对各层指标打分构造出判断矩阵，因篇幅所限，笔者仅对准则层U5对应的矩阵Pk=8为例演示计算过程，如表3所示。

运用Matlab7.1计算各判断矩阵的最大特征值，依次为{3.0092， 3， 3， 3.0092， 3.0092， 3， 3.0037， 3}。计算P1的一致性指标CI=（3.009200-3）/2=0.0046，各专家矩阵的λmax依次为{0.0046， 0， 0， 0.0046， 0.0046， 0， 0.0019， 0}；据公式CR=CI/RI，各专家判断矩阵的随机一致性指标值依次为{0.0079， 0， 0， 0.0079， 0.0079， 0， 0.0032， 0}，均小于0.1，通过检验。

3.计算各指标的最终权重

本节以第一位专家的判断矩阵为例演示计算过程。首先归一化P1；按行相加得M1=[0.2678 1.7608 0.9713]T；再次归一化得1=[0.0893 0.5869 0.3238]T。其他各专家的打分归化矩阵依次为：2=[0.1111 0.2222 0.6667]T、3=[0.1667 0.1667 0.6667]T、4=[0.1638 0.2973 0.5390]T、5=[0.1066 0.1935 0.6999]T、6=[0.1000 0.3000 0.6000]T、7=[0.1299 0.1381 0.732]T、8=[0.1429 0.1429 0.7143]T。计算第一位专家最终权重W1=1/（1+10×CR1）=1/（1+10×0.007931）=0.9265；其他专家的最终权重依次为{1， 1， 0.9265， 0.9265， 1， 0.9691}；归一化各专家权重组成矩阵k=[0.1196 0.1291 0.1291 0.1196 0.1196 0.1291 0.1251 0.1291]T；计算U5各指标的权重值为：W1=k*k=[0.126441， 0.253472， 0.620088]。其他指标的计算结果请见表2。

4.模糊评价过程示例

下面说明运用该递阶模型对某位英语专业学生毕业论文进行模糊评价的过程。因篇幅所限，此处以准则层U1为例演示计算过程。

（1）设定模糊评语集和对应评语向量集为：V={e1， e2， e3， e4， e5}={优，良，中，合格，差}，F=[f1， f2， f3， f4， f5]=[5， 4， 3， 2， 1]（五分制）或[100， 85， 70， 60， 40]（百分制）。

（2）由3位老师对U1各指标按V打分，构造出隶属度矩阵R1；计算该矩阵离散程度AVG（CVi）=0.0787

[11]

（3）归一化矩阵R1，计算该论文在准则层U1下的评价结果为：

A1=WT

1×R1=[0.3223， 0.2239， 0.2749， 0.0977， 0.0308， 0.0505]T×R1=[0.2858， 0.4563， 0.2579， 0， 0]

A1可解读为：所有评价主体认为准则层U1为优的概率为28.58%、良为45.63%、中为25.79%、及格和差的概率为0%。其他各层评价结果依次为：A2=[0， 0.6667， 0.3333， 0， 0]； A3=[0.1751， 0.4075， 0.4174， 0， 0]； A4=[0.0327， 0.2925， 0.6748， 0， 0]； A5=[0.0845， 0.5822， 0， 0， 0]。

（4）构造总目标下模糊关系矩阵A，利用准则层权重计算最终模糊评价结果G。

[12]

结合不同评语分值向量集F计算评价对象的等级分或百分制分数：

S=GT×FT=[0.1336， 0.4144， 0.4373， 0， 0]T×[5， 4， 3， 2， 1]T=3.637133≈3.64；S∈[3.5， 4.5）。

S=GT×FT=[0.1336， 0.4144， 0.4373， 0， 0]T×[100， 85， 70， 60， 40]T=79.187≈79.2。

必须指出，运用本法求得的论文最低分为1或40，即本法对质量更差的论文不具备区分度，但这并不影响其适用性，不达标的论文必须退回修改，对学位证发放不会产生决定性影响。

五、结束语

本文从我国高等院校外语专业毕业论文评价工作的现状出发，讨论了该项工作的基本特征和工作原则，在整合AHP和FCE优势的基础上，设计了一种具备良好操作性的评价体系。该体系能有效地解决该项工作中存在的问题，调动学生毕业论文写作的积极性，进一步提高该项工作的科学性、标准化和公正性。此外，鉴于本系统计算过程的数学规律性极强，可以设计基于大型数据库的网络系统，实现全部计算过程的自动化，更好地提高工作效率，为创建节约型社会贡献一份力量。

参考文献：

[1]高等学校外语专业教学指导委员会英语组编.高等学校英语专业英语教学大纲[M].北京：外语教学与研究出版社，2000.

篇5

【关键词】电控发动机故障分析

电控发动机系统主要由电控燃油喷射系统、电控点火装置、怠速控制、排放控制、进气控制、增压控制、警告提示、自我诊断与报警系统等子系统组成。其中电控系统作为整个发动机系统的控制核心,用来协调各平行和上级系统的工作。

1发动机电控系统的组成

电控燃油喷射系统由三个系统组成:燃油系统、进气系统和电控系统。

1.1燃油系统

燃油系统的功能是向汽缸或进气管喷射燃烧时所需的燃油量。燃油从燃油箱内由电动汽油泵吸出,经汽油滤清器后,再由压力调节器加压,将压力调节到比进气管压力高出约250Kpa(2.55kgf/cm2)压力,然后经输油管配送给喷油器和冷起动喷油器,喷油器根据电控单元ECU发来的脉冲信号,把适量燃油喷射到气缸内。如图2.1所示。

1.2进气系统

进气系统为发动机可燃混合气的形成提供必须的空气。空气经过空气滤清器、空气流量计、节气门体、进气总管、进气岐管进入气缸。节气门全闭,发动机在怠速工况下运行时,空气经旁通气道直接进入进气岐管。

1.3电控系统

电控系统是电控单元根据传感器检测到的发动机运行工况和汽车运行工况来确定喷油量及点火提前角,从而控制发动机在最佳工况下的运转。

与传统的化油器式发动机相比,电控发动机在结构和功能上均有了较大的改进。主要有:

(1)结构的层次性、复杂性从系统论的观点,电控发动机是由有限个“元素”通过各种“联系”构成的多层次系统。“联系”可分为:结构类、功能类、传感器测点类,各自均有一定的层次性,包括顶级即电控发动机本身,分系统级由电控系、冷却系、启动系、机械系等组成。各类与各层次间既有各自独立的功能,又相互影响、相互牵制。整个机体通过ECU的控制来协调各子系统,完成发动机总体功能,各子系统的功能又是由各自部件的功能相协调来实现的,各部件的功能又需要通过各元件的协调来实现。

(2)功能控制的集中性随着电子技术的飞速发展,电子控制单元采用了数字电路及大规模集成电路,同时微机处理速度的不断提高和存储容量的增加使其控制功能大大增加,并具有备用功能。另外,与汽油喷射控制、点火控制及其它控制系统相关的各种控制器,由于所用的传感器均可通用,如水温传感器、进气温度传感器等,因此,利用控制功能集中化就可以不必按功能不同设置传感器和ECU,而将多种控制功能集中到一个ECU上,不同控制功能所共同需要的传感器也就只设一个,这就是集中控制系统。

汽车发动机电控系统的主要部件有:电子控制单元(ECU)、空气流量计、节流阀体、发动机转速传感器等,其中节流阀体又包括:节气门电位计、怠速节气门电位计、怠速开关、怠速调节电机等。从控制原理来看,发动机电子控制系统可以简化为传感器、电子控制单元(ECU)和执行器三大组成部分。传感器是感知信息的部件,功用是采集控制系统的信号并转换成电信号输送给ECU,以提供汽车运行状况和发动机工况等相关信息。ECU接收来自传感器的信息,进行存储、计算和分析处理后发出响应的控制指令给执行器。执行器即执行元件,其功用是执行ECU的专项指令,从而完成控制目的。

2发动机电控系统的故障分析

发动机电控系统其结构的层次性、复杂性,其控制功能的集中性,导致其故障表现形式的多样性、复杂性。主要表现有:

(1)多维层次性对电控发动机而言,其故障可划分为电控系、起动系、点火系、冷却系及机械系等子系统,子系统又由各部件与元件构成。同样,其按功能也可划分为若干个层级。因而发动机电控系统的故障原因与故障征兆也相应与不同的结构层级、功能层级以及传感器测点类相关联。

(2)传播性发动机电控系统故障传播方式有两种:横向传播,例如电控系系统内某一传感器故障可引起电控系内其它传感器功能失常或失效;纵向传播,即由元件的故障相继引起部件故障—子系统故障—系统故障。因此微小的故障如不及时发现和排除会造成严重的后果。

(3)相关性某一故障可能对应若干征兆;某一征兆也可能对应若干故障。它们之间存在着错综复杂的关系。

(4)时间性发动机电控系统故障产生与表现常常与时间有关,这是由于发动机运转的动态性所决定的,如间歇性故障。

篇6

2安全生产预警的运用现状分析

安全生产预警作为安全问题事前管理以及事故控制的有效手段，起着举足轻重的作用。目前，安全生产预警已经被广泛应用于各个领域，笔者选取煤矿安全生产预警、建筑施工安全生产预警以及道路交通安全预警等高危行业进行安全生产预警现状分析。

2．1煤矿安全生产预警

煤矿安全生产预警是以煤矿安全生产法律法规为依据，利用现代化工具和各种技术手段，收集各类数据如人、环、物等状况，同时针对安全生产活动进行评估、审核、整理、分析、监测，发出不同阶段的安全生产预警信号。国内在20世纪90年代后期出现了煤矿行业的微观预警，其思想和方法基本源于经济预警的基本理论。其后，张明从作业人员、设备设施、工作环境、管理状况方面建立了初步的煤矿安全生产预警指标体系，构建了基于模糊综合评判法的预警管理系统。牛强等利用自组织神经网络研究了煤矿安全生产预警模型和安全生产预警专家系统。随着人工智能技术以及计算机技术的发展，一些新兴的改进的方法也被提出，如丁宝成构建了基于模糊层次分析法及补偿模糊神经网络的煤矿安全生产预警组合模型。邵长安等构建了基于地理信息系统(GIS，GeographicInformationSystem)的煤矿安全生产预警系统，通过GIS技术对空间的动态数据进行收集及处理，并采用BP神经网络进行系统模型构建。这一系列的研究极大地推动了煤矿预警技术的发展，为预警技术在煤矿安全生产中的应用做出了积极的贡献。

2．2建筑施工安全生产预警

我国的建筑生产安全事故严峻程度仅次于矿山和危险化学品领域，严重影响了建筑业的可持续发展。国内外很多学者从20世纪六七十年代就开始对建筑业的安全和健康问题进行了大量深入细致的研究，主要通过调查统计方法建立模型，获取安全管理指数，进行建筑安全事故预警。目前，一些学者通过对建筑安全事故的成因分析，已研究了用预先危险性分析法、灰色综合评价方法等多种风险预测理论方法，对生产事故风险进行预警。冯利军通过事故致因理论以及危险源辨识对建筑安全事故成因进行了深刻的分析，建立了建筑安全事故成因诊断的分析模型(ARCTM，Acci-dentRootCausesTracingModel)。在建筑安全事故预警方法上，运用比较多的有基于模式分类的贝叶斯预警方法、神经网络方法以及遗传－神经网络法等。随着计算机技术的发展，一些学者也采用了新兴的方法进行事故预警，如赵平等强化人、机、环境、管理4方面的安全隐患信息和危险源的预警管理，采用多源信息融合技术的D－S证据理论法对不确定的复杂的工程数据进行定性分析和融合，用融合的最终数据判断施工项目的安全施工状态。针对建筑安全事故数据收集困难、数据集为小样本的特点，解决小样本数据集有特殊优势的支持向量机方法也逐步运用到建筑安全事故预警研究中。赵元庆等针对建筑施工项目安全风险评估的精度要求以及施工特点，首次提出基于粒子群算法优化的支持向量机方法，从人员、设备、材料、环境、技术以及管理几大方面进行指标选取，结果显示精度较高，具有一定的实际应用价值。

2．3城市道路交通安全预警

道路交通安全预警，就是依据对道路交通事故发展稳定状况的判断，采用定性与定量相结合的方法，对道路交通安全发展态势进行过程描述、追踪分析和警情预报。国内交通安全预警理论的研究，包括高速公路交通安全管理、铁路交通安全管理、空中交通安全预警管理、城市道路交通安全预警以及交通灾害的研究。城市道路交通安全预警方法多样，基于车速的交通事故贝叶斯方法、模糊评判法等都是较为常用的预警方法。例如:王宁从宏观层面和微观层面分别构建了区域城市道路交通安全预警系统和局部城市道路交通安全预警系统的模型，采用贝叶斯矩阵法(BMOM，BayesianMethodofMatrix)预测交通事故，分析城市道路交通安全状况，根据预警等级进行报警。例如:宇仁德等针对道路交通监测数据多样性、空间性以及多属性等特点，建立了基于GIS的道路交通安全预警系统，构筑了数据采集与接收子系统、数据分析与处理子系统、数据查询子系统、事故评价、检测与预测子系统以及报警与调度子系统。此外，李玲琦对基于智能交通系统(ITS，Intelli-gentTransportSystem)的事故多发路段预警技术进行了研究，提取了运行车速作为单车运行状态下的事故前兆特征变量，建立了由交通环境信息采集、危险状态判别、预警信息和通信4部分组成的高速公路事故多发路段预警系统。

3各行业安全生产预警对比分析

煤矿安全生产预警、建筑施工安全生产预警以及城市道路交通安全预警都是安全生产预警在重要行业的具体应用，安全生产预警系统要求首先对该行业生产事故影响因素分析，通过指标选取原则，从影响因素中提取指标，并采用层次分析法或者相对重要程度等级法进行指标权重的划分，再选取相应的数学方法构建预警模型，通过输出值确定安全状态，并相应的预警信号。不同行业安全生产预警的流程基本相同，但是仍旧存在一些差异，主要概括如下:

3．1指标的选取

煤矿安全生产预警中指标的提取主要包括作业人员、机械设备、工作环境、管理状况、地质条件等，大部分学者主要从以上5个方面进行指标体系的构建，部分学者则选取了煤层赋存条件及开采条件作为预警指标进行安全生产预警，指标覆盖性不够，因此预警效果不明显。建筑施工安全生产预警中指标的提取则主要从人、物、环境、管理4个方面进行，对建筑行业来说，物的因素主要指的是施工过程中所涉及的设备、材料、半成品、燃料、施工机械、机具、设施、能源等;此外，在建筑施工安全生产预警指标中，还考虑了安全投入这一因素。城市道路交通安全预警指标主要从人、车、道路、交通管理、交通环境5个方面进行了考虑。各行业安全生产预警指标的选取见表1。

3．2预警方法

安全生产预警是通过分析事故影响因素与事故发生或者事故发生风险之间的关系的技术，常用的预警方法包括指数预警法、统计预警法以及模型预警法，其中模型预警法主要用于监测点比较多、影响因素复杂的情况，包括灰色系统理论、模糊综合评判法、人工神经网络等。针对于不同行业的基本特点，安全生产预警方法的选取也不尽相同。煤矿安全生产预警、建筑施工安全生产预警以及城市道路交通安全预警常用的方法见表2。

3．3运行效果

国内的煤矿预警研究早期主要借鉴经济预警的理论和方法，但经济运行机制与煤矿灾害的发生机理迥异，缺少对煤矿灾害预警机理的研究。同时，部分研究工作中构建的煤矿灾害指标体系主要针对水灾、火灾、瓦斯突出等某一具体灾害，不具有动态适应性。现今的煤矿安全生产预警系统能够从宏观上进行把握，针对煤矿的整个生产和安全系统进行全方位的系统设计，并且预警的准确程度也在逐步提高。

在建筑生产安全事故管理方面，绝大多数研究都是对建筑生产安全事故的事后分析，少数进行生产安全事故预警工作的研究也主要是利用传统的方法进行，建筑施工预警理论不成熟。要想在建筑安全生产预警方面取得一定的进展，就必须广泛借鉴其他学科，特别是人工智能、模式识别、人工神经网络、遗传算法等智能学科和非线性系统学科的研究成果。对于城市道路交通安全预警问题已经进行了大量卓有成效的理论研究和工程实践，但研究工作还相对较为零散，只是进行局部的指标体系设计，没形成一个清晰成熟的交通安全预警系统的概念。

4结论

1)单指标预警时可通过对各项指标的国家标准值进行预警阈值的确定，综合预警则通过事故等级或者安全状态各区间临界值，确定统一的预警阈值。

2)预警指标的选取涉及生产技术水平、安全管理水平、生产者和管理者的素质以及社会和文化等因素，根据各影响因素确定指标原则能够使指标的全面性和完整性得到保障。

篇7

【中图分类号】G40-057 【文献标识码】A 【论文编号】1009-8097（2014）01-0025-05

针对教学设计的理论转向问题进行研究对于梳理教学设计理论的历史发展具有非常重要的价值。文章拟从波普尔的“证伪”理论和库恩的“范式”理论出发来探讨这个问题并试图提出教学设计理论发展的新方向。

一、波普尔的“证伪”理论及库恩的“范式”理论

波普尔认为经验观察必须以一定理论为指导。指导的前提是理论本身是可证伪的。因此应对理论采取批判的态度。波普尔认为可证伪性是科学不可缺少的特征。猜想和反驳促进了科学知识的增长和发展。波普尔的理论被称为证伪主义，简称“证伪”理论。

波普尔提出了知识增长的三个要求。首先，新理论应当从某种简单的、新的、有力的统一观念出发。这种观念是某种联系或关系。它形成于至今没有联系的东西或事实之间。它也可以形成于新的“理论实体”之间。其次，新理论应当可以独立地受到检验。再次，新理论应通过某些新的严峻的检验。库恩认为科学成就除了引人注目外，还必须具有两种特征才能称之为“范式”。首先，其成就空前地吸引一批坚定的拥护者，这使他们脱离科学活动的其他竞争模式；其次，该成就为实践者留下有待解决的新问题。

“范式”是一个与常规科学密切相关的术语。“范式”意在提出某些科学实践的公认范例。它们为特定的连贯的科学研究传统提供模型。库恩认为，科学革命的本质就在于“范式”的转换。库恩提出的科学革命的结构有三个阶段。起先是有一个范式和致力于解谜的常规科学。随后是严重的反常并引发危机。最后是由于新范式的诞生危机得以平息。

库恩认为，从一个处于危机的范式，转变到一个常规科学的新传统能从其中产生出来的新范式，远不是一个累积过程，即远远不是一个可以经由对旧范式的修改或扩展所能达到的过程。宁可说它是在新的基础上重建该领域的过程。该重建改变了领域中某些最基本的理论概括。该重建也改变了领域中诸范式的方法和应用。库恩提出“不可通约性”的概念，意即在革命和范式转换过程中，新的思想和主张无法与旧的做严格的比较。即便是同样的用词，它们的真实含义也己改变。理论更替是由于新理论改变了原来的世界观。库恩认为，科学的进步并非通往单一真理的简单直线。科学进步体现在去追求更为恰当的世界观念和更为融洽地与世界的互动。

两种理论都探讨知识增长和科学进步问题。它们在探讨理论接近真理的逼真性时很相似。但“证伪”理论与“范式”理论还是有区别。波普尔否认理论被证实的逻辑意义。他强调证伪的重要作用。库恩则认为，证实是可能的，不应过分夸大证伪的作用。波普尔是从知识增长的逻辑来考虑问题，而库恩则是从科学研究的“革命”的角度来考察问题，两者都聚焦于知识增长，但是考察视角却不相同。

另外，库恩认为：“没有任何理论能够解答在一给定时期它所面临的所有谜题；即使得到的解答也常是不完美的。恰好相反，正是这种理论和资料间的吻合程度的不完备和不完美，才界定出许多表征了常规科学的谜题。如果理论与数据间稍有不合即成为抛弃理论的理由，那么所有的理论在任何时候都该被抛弃。另一方面，如果只有理论与数据的严重不符才构成抛弃理论的理由，那么波普尔主义者就需要某种‘不可能性’或‘否正程度’的标准。在制定这么一种标准时，他们几乎必然会遇到那些使各种概率论的证实理论的提倡者头痛的种种困难。”

尽管波普尔的“证伪”理论与库恩的“范式”理论有所区别，但这不妨碍我们借鉴这两种理论来探讨教学设计的理论转向问题。可以从“证伪”理论出发考察教学设计理论。也可从“范式”理论出发考察教学设计理论。教学设计的理论转向可以表现为两种现象。某教学设计理论否证了以前的教学设计理论。或者某教学设计理论带来了研究的新范式。如此就可以认为发生了教学设计的理论转向。还需要指出的是，尽管教学设计理论不是描述性的科学理论，但是教学设计理论本身必须具有科学性，所以从科学性这个角度出发来借鉴针对科学理论内容本身而提出来的这两种理论来考察教学设计的理论转向问题在一定程度上能够符合逻辑本身。

二、教学设计理论从IDI转向ID2

梅瑞尔提出了IDI和ID2的划分，并以ID2为基础，推进了教学设计自动化的研究。梅瑞尔认为加涅的教学设计理论是许多教学设计理论的基础。加涅对于学习活动有一个首要假设。该假设认为存在着不同类型的学习结果。不同的内部和外部行为的共同作用才促进和导致了每一种学习结果的产生。加涅的思想立足于当时实验学习心理学。梅瑞尔的成分显示理论亦建立在该假设之上。他列举了同时期其他人的教学设计理论，并指出这些理论和加涅的学习条件理论以及他自己的成分显示理论都是类似的，他把这一类理论及其方法整体称为第一代教学设计，简称ID1。

梅瑞尔详细分析了第一代教学设计的九大局限。批判ID1的缺陷后，梅瑞尔提出了ID2。ID2要解决ID1的众多局限，即缺乏整体性、封闭、被动、忽视知识获取、忽视课程策略、低效率。ID2的目标是整体、开放、互动、高效率。ID2要解决知识获取和课程策略问题。梅瑞尔所提出的ID2的核心价值在于：（1）心智模型与知识呈现；（2）教学交易和教学处方；（3）专家系统实现开放性；（4）数据呈现机制保证整体性。

教学设计理论目前存在两种范式，分别是以加涅为代表的ID1和以梅瑞尔为代表的ID2。考察教学设计理论从IDI转向ID2的原因，很明显可以看到学习理论变迁所起的作用。IDl的学习理论基础在于行为主义学习理论。它也是加涅的学习结果分类理论的基础。加涅深刻地影响了其他的教学设计研究者。而梅瑞尔提出的ID2强烈地批评了IDl的缺陷。正是在否定IDl的基础上，才诞生了ID2。认知主义学习理论带来了IDl的危机。为了解决认知主义学习理论给IDI所带来的危机，或者说为了克服IDI在认知主义学习理论背景下的缺陷和不足，才诞生了ID2。而从波普尔的“证伪”理论看，ID2解决了IDl的局限，更细致地描述和解释了教学设计经验事实，所以ID2的接近真理的程度比IDI更高。同时，ID2也满足了波普尔提出的知识增长的三个条件，即ID2是从新观念出发的（认知主义学习理论），ID2能独立地接受实践的检验（教学设计实践），ID2能够通过某些严峻的、新的检验（基于认知主义学习理论的教学设计实践）。从科学共同体或者学术共同体的角度来说的，IDI有一大批拥护者，ID2出现之后同样有较多拥护者，且对IDl造成了强烈的冲击和挑战。IDl以行为主义学习理论为基础。ID2以认知主义学习理论为基础。由于ID2与IDI的理论基础存在巨大差异，可以认为ID2对IDI来说是一种不同的范式。从以上论述可以看到，梅瑞尔对IDl和ID2的划分是合理的，既符合了库恩的“范式”理论，也能符合波普尔的“证伪”理论。从IDI到ID2的转向，是教学设计理论的非常重要的一次转向也是第一次转向。从生产力的历史阶段来看，IDI代表了教学设计手工时代，而ID2代表了教学设计自动化时代。因此这次转向也是ID的两个时代的转向。

三、教学设计理论仍处于ID2的“范式”之中

ID2对于教学设计理论的发展有巨大影响。随之而来出现了很多不同的教学设计理论。从波普尔的“证伪”理论和库恩的“范式”理论来考察这些理论，能够发现它们无法对ID2构成有效的威胁和挑战，这意味着这些理论不能够成为教学设计理论的下一次转向的目标。

这些理论中的集大成者是建构主义教学设计理论。建构主义教学设计理论的代表人物是乔纳森。建构主义学习理论是该教学设计理论的基础。认知心理学是该学习理论的心理学基础。这一点和认知主义学习理论没什么两样。建构主义教学设计理论的理论基础仍然在ID2的范围之内，没有从根本上否定ID2的理论基础，因此其不能给ID2构成挑战和威胁。尽管建构主义教学设计理论强调学习环境的作用，这一点与ID2有所区别，但无法否认学习者内部心理认知结构的因素，所以建构主义教学设计理论并不能构成教学设计理论的一个新“范式”。事实上，建构主义本身是一种哲学流派，甚至不能成为教学设计的理论基础。梅瑞尔和莫伦达认为一些激进建构主义者使用修辞方法弱化了他们的论题，给人的感觉与其说建构主义是一种纯粹的学术话语，不如说是一项政治议程。建构主义不能被说成是教学设计理论的范式。笔者赞同梅瑞尔对建构主义的批评。

系统化教学设计理论基于系统科学。系统科学已经得到越来越多的人的了解。系统化教学设计理论的缺陷主要在于对教学活动的绝对控制以及呆板的设计模式，并且体现出一种对生命个性的压抑。从波普尔的“证伪理论”看，系统化教学设计理论在理论基础上不能有效反驳ID2，同时在教学设计实践领域也未能比ID2能够经受更为严格的检验；根据库恩的“范式”理论来看，系统化教学设计理论没有对ID2产生冲击，未能引起ID2的危机，所以其实质上跟建构主义教学设计理论一样没法构成教学设计理论在ID2之后的新“范式”。

ID理论中存在人文主义和科学主义的对立。思维方式的差异是这两种主义的本质区别。邓晓芒认为，存在两种思维类型的人，一种是数学的、精密的、计算的、技术型的，另一种是诗意的、形象的、感受的、思辨型的。前者长于逻辑推理，对于使用工具、技巧和符号代换毫无困难，但对于形象、想象、体验和神秘感却缺乏兴趣。后者不满足于机械的推理和操作，而对于激动人心的事，对于主客同一的体验有一种狂热的追求。笔者认为，从思维方式的区别上来看，人文主义和科学主义的对立确实是存在的，二者走向融合也是历史的必然。但是思维方式不能成为教学设计理论“范式”的决定因素。无论是根植于人文主义上的教学设计理论还是根植于科学主义上的教学设计理论或者根植于人文主义和科学主义融合基础上的教学设计理论，都不应该称之为教学设计理论“范式”，也就谈不上这些视角之下的教学设计的理论转向问题。

何克抗提出主导主体相结合的教学设计理论。该理论来自于他对教学系统设计的一种划分。他把教学系统设计划分为两类。这两类教学系统设计是以教为主和以学为主。笔者认为，首先，这种划分本身是不科学的。不能割裂地看待教学系统设计中的教和学。因为二者是一个事情的两个方面。既然不能把教和学割裂开来，也就没有必要提一个主导主体相结合的教学系统设计。其次，该教学设计理论的基础是系统论。这不能对ID2形成有效反驳。因此该教学设计理论不能成为新“范式”。

何克抗分析了“新三论”的基本内容及系统方法特征，就如何运用“新三论”促进教学设计理论与应用的深入发展作了探讨。诚然，“新三论”对于教学设计或许有借鉴作用，但是“新三论”在本质上而言与“老三论”一起构成的是系统科学方法发展的两个阶段。系统化教学设计理论不能成为新“范式”。“新三论”指导下的教学设计理论亦是如此。李芒针对系统论教学设计的弊端，提出了关系论教学设计。这是在反对系统化教学设计的基础上提出的。系统化教学设计未能对ID2构成有效反驳。从逻辑推论来看，反驳系统化教学设计的关系论教学设计同样不能成为教学设计理论的新“范式”。

还有一些面向特定问题或面向特定对象或基于特定理论的教学设计理论，同样未能对ID2构成挑战，也不能成为教学设计理论的新“范式”在此不再赘述。四教学设计理论的新方向：智能教学设计

ID2建立在认知心理学的基础上。ID2的目标是实现教学设计自动化。尽管ID2在教学设计自动化方面取得了不菲的成绩同时也影响了大批的教学设计理论研究者，但在当今信息技术日新月异的时代环境中ID2不可能一劳永逸地占据教学设计理论的“范式”地位。教学设计理论从IDI转向ID2之后，若要继续实现理论突破和转向，其转向的目标应该比ID2更高一个层级。目前来看，尚没有哪一种教学设计理论能够成为ID2之后的新“范式”，主要因为从行为主义学习理论到认知主义学习理论之后，学习心理学的发展没有革命性的突破。教学设计理论要想突破ID2范式，首先就得继续发展，而且能够增加教学设计领域的知识。笔者在此提出一个猜想。智能教学设计可以成为教学设计的新方向。笔者认为，如果能够沿着智能教学设计的方向走，教学设计理论最终能够突破ID2范式而形成新的转向。尽管尚未出现智能教学设计理论的定义和框架，但在当前的教学设计理论研究中己经出现了智能教学设计理论的萌芽。

张立新和LeaundaS.Hemphill提出了一种技术取向的技术整合教学设计模式。该理论尽管未能超出ID2的范式，但是提出了教学设计的一个本质方向：技术取向。杨开城分析了简化范式的教学设计理论的缺陷，指出这种教学设计理论的最大失误是忽略目标和手段的一致性的问题，并提倡开展技术性教学设计理论的研究。技术性教学设计理论注重可操作性和实用性。它暗含着对现存教育理论的否定和突破。

彭绍东认为，教学设计自动化包括数字化、形式化、智能化三个水平层级。他认为，ID的智能化中，强调教学设计劣构领域问题求解的针对性、动态有效性与最优化，强调利用具有自学习、自理解、自推理、自决策、自控制等人工智能的系统开展教学设计，强调把教学设计知识对象转化为人工智慧。ID智能化的实现有很多方面。如ID专家系统、ID咨询系统等。

篇8

钟义信：简要地说，信息科学就是研究信息及其运动规律的科学。具体地说，信息科学是“以信息为研究对象、以信息运动规律为研究内容、以信息科学方法为研究指南、以扩展人的智力能力（它是信息能力的有机整体）为研究目标”的一门新兴横断科学。

武健：从概念、定义来看，信息科学与计算机科学并不完全一样。因为信息科学是以信息运动规律为研究内容的，研究内容既不专指计算，也不是专指计算机。从这个角度思考，信息科技课程与计算机课程的内容将有很大的区别。这对于一线信息技术教师来说，了解信息科学就更加重要了。您能否给我们讲一讲信息科学的核心内容是什么？它对于整个社会能发挥什么作用？

钟义信：信息科学的概念（定义）也可以通过它的基本模型来表现（见下页图1）。

这个模型也可以简化为以下更直观一些的模型（见下页图2）。

考察信息科学的定义和它的基本模型（以及简化模型）可以知道：

信息科学最大的特点是研究“信息”（而不是物质和能量）。

它的核心内容就是研究“信息运动规律，即信息-知识-智能转换的规律”。

世间一切物质的运动都会产生信息。人类正是通过研究信息，才能认识世界（包括自然和社会）。因此，信息科学的研究目标，就是“扩展人类的智力能力，也就是扩展人类认识世界和改造世界的能力”。这就是信息科学对于整个社会的作用所在。

武健：我记得您曾经讲过信息分成主客体关系，那么我们理解基本模型与简化模型也是一步步地发展出来的。从简到繁是否可以这样理解？（如下页图3）

从信息定义的基本模型中，还可以看到信息科学在特别关注着策略，尤其是人的策略。从这个角度来看，信息科技课程中会有着一批以前没有的教学内容。技术课中的学习计算机操作的教学目标是学会操作。而信息科技框架下的课程则需要以应用技术，挖掘其中的问题解决策略，了解信息科学概念与原理为主要目标了。

每个学科都会有一批本学科的科学家，像牛顿对于物理，哈勃对于天文，欧姆对于电学……信息科学是一门新兴的横断科学，那么您认为这门学科中有代表性的信息科学家有哪些人？

钟义信：横断科学，是在概括和综合多门学科的基础上形成的一类学科。它不是以客观世界的某种物质结构及其运动形式为研究对象，而是从许多物质结构及其运动形式中抽出某一特定的共同方面作为研究对象，其研究对象横贯多个领域甚至一切领域。所以，信息科学家、信息技术专家会有自己的领域，但会在共同的信息方向有突出贡献。

如香农（Shannon）在1948年发表了论文“通信的数学理论”，奠定了“通信信息论”;维纳（Wiener）在1948年出版了著作《控制论》，奠定了随机控制理论，贝塔朗菲（Bertalanffy）在20世纪60年代出版了《一般系统论》，建立了系统论。西蒙（Simon）对功能模拟的人工智能理论做出了奠基性的贡献，费根鲍姆（Feigenbaum）是人工智能专家系统的开拓者，闵斯基（Minsky）对人工神经网络和认知理论有突出的贡献，查德（Zadeh）创建了支持信息科学研究的模糊集合和模糊逻辑， 柯尔莫戈洛夫（Kolmogorov）对信息理论和控制理论都有杰出贡献，等等。这些人都在信息科学领域有过不同方面的重要建树，都可以称之为信息科学家。

由于我国只有各种信息技术的学术机构而没有专门的信息科学的学术机构，很少纯粹信息科学方面的交流机会，因此很难确定谁是信息科学家。不过，由于我国信息化建设的迅猛发展，确实出现了不少在信息科学技术方面做出重要贡献的人员。

武健：信息科学是一门新兴的学科。既然是“新兴”，那么它一定在发展，甚至是快速发展。您认为信息科学主要研究的方向与进展如何？现阶段出现了什么样的困难？

钟义信：相对而言，信息科学是一门非常年轻的学科。因此，它的主要研究方向应当是信息科学的基础理论，研究信息的基本运动规律。其中包括信息理论、知识理论、智能理论，特别是信息、知识、智能之间的转换理论（一体化理论）。

经过半个多世纪的研究和探索，我们在这些基础研究方面取得了可喜的进展，具体表现在：建立了超越与拓展传统信息论的“全信息理论”，发现了“知识的生态学规律”，创建了“机制模拟的人工智能理论”，实现了“结构主义、功能主义、行为主义人工智能理论”的统一，还创建了“基础意识―情感―理智三位一体的高等人工智能”，特别值得提到的是，发现了意义重大的“信息转换与智能创生定律”。

在取得这些进展的过程中，发现物质科学（代表性科学是物理科学）的科学观（还原论）和方法论（分而治之）不适用于信息科学（和智能科学）研究，总结并提出了适用于信息科学研究的新的科学观和方法论。

面临的主要困难是：由于信息科学和智能理论的研究对象多数是非常复杂的问题，因此现有的数学工具不敷应用，特别是其中的逻辑理论还相当单薄，不足以支持这些复杂问题的创新研究。这是当前信息科学发展中的“瓶颈”。

武健：信息科学关系到的方法论可以分成信息科学研究的方法论和信息技术应用的方法论。根据这样的观点，在信息科技课程中，需要以完整的信息综合活动展开教学，而不适合片面地学习信息获取、信息处理某一个片段。因为信息科学方法论更强调从整体到局部，不建议从信息运动中的某一细节去理解典型的信息过程。

信息科技的方法论分成理论研究层级和技术应用层级。您认为在信息科学研究中，常用的方法与手段有哪些？

钟义信：与物理科学研究方法最大的不同，是不再采用“分而治之，各个击破”这种流行了数百年之久而且一直行之有效的传统科学研究方法论，而是改为运用全新的“信息转换与智能创生”方法论。

原因是：“分而治之”方法论在把系统分解为若干子系统的时候，必定会丢失各个子系统之间相互联系相互作用的信息，而这些信息正是复杂信息系统的生命线。就像研究人脑思维奥秘的时候，如果采用“分而治之”的方法把人脑分解为若干部分进行研究，即使把每个部分都研究好了，也无法揭示人脑思维的奥秘，因为分解之后的这些人脑部分根本无法复原为活的人脑。

“信息转换与智能创生”方法认为，信息系统是一个生态系统：由信息生成知识进而生成智能（策略），从而按照策略解决问题。它强调信息、知识、智能（策略）之间的相互联系和相互作用，强调信息、知识、智能（策略）之间的生态联系，根据外部世界客体的信息和认识主体的目的，可以通过学习创生解决问题的智能策略。

至于具体的研究工具，基本也是硬件试验和软件仿真（包括虚拟现实）。

武健：在信息科学体系中，您认为这个领域中最基本的概念和原理是什么？

钟义信：信息科学最基本的概念包括信息、知识、智能。人们往往把信息科学技术仅仅局限在“信息”范畴，这其实是对信息科学技术严重的。经过这样的信息科学技术的作用，就大大被削弱了。

信息科学最基本的原理则是：信息―知识―智能转换原理。正确运用这个基本原理，人们就可以在具体的环境中求出解决问题、而且保证实现“主客双赢”的智能策略，从而满意地解决问题。

武健：一般人都知道，现代科学与技术有着不可分割的密切关系。一方面，很多人还不知道什么是信息科学，另一方面，还不能想象信息科学与信息技术之间有什么关系。您认为两者有什么样的区别与联系？

钟义信：信息科学与信息技术是一对孪生的概念，信息科学是信息技术的理论基础，信息技术是信息科学理论的具体实现。两者相互联系，相互促进。

武健：很多人认为信息技术就是计算机技术加上网络技术，信息技术就是能够用计算机上网。这部分人觉得，信息技术就是信息技术，不是什么“关于信息的技术”。关于这些观点您是怎么看的？从信息科学的角度来看信息技术应当包含什么内容？

钟义信：只要对照信息科学的简化模型，就可以很明确地回答：信息技术不等于计算机技术和网络技术，因为这个说法很不全面，忽略了传感技术，忽略了控制技术，特别是忽略了人工智能技术。

实际上，在以往，关于“信息技术”的概念，确实曾经流行过很多各不相同的说法。其中比较出名的包括：

1C说――认为“信息技术就是Communication技术”，理由是：信息论就是通信论;也有一些人认为“信息技术就是Computer技术”，理由是：计算机就是用来处理信息的技术。

2C说――认为“信息技术就是Computer+ Communication技术”。

3C说――认为“信息技术就是Computer+ Communication + Control技术”。

但是，对照信息科学的简化模型就可以明白，这些说法都属于“以偏概全”的认识，都是不全面的认识。

从信息科学的简化模型可以非常清晰地了解到具体的信息技术内容，包括实现信息获取功能的“传感技术”，实现信息传递和策略传递功能的“通信技术”，实现信息预处理功能的“计算机技术和存储技术”，实现信息认知功能和智能决策功能的“人工智能技术”，实现策略执行功能的“控制技术”，以及实现反馈学习和策略优化的“信息系统自组织技术”等。

武健：您认为未来20～30年，信息科技最有意思的发展可能是什么？

钟义信：根据“科学技术拟人律”，未来20～30年，信息科学技术最有意义的发展将是人工智能技术。

对照信息科学简化模型就知道，扩展感觉器官功能的传感技术、扩展传导神经系统的通信技术、扩展思维器官预处理功能的计算机技术以及扩展效应器官功能的控制技术都是相对而言的技术，扩展思维器官认知功能和决策功能的人工智能技术才是核心技术。目前信息技术已经得到长足的发展（未来当然还会继续发展），这就为核心信息技术的发展打好了基础，也产生了需求。因此，未来20～30年间，人工智能科学技术必然成为发展的主导潮流。

武健：您认为学习信息科技的知识对于中小学生来说有何意义？有没有哪一部分内容需要在现阶段特别强调的？

钟义信：中小学生绝对应当学习基本的信息科学知识，掌握信息技术的基本能力。当今的时代是信息时代，不学习信息科学技术，就会成为落伍的一代，被淘汰的一代。这是非常危险的。

当然，中小学生学习信息科学技术应当遵循“循序渐进”的认知规律和“兴趣引导”的教学方法。事实上，信息科学技术本身的发展就是循序渐进的，如图4所示。

武健：您对中小学的信息科学与技术课程（不等同于计算机课程）有何期望与要求？

钟义信：根据“信息科学技术”的定义，“计算机科学技术”只是“信息科学技术”的一个组成部分。部分不等于全体，部分不能代替全体。所以，不能用“计算机”课程代替“信息科学技术”课程。

中小学的信息科学技术教育是一个极其重要的问题，又是一个十分复杂的问题。我们不能就事论事孤立地讨论中小学的信息科学技术课程，而应当把它作为“国家信息科学技术教育系统工程”来统筹考虑：小学阶段学什么？中学阶段学什么？大学阶段学什么？硕士研究生阶段学什么？博士研究生阶段学什么？等等。

按照“信息科学技术教育系统工程”的思路，中小学生应当通过“学习最为基础的信息科学概念”和“掌握最为基本的信息技术能力”形成“最浅层（然而又是准确的）的信息科学技术观念和浓厚的兴趣”。其中，“观念和兴趣”是最重要的，而“概念和能力”则是支撑这种“观念和兴趣”的支柱。

武健：钟老师，感谢您的指导。您认为2010年后，学科基本研究才逐步成熟起来。一门学科从成熟到走进基础教育往往需要十多年的工作，而信息科技课程的发展将是长期的。希望您以后能够经常关注基础教育中的信息科技课程发展，给我们更多指导。

篇9

继2004年北京大学率先在国内建立“智能科学与技术”本科专业之后,2005年,北京邮电大学、南开大学和西安电子科技大学;2006年,首都师范大学、北京信息科技大学、武汉工程大学和西安邮电学院;2007年,北京科技大学、厦门大学和湖南大学;2008年,河北工业大学和桂林电子科技大学;2009年,重庆邮电大学和大连海事大学;2010年,中南大学和上海理工大学先后经教育部批准先后设立了“智能科学与技术”本科专业[1-2]。在中国人工智能学会教育工作委员会的指导下,自2002年起,各相关专业教师定期召开智能科学与技术教育学术研讨会,并出版教育论文专辑,大力推进了我国智能科学与技术教育的健康、快速发展,并对我国智能科学技术的人才培养和学科建设起到了极大的带动作用。

作为一个发展中的新兴专业,目前各高校仍主要结合自身基础和特点建设该专业。如南开大学以智能技术与智能工程为核心专业课程[3];北京科技大学从社会需求角度出发,以提高学生软件实践能力为切入点[4];河北工业大学根据相关专业的就业现状,以提高学生硬件实践能力为着力点[5]。为了解决南开大学、北京科技大学和河北工业大学3所高校共同面临的课程体系和教材建设等问题,三校教师分别于2010年6月16日和8月2日在南开大学、河北工业大学进行了两次研讨,现将研讨成果汇总于此。

1研讨背景

“智能科学与技术”专业自开办以来,不可避免地要回答如下3个方面的问题:

1) 来自用人单位的问题:“智能科学与技术”专业是做什么的?与其他专业相比优势何在?

2) 来自学生及家长的问题:“智能科学与技术”专业是学什么的?与其他专业相比优势何在?

3) 来自教师自身的问题:“智能科学与技术”专业应该教什么?与其他专业相比优势何在?

无论是做什么、学什么还是教什么,归根到底是课程体系和教材内容。无论是研究生课程下移(带来学生接受知识的困难),还是在其他专业教学体系基础上做简单的增、删、改(带来学生知识结构的凌乱),都是不行的,长此以往的后果将是没有优势,只有劣势。

南开大学、北京科技大学和河北工业大学3所高校的“智能科学与技术”专业建设都源于自动化专业基础,而且都具有典型的工科特色;同时3所高校分别是教育部直属“985”高校、教育部直属国家“优势学科创新平台”建设项目试点高校和河北省属“211”高校,3所高校的“智能科学与技术”专业分别于2006、2007和2008年招生。3所高校在“智能科学与技术”专业建设上的异同特点以及地域便利的条件,为优势互补、交流融合提供了机遇。

2课程体系

根据研究任务的不同,智能科学技术涵盖的内容可以划分为智能科学、智能技术、智能工程三个层次[6]。

1) 智能科学:主要任务是研究人的智慧,建立人机结合系统理论,并用其模拟人的智慧。

2) 智能技术:在智能科学的框架内创建人机结合智能系统所需要的方法、工具和技术。

3) 智能工程:利用智能科学的理念和思想,充分运用智能技术工具创建各种应用系统。它是当前新技术、新产品、新产业的重要发展方向、开发策略和显著标志。

根据上述智能科学技术的划分,智能科学与技术专业的课程体系同样划分为理论、技术与工程应用3个层次,具体框架如图1所示。

需要说明的是,由于课时、学时等因素的限制,有些课程需要包含未列入课程的部分内容。如智能科学与技术概论课程内含系统论的简要介绍;智能控制系统包含可编程序控制器、智能传感器、智能执行器等内容;智能工程包含若干典型智能系统实例。

3教材建设

经南开大学、北京科技大学和河北工业大学3所高校的讨论,一致认为工科专业应以技术和工程应用两个层次为核心,并将人工智能导论和智能信息处理两门课程的教材合并为智能技术。同时,根据南开大学侧重理论、北京科技大学侧重软件、河北工业大学侧重硬件的原则进行分工,编写对应课程的教学大纲和教材内容。

3.1智能技术

本课程包括智能计算和计算机视觉两部分,分别介绍以对人脑的物理结构进行模拟为主要特征的联接主义智能技术和以模拟人类视觉处理为主要特征的计算机视觉两部分。它是智能技术的主干内容;也是实现智能技术、组成智能系统的重要工具,属于本专业本科生的专业基础课。通过智能技术的学习,学生应能够掌握智能技术的基本原理和方法。通过课堂讲解、,并配合一定的作业练习、上机实验等环节,学生应初步具备运用智能技术和方法分析和解决问题的能力。本课程拟定90学时,其中授课54学时,实验36学时。

教材内容包括智能计算和计算机视觉两部分,智能计算部分包括神经网络、模糊理论和遗传算法/蚁群算法,计算机视觉包括计算机视觉导论、计算机视觉理论基础、图像预处理、图像分割、物体识别、图像理解、双目立体视觉、三维视觉技术、主动视觉。

神经网络讲授单个神经元(感知器)的动作原理,与实际生物神经元的对应关系;讲授BP神经网络的组成,网络的特性和对非线性函数的模拟功能;介绍BP算法的优、缺点;讲授H网络的组成结构,H网络在解决优化问题的优越性。模糊理论讲授模糊集合的概念,建立隶属度函数的概念;介绍模糊规则的建立原则,模糊规则与模糊系统收入输出量之间的关系;介绍模糊化以及模糊量精确化的几种常用方法。遗传算法和蚁群算法只作简要介绍,重点介绍这两种算法的特点和成功的应用实例,使学习者有一个感性认识,明确这种类型算法的“迭代”特点以及总体最优目标与个体行为之间的联系。

计算机视觉理论基础主要介绍Marr的视觉计算理论、图像的相关知识、傅立叶变换基础;图像预处理主要介绍像素亮度变换、几何变换、直方图修正、局部预处理、图像复原;图像分割主要介绍阈值处理方法、基于边界的分割方法、基于区域的分割方法;形状表示与描述主要介绍链码、使用片断序列描述边界、尺度空间方法、基于区域的形状表示与描述;物体识别主要介绍知识的表示、统计模式识别、神经元网络、遗传算法、模拟退火、模糊系统;图像理解主要介绍并行和串行处理控制、分层控制、非分层控制;双目立体视觉主要介绍双目立体视觉原理、精度分析、系统结构、立体成像、立体匹配、系统标定;三维视觉技术主要介绍结构光三维视觉原理、光模式投射系统、标定方法、光度立体视觉、由纹理恢复形状、激光测距法;主动视觉主要介绍从阴影恢复形状、从运动恢复结构、主动跟踪。

3.2智能控制理论与技术

本课程是“智能科学与技术”专业的一门重要专业课程,目的是使学生了解智能科学与控制理论结合所产生之智能控制理论的基本概念和应用价值;使学生熟知当前主流智能控制技术的种类,并掌握模糊控制、神经网络控制以及进化计算、群体智能的基础知识,了解智能技术与传统控制方法的结合点;加强MATLAB仿真实验的训练,以使学生更好地理解基础知识,培养学生使用高级智能控制方法解决实际控制问题的能力。本课程的学习将使学生加深对控制理论的理解,明晰智能技术在控制中的应用技巧,也为本科生继续深造打下基础。本课程拟定64学时,其中授课54学时,实验10学时。

教材内容包括智能控制概论,介绍智能控制的发展历程和应用领域,简介几种重要的智能控制方法;专家控制,简介专家系统的基本结构,讲授专家PID控制器的原理与设计方法;模糊控制,讲授模糊数学基础知识、传统的模糊控制原理和控制器设计与实现方法、模糊PID控制的两种形式,特别是PID控制参数的模糊整定技术;神经网络控制,讲授前馈神经网络和递归神经网络中几种典型的网络模型以及学习算法、基于神经网络的线性系统辨识技术、神经网络逆模控制等;进化计算与控制,讲授进化计算的概念、遗传算法的原理及其与其他智能方法的结合,介绍遗传机器人学;群体智能与控制,讲授蚁群算法的基本原理及其在控制问题中的应用,介绍群体机器人学。

3.3单片机原理与应用

本课程是“智能科学与技术”专业的一门专业课程,目的是使学生了解单片机的组成原理及常用控制算法的实现;掌握51系列单片机指令系统和一般汇编程序设计编写方法;熟悉常用的单片机硬件扩展技术;在此基础上,熟练掌握控制算法的单片机程序编写与调试。本课程拟定54学时,其中授课38学时,实验16学时。

教材内容包括单片机系统概述,介绍单片机定义、单片机发展过程及单片机硬件结构;单片机指令系统及程序设计,介绍指令系统和汇编语言程序设计;硬件资源及接口技术,介绍硬件资源和接口技术;单片机使用技术,介绍抗干扰技术、C语言应用程序设计;依次介绍PID控制器、状态反馈控制器、模糊控制器、系统辨识、卡尔曼滤波、滑模控制器、最优控制器、鲁棒控制器、自适应控制器、神经网络控制器的历史沿革、基本原理、常用形式和单片机具体实现方法。

3.4嵌入式系统

本课程以当前主流的嵌入式系统技术为背景,以嵌入式系统原理为基础,以嵌入式系统开发体系为骨架,以嵌入式控制系统开发为目标,较为全面地介绍嵌入式系统的基本概念、软硬件的基本体系结构、软硬件开发方法、相关开发工具、应用领域、热门领域的开发实例以及当前的一些前沿动态,为学生展示较为完整的嵌入式控制系统领域概况。本课程拟定64学时,其中授课48学时,实验16学时。

教材依据嵌入式控制系统的特征,将控制算法、嵌入式系统硬件、操作系统、应用程序设计及组态软件作为统一的技术平台介绍,突出嵌入式技术在控制系统中应用的特点,重点介绍嵌入式控制系统软硬件、电路、操作系统、实时性、可靠性等特性,从软件体系结构及开发的角度出发,强调实时调度、Bootloader、BSP、嵌入式实时多任务系统设计、交叉开发与仿真开发等关键技术,并特别引入了工业控制中需要的电磁兼容性设计和大量的典型嵌入式控制系统实例设计。通过本课程的学习,学生不但可以学会使用工具开发嵌入式软硬件,而且可以从总体角度选择适当的技术和方法,全面规划和设计嵌入式系统。

3.5智能工程

本课程是“智能科学与技术”专业的一门核心专业课程。面向智能技术的实际应用,着眼于解决工程应用中的技术问题,从典型系统设计案例分析出发,通过大量实验提高学生的工程实践能力。本课程拟定36学时,全部为授课学时。

教材内容包括智能工程概论,介绍智能工程现状、工程设计原则和工程实际流程;常用传感器原理,介绍传感器一般特性、光电式传感器和视觉传感器;典型智能系统设计案例,包括智能移动机器人、智能电梯群控电梯等系统。

3.6智能机器人

课程通过对一个具有代表性的仿人机器人的拆解,将知识点拆解成6个主要教学模块:1)机器人控制模块,介绍各类控制模块的原理与组成;2)机器人运动系统,介绍电机与舵机的原理与控制方法;3)机器人动作系统,介绍机器人各部件的协调控制;4)机器人视觉系统,介绍典型的超声波、影像传感器的原理与识别算法;5)机器人表现系统原理,介绍人与机器人的交互原理;6)机器人通信系统原理,介绍机器人之间的数据与信息传递方法。学生学习时,能够与基础知识相联系,并能掌握机器人这门技术,为从事机器人产品研发工作打下坚实的基础。本课程拟定54学时,其中授课44学时,实验10学时。

教材面向“智能科学与技术”专业,同时兼顾信息类专业学生编写,根据这类专业学生的知识结构和特点组织内容。从具体的机器人控制需求出发,将自动控制的基本理论和机器人控制特点相结合,讲授机器人控制系统的组成、规律、特点和设计方法。理论上反映当前的最新进展,内容上考虑初学者的需求,侧重普及性、实用性和新颖性,结构体系符合信息类和控制类专业学生的特点,力求简洁、清楚,对技术的叙述遵循目标、问题、理论依据、实现方法、实际情况、发展方向的方式。做到重点突出,符合实际,满足需要,指导性强。

3.7智能控制系统

本课程是“智能科学与技术”专业的一门专业课程,使学生了解智能控制系统的基础知识;掌握智能控制系统中最新的智能传感技术、智能控制器、智能执行能执行器及智能网络与接口技术;掌握智能控制系统中多个关键硬件装置的识别及其使用。通过学习多个智能控制系统的开发实例,学生应掌握智能控制系统的设计方法与技术,坚实地掌握最新智能控制系统知识,提高理论联系实际的能力,并为学习其他课程的打下坚实基础。本课程拟定64学时,其中授课48学时,实验16学时。

教材内容包括概述,介绍智能控制系统的基本概念、基本内容和机构及其发展趋势;智能传感系统,讲授智能数据采集技术、传感器智能化的数据处理方法、多传感器信息融合的方法、智能传感器实现方法与典型实例;智能控制器设计,讲授基于单片机的智能控制器设计及其应用、基于高性能嵌入式ARM的智能控制器设计及其应用、基于PLC的智能控制器设计及其应用;智能电动执行器,讲授智能电动执行器的硬件实现技术,软件设计技术以及典型的智能电动执行器实例及其应用;智能网络与接口技术,讲授无线传感器智能网络,工业现场总线网络以及智能传感器、智能控制器和智能执行器的网络接口实现技术;智能控制系统设计实例,综合利用前面的知识设计网络化智能压力传感器的系统设计、基于声音定位的智能机器人系统设计、基于微机电惯性传感器的汽车多路况智能防撞系统的设计、大型设备的PLC智能控制系统设计。

4结语

通过南开大学、北京科技大学和河北工业大学3所高校的研讨,我们凝练出较完整的“智能科学与技术”专业课程体系,体现出本专业的特色;提出可供3所高校共同使用的教学大纲和教材内容,体现出学生培养的工程实践导向。这些研究成果可以为开办“智能科学与技术”专业的兄弟院校进一步研讨提供蓝本,也可以为筹建该专业的高校所参考。

注:本文受到北京科技大学教学研究会第六批教学研究课题、北京科技大学教育教学研究基金青年教师教育教学研究立项项目、河北工业大学教改项目(2010-12)支持。

参考文献:

[1] 王万森,钟义信,韩力群,等. 我国智能科学技术教育的现状与思考[J]. 计算机教育,2009(11):10-14.

[2] 教育部关于公布2009年度高等学校专业设置备案或审批结果的通知[S]. 教高〔2010〕2号,2010.

[3] 方勇纯,刘景泰. 南开大学“智能科学与技术”专业教学体系与实验环境建设[J]. 计算机教育,2009(11):21-25.

[4] 石志国,刘冀伟,王志良.“智能科学与技术”本科专业软件实践类课程建设探讨[J]. 计算机教育,2009(11):93-97.

[5] 刘作军,张磊,杨鹏,等. 谈我校增设“智能科学与技术”专业的设想与措施[J]. 计算机教育,2009(11):53-56.

[6] 卢桂章. 无处不在的智能技术[J]. 计算机教育,2009(11):68-72.

A Study on the Course System and Textbook Construction for the Discipline of

Intelligence Science and Technology

YANG Peng1, ZHANG Jian-xun2, LIU Ji-wei3, ZHANG Lei1

(1. Hebei University of Technology, Tianjin 300130, China; 2.Nankai University, Tianjin 300071, China;

篇10

1 概述

什么是计算智能，并没有确切的定义。如同人工智能一样，不同的人对计算智能有不同的理解。我们不必急于为计算智能下定义，更不必像争论“智能计算机”一样在名词上浪费时间，重要的是弄明白“计算智能”究竟包含哪些新思想。广义地讲，人工智能也是试图用计算机来实现人的智能，所以人工智能也可以看作计算智能。当加拿大的学者创办“计算智能”学术刊物时，人们只觉得增添了一种人工智能学报，并未仔细考虑这两者的区别。随着人工神经网络、遗传算法、进化程序、混沌计算等研究逐渐兴旺，而每年召开的人工智能学术会议，如AAAI(美国人工智能协会)等，又不太乐意接受这方面的论文与产品演示，从事上述研究的学者逐步组织自己的有相当规模的国际学术会议，取名为计算智能，似乎造成一种与人工智能分庭抗礼的局面。但从学术上讲，把计算智能看成人工智能研究的新方向也许更恰当［1］。

计算智能是在1994年IEEE举办的首届计算智能世界大会上提出的，它以连接主义和进化主义思想为基础，计算智能中的主要算法自适应的结构、随机产生的或指定的初始状态、适应度的评测函数、修改结构的操作、系统状态存储器、终止计算的条件、指示结果的方法、控制过程参数等共同要素，具有自学习、自组织、自适应的特征和简单、通用、鲁棒性强、易并行处理等特点，这些特征已被用于信息安全、模式识别、数据分类与挖掘、优化设计、故障诊断、机器学习、联想记忆和控制等领域［2］。本文从计算智能主要算法的角度来对计算智能的研究现状作分析。［2］

2 计算智能的主要算法

计算智能的主要算法有神经网络、模拟退火、模糊逻辑、遗传与演化算法、禁忌搜索算法、DNA软计算、人工免疫系统、蚁群算法、粒子群算法、多（Agent）系统等。

计算智能的算法虽然有很多种，但它们多是受自然或生物界规律的启迪，根据其原理、思想来模仿求解问题的算法。这样它们也就具有自然界或生物界的一些特性，同时它们通过长时间的发展变化，逐渐成熟，形成了自己独有的特点。下面对它们的共同特点作一个介绍：（1）它们大都引入了随机因素，具有不确定性。很多计算过程实际上是在计算机上作随机过程的模拟。比如著名的蒙特卡罗模拟。（2）它们大多具有自适应机制的动力体系或随机动力体系，并且在计算过程中体系结构还在不断作自我调整。（3）它们都是针对通用的一般目标而设计的，它们不同于针对特殊问题而设计的算法。（4）一些算法在低维或简单的情况下显得很笨，但是到了高维复杂的情形下具有很强的竞争力。［3］

3 主要的计算智能算法

3.1 人工神经网络

神经系统的基本构造是神经元(神经细胞)，它是处理人体内各部分之间相互信息传递的基本单元。据神经生物学家研究的结果表明，人的一个大脑一般有1010―1011个神经元。每个神经元都由一个细胞体，一个连接其他神经元的轴突和一些向外伸出的其它较短分支――树突组成。轴突的功能是将本神经元的输出信号(兴奋)传递给别的神经元。其末端的许多神经末梢使得兴奋可以同时传送给多个神经元。树突的功能是接受来自其它神经元的兴奋。神经元细胞体将接受到的所有信号进行简单处理(如加权求和，即对所有的输入信号都加以考虑且对每个信号的重视程度――体现在权值上――有所不同)后由轴突输出。神经元的树突与另外的神经元的神经末梢相连的部分称为突触。

“人工神经网络”（artificial neural network：简称ANN）是在对人脑组织结构和运行机制的认识理解基础之上模拟其结构和智能行为的一种工程系统，是对人大脑神经细胞的简单近似的模拟。大量的神经元广泛互连而成的系统，它的这一结构特点决定着人工神经网络具有高速信息处理的能力。人脑的每个神经元大约有103―104个树突及相应的突触，一个人的大脑总计约形成1014―1015个突触。用神经网络的术语来说，即是人脑具有1014―1015个互相连接的存储潜力。虽然每个神经元的运算功能十分简单，且信号传输速率也较低(大约100次/秒)，但由于各神经元之间的极度并行互连功能，最终使得一个普通人的大脑在约1秒内就能完成现行计算机至少需要数10亿次处理步骤才能完成的任务。

因为人工神经网络的结构特点和其信息存储的分布式特点，使得它相对于其它的判断识别系统，如专家系统等，具有另一个显著的优点：健壮性。生物神经网络不会因为个别神经元的损失而失去对原有模式的记忆。最有力的证明是，当一个人的大脑因意外事故受轻微损伤之后，并不会失去原有事物的全部记忆。人工神经网络也有类似的情况。因某些原因，无论是网络的硬件实现还是软件实现中的某个或某些神经元失效，整个网络仍然能继续工作。

因此ANN具有快速、并行处理、容错性强和自学习能力强等特点。几种典型的ANN为：多层感知网络、竞争型神经网络、Hopfield神经网络。

3.2 模拟退火

模拟退火(SA，simulated annealing)算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对当前解重复“产生新解计算目标函数差接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(Cooling Schedule)控制，包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。

模拟退火是一种全局优化方法，就是人为地引入噪声，使得当某算法陷入局部最优的陷阱时，而造成从该陷阱中逃脱的条件，进而再逐步减小噪声，以使得算法能停留在全局最优点。其实早在1965年，Khas就提出了这一想法，不过并未受到计算机科学与优化应用领域的足够重视。直到1983年，Kirkpatrick提出模拟退火算法，才引起了优化应用领域的重视，成为热点流行起来。它的特点主要有以下几个方面：（1）以一定的概率接受恶化解，在迭代过程中不仅接受使目标函数变“好”的试探点，而且还能以一定的概率接受目标函数值变“差”的试探点，迭代中出现的状态是随机产生的，并且不强求后一个状态一定优于前一个状态，即以一定的可能容忍的退化状态的出现；（2）引进算法控制参数T，它将优化过程分为各个阶段，并决定各个阶段下随机状态的取舍标准，接受函数由Metropolis算法给出一个简单的数学模型，接受概率随着温度的下降而逐渐减小；（3）使用对象函数值（即适应值）进行搜索，它仅使用由目标函数变换来的适应度函数值，就可确定进一步的搜索方向和搜索范围，无需其它一些辅助信息［4］。

3.3 模糊逻辑

模糊逻辑（FUZZY，fuzzy logic system）自提出以后，特别是在人工智能和控制等领域得到较好的应用之后，已经引起研究人员的浓厚兴趣。进入20世纪90年代，模糊逻辑无论在理论上还是在应用方面都得到了较快地发展。

模糊逻辑本身并不模糊，而是用来对“模糊”进行处理以达到消除模糊的逻辑。其最大特点是用它可以自然地处理人类的概念。由于输入、输出均为实型变量，所以特别适用于工程应用系统，FUZZY提供了一种描述专家组织的模糊“If-then”规则的一般化模式，模糊产生器、模糊推理机和反模糊化的选择也有很大的自由度。FUZZY的知识表达易于理解，但难于利用数值信息，自学习能力较差。

3.4 遗传算法

遗传算法（Genetic Algorithms）是基于生物进化理论的原理发展起来的一种广为应用的、高效的随机搜索与优化的方法。其主要特点是群体搜索策略和群体中个体之间的信息交换，搜索不依赖于梯度信息。它是在70年代初期由美国密执根（Michigan）大学的霍兰（Holland）教授发展起来的。1975年霍兰教授发表了第一本比较系统论述遗传算法的专著《自然系统与人工系统中的适应性》（《Adaptation in Natural and Artificial Systems》）。遗传算法最初被研究的出发点不是为专门解决最优化问题而设计的，它与进化策略、进化规划共同构成了进化算法的主要框架，都是为当时人工智能的发展服务的。迄今为止，遗传算法是进化算法中最广为人知的算法。

遗传算法是解决搜索问题的一种通用算法，对于各种通用问题都可以使用。在遗传算法中，基于染色体群的并行搜索，带有猜测性质的选择操作、交换操作和突变操作。这种特殊的组合方式将遗传算法与其它搜索算法区别开来。

遗传算法具有以下几方面的特点：（1）遗传算法从问题解的串集开始嫂索，而不是从单个解开始。这是遗传算法与传统优化算法的极大区别。传统优化算法是从单个初始值迭代求最优解的；容易误入局部最优解。遗传算法从串集开始搜索，覆盖面大，利于全局择优。

(2)许多传统搜索算法都是单点搜索算法，容易陷入局部的最优解。遗传算法同时处理群体中的多个个体，即对搜索空间中的多个解进行评估，减少了陷入局部最优解的风险，同时算法本身易于实现并行化。

(3)遗传算法基本上不用搜索空间的知识或其它辅助信息，而仅用适应度函数值来评估个体，在此基础上进行遗传操作。适应度函数不仅不受连续可微的约束，而且其定义域可以任意设定。这一特点使得遗传算法的应用范围大大扩展。

(4)遗传算法不是采用确定性规则，而是采用概率的变迁规则来指导他的搜索方向。

(5)具有自组织、自适应和自学习性。遗传算法利用进化过程获得的信息自行组织搜索时，硬度大的个体具有较高的生存概率，并获得更适应环境的基因结构。

3.5 禁忌搜索算法

Tabu Search是由美国科罗拉多州大学的Fred Glover教授在1977年左右提出来的，是一个用来跳出局部最优的搜寻方法。

禁忌搜索是对局部邻域搜索的一种扩展，是一种全局逐步寻求最优算法。禁忌搜索算法中充分体现了集中和扩散两个策略，它的集中策略体现在局部搜索，即从一点出发，在这点的邻域内寻求更好的解，以达到局部最优解而结束，为了跳出局部最优解，扩散策略通过禁忌表的功能来实现。禁忌表中记下已经到达的某些信息，算法通过对禁忌表中点的禁忌，而达到一些没有搜索的点，从而实现更大区域的搜索。

禁忌搜索算法算法具有以下几方面的特点：（1）从移动规则看，每次只与最优点比较，而不与经过点比较，故可以爬出局部最优。

（2）选优规则始终保持曾经达到的最优点，所以即使离开了全局最优点也不会失去全局最优性。

（3）终止规则不以达到局部最优为终止规则，而以最大迭代次数、出现频率限制或者目标值偏离成都为终止规则。

所以禁忌搜索算法是一种局部搜索能力很强的全局迭代寻优算法。

3.6 DNA软计算

DNA软计算是一种基于DNA汤（种群）和生物进货机制的随机搜索算法，其设计变量服从均值和方差进化过程变化的正态分布，不必预先设定其取值范围，且算法引导种群逐步向优化区域搜索，确保其全局收敛能力［5］，它的特点主要有以下几个方面：首先，DNA具有不可估量水平的并行性。其次，DNA软计算有很高的能量效率和存贮容量。此外，尝试开发实际的DNA软计算能促进生物学和生物化学获得更灵活的操作和更可靠的技术［6］。

3.7 人工免疫系统

人工免疫系统（AIS，artificial immune system）是研究借鉴和利用生物免疫系统的信息处理机制而发展的各类信息处理技术、计算技术及应用的总称，用于复杂问题的解决。AIS结合了分类器、神经网络和机器推理学习系统的优点，是一种突现计算，但也存在收敛速度慢等缺点。1994年以来，AIS成为国际上新的研究热点。目前这一领域还处于起步阶段［2］。

3.8 蚁群算法

蚁群算法是人们通过对自然界中蚁群群体行为的研究而提出的一种基于种群的模拟进化算法［7］。该算法通过模拟蚂蚁搜索食物的过程来求解一些实际问题。蚂蚁能够在没有任何可见提示下找出蚁穴到食物源的最短路径，并且能随着环境的变化而变化，然后搜索新的路径，产生新的选择。受蚂蚁觅食时的通信机制的启发，90年代Dorigo提出了蚁群优化算法。由于这个算法利用了正反馈机制，使得较短的路径能够有较大的机会得到选择，并且由于采用了概率算法，所以它能够不局限于局部最优解。

3.9 粒子群算法

粒子群算法(PSO，particle swarm optimization)是一种进化计算技术(Evolutionary Computation)，有Eberhart博士和Kennedy博士发明。源于对鸟群捕食的行为研究。PSO同遗传算法类似，是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻最优值。但是并没有遗传算法用的交叉(crossover)以及变异(mutation)。而是粒子在解空间追随最优的粒子进行搜索。同遗传算法比较，PSO的优势在于简单，容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法的应用领域。粒子群优化算法(PSO)也是起源对简单社会系统的模拟，最初设想是模拟鸟群觅食的过程，但后来发现PSO是一种很好的优化工具。

3.10 多（Agent）系统

多Agent系统（Multi-Agent System，MAS）是指由多个自主构件组成的所有类型的系统，它是一个松散耦合的问题求解器网络，其目标是为了解决那些超出每个问题求解器的单独能力或知识的问题。这些问题的求解器就是Agent，它们是自主的，并可能是异构的。

多Agent系统的表现通过Agent的交互来实现，主要研究多个Agent，为了联合采取行动实际系统时，多Agent系统通过各Agent间的通信、合作、协调、管理及控制来表达系统的结构、功能及行为特性。多体系中，知识具有局部性，而问题具有全局性，在大多数情况下，需要同其他的联合解决一个问题，这样间的信息传递不可避免，因此需要有通讯语言（ACL）。

结束语

本文对主要的计算智能算法及各自的特点作了一个介绍，这些算法在解决实际问题中都发挥了相当的作用，当然也有待我们进一步研究、改进和提高。计算智能是一个发展潜力巨大的方向，未来的发展一定会越来越智能化，个性化的倾向越来越浓，目的性变得日益明确，应用的领域也会越来越广。

参考文献：

［1］李国杰.计算智能：一个重要的研究方向［A］.

［2］苏建元.计算智能主要算法的比较与融合［J］.中国电子科学研究院学报，2007.2，(1)：52-56.

［3］钱敏平，龚光鲁.从数学角度看计算智能［J］.科学通报，1998，（16）：1681-1695.

［4］项宝卫，凌塑勇.计算智能算法的研究现状［J］.台州学院学报，2006.6，(3)：22-25.

篇11

1 什么是智能算法

智能计算也有人称之为“软计算”，是们受自然（生物界）规律的启迪，根据其原理，模仿求解问题的算法。从自然界得到启迪，模仿其结构进行发明创造，这就是仿生学。这是我们向自然界学习的一个方面。另一方面，我们还可以利用仿生原理进行设计(包括设计算法)，这就是智能计算的思想。这方面的内容很多，如人工神经网络技术、遗传算法、模拟退火算法、模拟退火技术和群集智能技术等。

2 人工神经网络算法

“人工神经网络”(ARTIFICIAL NEURAL NETWORK，简称ANN)是在对人脑组织结构和运行机制的认识理解基础之上模拟其结构和智能行为的一种工程系统。早在本世纪40年代初期，心理学家McCulloch、数学家Pitts就提出了人工神经网络的第一个数学模型，从此开创了神经科学理论的研究时代。其后，F Rosenblatt、Widrow和J. J .Hopfield等学者又先后提出了感知模型，使得人工神经网络技术得以蓬勃发展。

神经系统的基本构造是神经元(神经细胞)，它是处理人体内各部分之间相互信息传递的基本单元。据神经生物学家研究的结果表明，人的一个大脑一般有1010～1011个神经元。每个神经元都由一个细胞体，一个连接其他神经元的轴突和一些向外伸出的其它较短分支——树突组成。轴突的功能是将本神经元的输出信号(兴奋)传递给别的神经元。其末端的许多神经末梢使得兴奋可以同时传送给多个神经元。树突的功能是接受来自其它神经元的兴奋。神经元细胞体将接受到的所有信号进行简单处理(如：加权求和，即对所有的输入信号都加以考虑且对每个信号的重视程度——体现在权值上——有所不同)后由轴突输出。神经元的树突与另外的神经元的神经末梢相连的部分称为突触。

2.1 人工神经网络的特点

人工神经网络是由大量的神经元广泛互连而成的系统，它的这一结构特点决定着人工神经网络具有高速信息处理的能力。人脑的每个神经元大约有103～104个树突及相应的突触，一个人的大脑总计约形成1014～1015个突触。用神经网络的术语来说，即是人脑具有1014～1015个互相连接的存储潜力。虽然每个神经元的运算功能十分简单，且信号传输速率也较低(大约100次/秒)，但由于各神经元之间的极度并行互连功能，最终使得一个普通人的大脑在约1秒内就能完成现行计算机至少需要数10亿次处理步骤才能完成的任务。

人工神经网络的知识存储容量很大。在神经网络中，知识与信息的存储表现为神经元之间分布式的物理联系。它分散地表示和存储于整个网络内的各神经元及其连线上。每个神经元及其连线只表示一部分信息，而不是一个完整具体概念。只有通过各神经元的分布式综合效果才能表达出特定的概念和知识。

由于人工神经网络中神经元个数众多以及整个网络存储信息容量的巨大，使得它具有很强的不确定性信息处理能力。即使输入信息不完全、不准确或模糊不清，神经网络仍然能够联想思维存在于记忆中的事物的完整图象。只要输入的模式接近于训练样本，系统就能给出正确的推理结论。

正是因为人工神经网络的结构特点和其信息存储的分布式特点，使得它相对于其它的判断识别系统，如：专家系统等，具有另一个显著的优点：健壮性。生物神经网络不会因为个别神经元的损失而失去对原有模式的记忆。最有力的证明是，当一个人的大脑因意外事故受轻微损伤之后，并不会失去原有事物的全部记忆。人工神经网络也有类似的情况。因某些原因，无论是网络的硬件实现还是软件实现中的某个或某些神经元失效，整个网络仍然能继续工作。

人工神经网络是一种非线性的处理单元。只有当神经元对所有的输入信号的综合处理结果超过某一门限值后才输出一个信号。因此神经网络是一种具有高度非线性的超大规模连续时间动力学系统。它突破了传统的以线性处理为基础的数字电子计算机的局限，标志着人们智能信息处理能力和模拟人脑智能行为能力的一大飞跃。

2.2 几种典型神经网络简介

2.2.1 多层感知网络(误差逆传播神经网络)

在1986年以Rumelhart和McCelland为首的科学家出版的《Parallel Distributed Processing》一书中，完整地提出了误差逆传播学习算法，并被广泛接受。多层感知网络是一种具有三层或三层以上的阶层型神经网络。典型的多层感知网络是三层、前馈的阶层网络，即：输入层I、隐含层(也称中间层)J和输出层K。相邻层之间的各神经元实现全连接，即下一层的每一个神经元与上一层的每个神经元都实现全连接，而且每层各神经元之间无连接。

但BP网并不是十分的完善，它存在以下一些主要缺陷：学习收敛速度太慢、网络的学习记忆具有不稳定性，即：当给一个训练好的网提供新的学习记忆模式时，将使已有的连接权值被打乱，导致已记忆的学习模式的信息的消失。

2.2.2 竞争型(KOHONEN)神经网络

它是基于人的视网膜及大脑皮层对剌激的反应而引出的。神经生物学的研究结果表明：生物视网膜中，有许多特定的细胞，对特定的图形(输入模式)比较敏感，并使得大脑皮层中的特定细胞产生大的兴奋，而其相邻的神经细胞的兴奋程度被抑制。对于某一个输入模式，通过竞争在输出层中只激活一个相应的输出神经元。许多输入模式，在输出层中将激活许多个神经元，从而形成一个反映输入数据的“特征图形”。竞争型神经网络是一种以无教师方式进行网络训练的网络。它通过自身训练，自动对输入模式进行分类。竞争型神经网络及其学习规则与其它类型的神经网络和学习规则相比，有其自己的鲜明特点。在网络结构上，它既不象阶层型神经网络那样各层神经元之间只有单向连接，也不象全连接型网络那样在网络结构上没有明显的层次界限。它一般是由输入层(模拟视网膜神经元)和竞争层(模拟大脑皮层神经元，也叫输出层)构成的两层网络。两层之间的各神经元实现双向全连接，而且网络中没有隐含层。有时竞争层各神经元之间还存在横向连接。竞争型神经网络的基本思想是网络竞争层各神经元竞争对输入模式的响应机会，最后仅有一个神经元成为竞争的胜者，并且只将与获胜神经元有关的各连接权值进行修正，使之朝着更有利于它竞争的方向调整。神经网络工作时，对于某一输入模式，网络中与该模式最相近的学习输入模式相对应的竞争层神经元将有最大的输出值，即以竞争层获胜神经元来表示分类结果。这是通过竞争得以实现的，实际上也就是网络回忆联想的过程。

除了竞争的方法外，还有通过抑制手段获取胜利的方法，即网络竞争层各神经元抑制所有其它神经元对输入模式的响应机会，从而使自己“脱颖而出”，成为获胜神经元。除此之外还有一种称为侧抑制的方法，即每个神经元只抑制与自己邻近的神经元，而对远离自己的神经元不抑制。这种方法常常用于图象边缘处理，解决图象边缘的缺陷问题。

竞争型神经网络的缺点和不足：因为它仅以输出层中的单个神经元代表某一类模式。所以一旦输出层中的某个输出神经元损坏，则导致该神经元所代表的该模式信息全部丢失。

2.2.3 Hopfield神经网络

1986年美国物理学家J.J.Hopfield陆续发表几篇论文，提出了Hopfield神经网络。他利用非线性动力学系统理论中的能量函数方法研究反馈人工神经网络的稳定性，并利用此方法建立求解优化计算问题的系统方程式。基本的Hopfield神经网络是一个由非线性元件构成的全连接型单层反馈系统。

网络中的每一个神经元都将自己的输出通过连接权传送给所有其它神经元，同时又都接收所有其它神经元传递过来的信息。即：网络中的神经元t时刻的输出状态实际上间接地与自己的t-1时刻的输出状态有关。所以Hopfield神经网络是一个反馈型的网络。其状态变化可以用差分方程来表征。反馈型网络的一个重要特点就是它具有稳定状态。当网络达到稳定状态的时候，也就是它的能量函数达到最小的时候。这里的能量函数不是物理意义上的能量函数，而是在表达形式上与物理意义上的能量概念一致，表征网络状态的变化趋势，并可以依据Hopfield工作运行规则不断进行状态变化，最终能够达到的某个极小值的目标函数。网络收敛就是指能量函数达到极小值。如果把一个最优化问题的目标函数转换成网络的能量函数，把问题的变量对应于网络的状态，那么Hopfield神经网络就能够用于解决优化组合问题。

对于同样结构的网络，当网络参数(指连接权值和阀值)有所变化时，网络能量函数的极小点(称为网络的稳定平衡点)的个数和极小值的大小也将变化。因此，可以把所需记忆的模式设计成某个确定网络状态的一个稳定平衡点。若网络有M个平衡点，则可以记忆M个记忆模式。

当网络从与记忆模式较靠近的某个初始状态(相当于发生了某些变形或含有某些噪声的记忆模式，也即：只提供了某个模式的部分信息)出发后，网络按Hopfield工作运行规则进行状态更新，最后网络的状态将稳定在能量函数的极小点。这样就完成了由部分信息的联想过程。

Hopfield神经网络的能量函数是朝着梯度减小的方向变化，但它仍然存在一个问题，那就是一旦能量函数陷入到局部极小值，它将不能自动跳出局部极小点，到达全局最小点，因而无法求得网络最优解。 3 遗传算法

遗传算法（Genetic Algorithms）是基于生物进化理论的原理发展起来的一种广为应用的、高效的随机搜索与优化的方法。其主要特点是群体搜索策略和群体中个体之间的信息交换，搜索不依赖于梯度信息。它是在70年代初期由美国密执根（Michigan）大学的霍兰（Holland）教授发展起来的。1975年霍兰教授发表了第一本比较系统论述遗传算法的专著《自然系统与人工系统中的适应性》（《Adaptation in Natural and Artificial Systems》）。遗传算法最初被研究的出发点不是为专门解决最优化问题而设计的，它与进化策略、进化规划共同构成了进化算法的主要框架，都是为当时人工智能的发展服务的。迄今为止，遗传算法是进化算法中最广为人知的算法。

近几年来，遗传算法主要在复杂优化问题求解和工业工程领域应用方面，取得了一些令人信服的结果，所以引起了很多人的关注。在发展过程中，进化策略、进化规划和遗传算法之间差异越来越小。遗传算法成功的应用包括：作业调度与排序、可靠性设计、车辆路径选择与调度、成组技术、设备布置与分配、交通问题等等。

3.1 特点

遗传算法是解决搜索问题的一种通用算法，对于各种通用问题都可以使用。搜索算法的共同特征为： ① 首先组成一组候选解； ② 依据某些适应性条件测算这些候选解的适应度； ③ 根据适应度保留某些候选解，放弃其他候选解； ④ 对保留的候选解进行某些操作，生成新的候选解。在遗传算法中，上述几个特征以一种特殊的方式组合在一起：基于染色体群的并行搜索，带有猜测性质的选择操作、交换操作和突变操作。这种特殊的组合方式将遗传算法与其它搜索算法区别开来。

遗传算法还具有以下几方面的特点：

(1)遗传算法从问题解的串集开始嫂索，而不是从单个解开始。这是遗传算法与传统优化算法的极大区别。传统优化算法是从单个初始值迭代求最优解的；容易误入局部最优解。遗传算法从串集开始搜索，覆盖面大，利于全局择优。(2)许多传统搜索算法都是单点搜索算法，容易陷入局部的最优解。遗传算法同时处理群体中的多个个体，即对搜索空间中的多个解进行评估，减少了陷入局部最优解的风险，同时算法本身易于实现并行化。

(3)遗传算法基本上不用搜索空间的知识或其它辅助信息，而仅用适应度函数值来评估个体，在此基础上进行遗传操作。适应度函数不仅不受连续可微的约束，而且其定义域可以任意设定。这一特点使得遗传算法的应用范围大大扩展。

(4)遗传算法不是采用确定性规则，而是采用概率的变迁规则来指导他的搜索方向。

(5)具有自组织、自适应和自学习性。遗传算法利用进化过程获得的信息自行组织搜索时，硬度大的个体具有较高的生存概率，并获得更适应环境的基因结构。

3.2 运用领域

前面描述是简单的遗传算法模型，可以在这一基本型上加以改进，使其在科学和工程领域得到广泛应用。下面列举了一些遗传算法的应用领域： ① 优化：遗传算法可用于各种优化问题。既包括数量优化问题，也包括组合优化问题。 ② 程序设计：遗传算法可以用于某些特殊任务的计算机程序设计。 ③ 机器学习：遗传算法可用于许多机器学习的应用，包括分类问题和预测问题等。 ④ 经济学：应用遗传算法对经济创新的过程建立模型，可以研究投标的策略，还可以建立市场竞争的模型。 ⑤ 免疫系统：应用遗传算法可以对自然界中免疫系统的多个方面建立模型，研究个体的生命过程中的突变现象以及发掘进化过程中的基因资源。 ⑥ 进化现象和学习现象：遗传算法可以用来研究个体是如何学习生存技巧的，一个物种的进化对其他物种会产生何种影响等等。 ⑦ 社会经济问题：遗传算法可以用来研究社会系统中的各种演化现象，例如在一个多主体系统中，协作与交流是如何演化出来的。

4 模拟退火算法

模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f ，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对当前解重复“产生新解计算目标函数差接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(Cooling Schedule)控制，包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。

5 群体（群集）智能（Swarm Intelligence）

受社会性昆虫行为的启发，计算机工作者通过对社会性昆虫的模拟产生了一系列对于传统问题的新的解决方法，这些研究就是群集智能的研究。群集智能(Swarm Intelligence)中的群体(Swarm)指的是“一组相互之间可以进行直接通信或者间接通信(通过改变局部环境)的主体，这组主体能够合作进行分布问题求解”。而所谓群集智能指的是“无智能的主体通过合作表现出智能行为的特性”。群集智能在没有集中控制并且不提供全局模型的前提下，为寻找复杂的分布式问题的解决方案提供了基础。

群集智能的特点和优点：群体中相互合作的个体是分布式的(Distributed)，这样更能够适应当前网络环境下的工作状态; 没有中心的控制与数据，这样的系统更具有鲁棒性(Robust)，不会由于某一个或者某几个个体的故障而影响整个问题的求解。可以不通过个体之间直接通信而是通过非直接通信(Stimergy)进行合作，这样的系统具有更好的可扩充性(Scalability)。由于系统中个体的增加而增加的系统的通信开销在这里十分小。系统中每个个体的能力十分简单，这样每个个体的执行时间比较短，并且实现也比较简单，具有简单性(Simplicity)。因为具有这些优点，虽说群集智能的研究还处于初级阶段，并且存在许多困难，但是可以预言群集智能的研究代表了以后计算机研究发展的一个重要方向。

在计算智能(Computational Intelligence)领域有两种基于群智能的算法，蚁群算法(Ant Colony Optimization)和粒子群算法(Particle Swarm Optimization)，前者是对蚂蚁群落食物采集过程的模拟，已经成功运用在很多离散优化问题上。

5.1 蚁群优化算法

受蚂蚁觅食时的通信机制的启发，90年代Dorigo提出了蚁群优化算法(Ant Colony Optimization，ACO)来解决计算机算法学中经典的“货郎担问题”。如果有n个城市，需要对所有n个城市进行访问且只访问一次的最短距离。

在解决货郎担问题时，蚁群优化算法设计虚拟的“蚂蚁”将摸索不同路线，并留下会随时间逐渐消失的虚拟“信息素”。虚拟的“信息素”也会挥发，每只蚂蚁每次随机选择要走的路径，它们倾向于选择路径比较短的、信息素比较浓的路径。根据“信息素较浓的路线更近"的原则，即可选择出最佳路线。由于这个算法利用了正反馈机制，使得较短的路径能够有较大的机会得到选择，并且由于采用了概率算法，所以它能够不局限于局部最优解。

蚁群优化算法对于解决货郎担问题并不是目前最好的方法，但首先，它提出了一种解决货郎担问题的新思路；其次由于这种算法特有的解决方法，它已经被成功用于解决其他组合优化问题，例如图的着色(Graph Coloring)以及最短超串(Shortest Common Supersequence)等问题。

5.2 粒子群优化算法

粒子群优化算法(PSO)是一种进化计算技术(Evolutionary Computation)，有Eberhart博士和Kennedy博士发明。源于对鸟群捕食的行为研究。

PSO同遗传算法类似，是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻最优值。但是并没有遗传算法用的交叉(crossover)以及变异(mutation)。而是粒子在解空间追随最优的粒子进行搜索。

同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域。

粒子群优化算法(PSO) 也是起源对简单社会系统的模拟，最初设想是模拟鸟群觅食的过程，但后来发现PSO是一种很好的优化工具。

5.2.1 算法介绍

PSO模拟鸟群的捕食行为。一群鸟在随机搜索食物，在这个区域里只有一块食物。所有的鸟都不知道食物在那里。但是他们知道当前的位置离食物还有多远。那么找到食物的最优策略是什么呢。最简单有效的就是搜寻目前离食物最近的鸟的周围区域。

PSO从这种模型中得到启示并用于解决优化问题。PSO中，每个优化问题的解都是搜索空间中的一只鸟。我们称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值(fitness value)，每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索。

PSO初始化为一群随机粒子(随机解)，然后通过叠代找到最优解，在每一次叠代中，粒子通过跟踪两个“极值”来更新自己。第一个就是粒子本身所找到的最优解，这个解叫做个体极值pBest，另一个极值是整个种群目前找到的最优解，这个极值是全局极值gBest。另外也可以不用整个种群而只是用其中一部分最优粒子的邻居，那么在所有邻居中的极值就是局部极值。

5.2.2 PSO算法过程

① 种群随机初始化。

② 对种群内的每一个个体计算适应值(fitness value)。适应值与最优解的距离直接有关。

③ 种群根据适应值进行复制 。

④ 如果终止条件满足的话，就停止，否则转步骤 ② 。

从以上步骤，我们可以看到PSO和遗传算法有很多共同之处。两者都随机初始化种群，而且都使用适应值来评价系统，而且都根据适应值来进行一定的随机搜索。两个系统都不是保证一定找到最优解。但是，PSO没有遗传操作如交叉(crossover)和变异(mutation)，而是根据自己的速度来决定搜索。粒子还有一个重要的特点，就是有记忆。

与遗传算法比较，PSO的信息共享机制是很不同的。在遗传算法中，染色体(chromosomes) 互相共享信息，所以整个种群的移动是比较均匀的向最优区域移动。在PSO中， 只有gBest (or lBest) 给出信息给其他的粒子， 这是单向的信息流动。整个搜索更新过程是跟随当前最优解的过程。与遗传算法比较， 在大多数的情况下，所有的粒子可能更快的收敛于最优解。

现在已经有一些利用PSO代替反向传播算法来训练神经网络的论文。研究表明PSO 是一种很有潜力的神经网络算法，同时PSO速度比较快而且可以得到比较好的结果。

6 展望

目前的智能计算研究水平暂时还很难使“智能机器”真正具备人类的常识，但智能计算将在21世纪蓬勃发展。不仅仅只是功能模仿要持有信息机理一致的观点。即人工脑与生物脑将不只是功能模仿，而是具有相同的特性。这两者的结合将开辟一个全新的领域，开辟很多新的研究方向。智能计算将探索智能的新概念，新理论，新方法和新技术，而这一切将在以后的发展中取得重大成就。

参考文献

[1] “Ant-Colony Optimization Algorithms(ACO)”，

leanair4.mit.edu/docushare/dscgi/ds.py/Get/File-378/RG_EE141_W8ACO.pdf

[2 ] “Swarm intelligence-what is it and why is it interesting”

micro.caltech.edu/Courses/EE150/dungeon/Week1/OH_W1SwarmIntel.pdf

[3] Tony White，“Swarm Intelligence: A Gentle Introduction With Application”，

sce.carleton.ca/netmanage/tony/swarm-presentation/index.htm

[4] 胡守仁等.神经网络导论[M].长沙:国防科技大学出版社，1993.113～117.