智能运筹学与动态系统实时优化控制_胡祥培

智能运筹学与动态系统实时优化控制

胡祥培,许智超,杨德礼

(大连理工大学系统工程研究所,大连116023)

摘要:针对传统的运筹学理论难以处理动态优化问题这一缺陷,将运筹学与人工智能及知识工程等学科理论交叉融合,提出创立智能运筹学这一新学科的构想,阐述了智能运筹学理论处理动态问题的原理和新思路,给出了动态系统实时优化控制M ulti-ag ent系统的框架结构,并较深入地研究了智能运筹学理论体系中的问题知识表示、模型知识表示、基于事例学习的建模方法与建模支持系统等理论和实践问题.本项研究是运筹学与人工智能、知识工程等学科的交叉与渗透,为运筹学理论解决动态优化问题开辟了途径.

关键词:运筹学;人工智能;动态系统;实时控制

中图分类号:T P182;O22 文献标识码:A 文章编号:1007-9807(2002)04-0013-09

0　引　言

传统的运筹学理论解决静态的优化问题十分有效,但对动态问题的优化调控却力不从心.运用运筹学理论解决实际问题,需要完成从实际问题→数学模型→求解程序等建模和模型求解的操作,如果实际问题发生变化,就会引起数学模型的改变→模型求解程序的改变这种连锁反应.对于动态问题,这种连锁反应是时时刻刻都在发生的.因而传统的运筹学理论解决动态的优化问题无能为力,其根源在于传统的运筹学理论缺乏基于知识的推理机制和处理动态问题的自适应能力.解决这一问题的根本出路在于:将人工智能和知识工程理论引入运筹学,为传统的运筹学理论注入了处理动态优化问题的机制和能力,实现由计算机自动识别实际问题→自动生成数学模型→自动求解模型获得最优控制策略→运用最优控制策略调控问题的进程.实现这一过程需要解决的理论问题有:(1)问题的知识表示;(2)模型的知识表示;(3)基于知识的建模方法与智能化的建模支持系统.20世纪80年代以来,国内外学者围绕上述问题开展了众多前沿性的研究,取得了较大的研究进展:

对于第1个问题,具有代表性的学术观点和方法有:文[1]提出的以实体(entity)—属性(at-tribute)—子属性(subattribute)所构成的层次化体系表示问题的方法、文[2]提出的基于语义模型的问题描述语言SM-IPDL等,这些基于知识的问题表示方法与人们习惯的自然语言表示法相比,在问题可辨识性、问题描述结构的可扩性、信息搜索与处理效率、知识推理效率等方面确有较大进步,但它们的可操作性与问题输入的人机界面有待于进一步改进,辨识与推理效率也需进一步提高,目前它们还难以恰当描述运筹学实际应用问题中涉及的图表及函数等符号型知识.对于第2个问题,主要成果和方法有:Phelps的类比表示(analogue representation)与联想网络[3]、Dolk的模型抽象(mo del abstr actio n)表示法、Sklar的继承网络及Hong的继承与例示表示法、王红卫的基于框架和算子的模型知识表示法、于晓迪的结构模型表示法等,它们在模型要素的独立性、关联性、推理能力与符号化知识的处理方面

第5卷第4期2002年8月

管　理　科　学　学　报

JO U RN A L OF M A N AG EM EN T SCIEN CES IN CHIN A

V ol.5N o.4

A ug.,2002

收稿日期:20010117;修订日期:20020415.

基金项目:国家自然科学基金资助项目(70171040、79770022和79400006);中国博士后基金资助项目(第20批);高等学校博士点基金资助项目(20010141025);辽宁省自然科学基金资助项目(2001101074);教育部“高等学校骨干教师资助计划”.

作者简介:胡祥培(1962-),男,安徽黄山人,博士,教授,博士生导师.

已取得了很大进展,但它们还难以恰当描述具有动态状态转移特征的运筹学规划模型.为此,作者近几年以颇具代表性的动态规划模型为研究对象,引入人工智能状态空间理论,提出了动态规划模型知识表示的新方法——M dp表示法[10],较好地解决了状态转移方程、递推方程等动态规划模型要素的知识表示问题,并使计算机求解该类模型具备了基于知识的推理能力,为模型生成的集成化、模型求解的智能化创造了条件.当然这一模型知识表示法还需要进一步完善,并扩展到运筹学的其它分支,形成基于状态空间理论的运筹学规划模型(运筹学中规划论的数学模型简称为运筹学规划模型)的知识表示体系.对于第3个问题,早期的研究工作主要集中在利用建模知识库中拥有的领域知识(domain know ledge)演绎推理生成相应的模型,如结构化建模方法、基于图框架的模型集成与选择方法、基于Petri网的建模方法等等,作者也曾采用模型演绎生成方法设计建立了动态规划模型的建模支持系统,并初步实现较简单的投资决策及服务网点布局问题的建模过程,但是,模型演绎生成方法存在的缺陷是过分依赖于领域知识而忽视过去求解类似问题的经验,不仅使建模知识库变得十分庞大和复杂,而且建模工作的智能化水平较低.近几年,国外学者已将机器学习引入建模过程,开展了基于事例学习(case-based lear ning)的建模方法研究,代表性的成果见文[1,4-6],并已初步形成了基于事例学习与推理的建模机制及其理论框架体系;国内学者近几年也已开始基于机器学习的建模方法研究[7,8],但目前还未发现运筹学领域应用问题的基于事例学习的建模研究成果.这种基于事例学习的建模方法注重运用以往求解类似问题的经验,并以此来指导和改进建模操作,比较接近于人的认知思维过程.把它引入运筹学问题的建模操作,将有助于改进知识库的结构并提高建模的智能化水平.当然,由于运筹学问题的问题描述方式和模型表示方法具有特殊性,并且其建模方法与它们之间又存在依赖性,要建立运筹学问题的基于事例学习的建模理论与方法,仍需结合问题的性质,在事例库的建造与管理、问题与事例的类似性分析、基于事例的推理与学习、模型的生成与转化理论等方面进行深入研究,这些都是需要着手解决的.

将运筹学与人工智能等学科理论进行有机结合与相互渗透,可以形成一门新学科——智能运筹学,这是一个极有理论价值和广阔应用前景的研究方向.它为传统的运筹学理论注入了处理动态优化问题的机制和能力,使运筹学由过去的仅能解决静态问题变为可以解决动态问题,它必将大大拓展运筹学的应用领域.智能运筹学与传统运筹学的显著区别在于“智能”,这种“智能”体现在问题处理与控制的全过程,它要在问题描述、模型生成、模型求解和最优控制策略的获取、问题进程的控制等环节全面注入“智能”,形成一种新的理论体系.当然,智能运筹学这一新学科的发展至今仍处于萌芽状态,有待于研究工作的深化和升华.为此,作者结合近年来的研究工作,对运筹学知识化、智能化理论研究的进展和应用成果进行初步总结.

1　智能运筹学理论处理动态问题的新思路

动态问题所处的环境或条件是时时刻刻都在发生变化,当这种变化超过一定的范围,就形成了另一个问题.对于最新出现的新问题,如何快速及时地获得最优控制策略去控制问题的进程,这是处理动态问题的关键环节.作者结合相关问题的研究,提出了由“实际应用问题→知识化信息模型→知识化数学模型→知识化求解模型→最优控策略”的模型生成与转化理论及其解决动态问题的新思路.这里的知识化信息模型是一种基于知识的描述相应问题原始信息的语言模型;知识化数学模型是一种基于知识的描述数学模型有关数据、符号和算法等知识的数据结构;知识化求解模型是一种基于知识的求解模型的可执行程序.基于智能运筹学理论的处理动态问题的实时优化调控过程如图1所示.

处理动态问题的调控过程,可用图2所示的M ulti-Ag ent智能控制系统实现.

基于智能运筹学理论的处理动态问题的新思路,应用前景十分广阔,它不仅在动态系统的实时优化控制领域将发挥重要作用,如生产过程的优

—

14

—管　理　科　学　学　报 2002年8月