参考答案-智能控制最终版

1、智能控制理论及技术主要包括哪几种控制方法？简述各自的特点
答：①、模糊逻辑控制。

模糊控制是一种基于规则的控制,它以先验知识和专家经验为依据，直接采用语言型控制规则。

在设计中无需对被控对象建立精确的数学模型,设计简单, 便于应用。

②、神经网络控制。

神经网络模拟人脑神经元的活动,利用神经元之间的联结与权值的分布来表示特定的信息,通过不断修正连接的权值进行自我学习,以逼近理论为依据进行神经网络建模,并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制。

③、专家控制。

专家控制是将专家系统的理论技术与控制理论技术相结合,仿效专家的经验,实现对系统控制的一种智能控制。

主体由知识库和推理机构组成,通过对知识的获取与组织,按某种策略适时选用恰当的规则进行推理,以实现对控制对象的控制。

专家控制可以灵活地选取控制率,灵活性高;可通过调整控制器的参数,适应对象特性及环境的变化,适应性好;通过专家规则,系统可以在非线性、大偏差的情况下可靠地工作,鲁棒性强。

④、学习控制。

学习控制有一定的自主性，学习控制系统的性能是自我的改进；学习控制是一种动态过程，学习控制系统的性能随时间而变，性能的改进在与外界反复作业过程中进行；学习控制有记忆功能，学习控制系统需要积累经验，用以改进其性能；学习控制有性能反馈，学习控制系统需要明确它的当前性能与某个目标性能之间的差距。

⑤、分层递阶智能控制（概率控制）。

它将计算机的高层决策、系统理论中的先进的数学模型和综合方法以及处理不精确和不完全信息的语言学方法结合在一起，形成了一种适合于工程需要的统一方法，它由组织级、协调级和执行级3个层次组成。

2、什么是模糊性，它和随机性有何区别，试举出几个日常生活中的模糊概念
答：模糊性通常是指对概念的定义以及语言意义的理解上的不确定性。

例如老人、温度高、数量大等所含的不确定性即为模糊性。

模糊性主要是人的主观理解上的不确定性，而随机性则主要反映的是客观上的自然的不确定性，或者事件发生的偶然性。

例如“明天有雨”的不确定性，是由今天的预测产生的，时间过去了，到明天就变成确定的了。

但“老人”，“气温高”等的不确定性，即使时间过去了，即使做实验，它仍然不确定。

3、模糊控制的基本结构图，并简述P52
模糊控制器的结构
答：模糊控制器主要由模糊化接口、知识库、模糊推理机、解模糊接口四部分组成。

图中虚线框内的就是模糊控制器（FC），它根据误差信号产生合适的控制作用，输出给被控对象。

4、什么是模糊分割，典型的分割是哪几种，模糊分割的多少会对控制系统带来什么影响
答：模糊分割是要确定对于每个语言变量取值的模糊语言名称的个数，典型的分割为：NB 负大，NM 负中,NS 负小,ZE 零,PS 正小,PM 正中,PB 正大。

模糊分割的个数决定了模糊控制精细化的程度，模糊分割太少将导致控制太粗略，难以对控制性能进行精确的调整；模糊分割太多则导致控制过于频繁，有些报告提出重叠部分约为1/3-1/2最为理想。

5、从BP网的学习算法论述反向递推的含义P133
答：由于连接权的调整采用的是反向传播（Back Propagation）的学习算法，因此该神经网络也称为BP网络。

以一阶梯度法，即最速下降法，来介绍反向递推的含义。

从输出层开始来依次计算(q=Q,Q-1,…，1)，然后再根据输入的样本对第Q层进行计算，接着对于第Q-1层进行计算，首先计算出，再由递推公式计算出，依次类推，
可继续反向递推计算出和(q=Q-2,Q-3,…，1)，最后归计算出BP网络的学习算法。

由于该算法是反向递推计算的，因而通常称该多层前馈网络为BP网络。

6、什么是全局逼近网络，局部逼近网络，试举几个分别属于全局逼近和局部逼近的神经网络。

答：对于输入空间的任何一点，如果神经网络的任何一个连接权系数都对输出有影响，则称
该神经网络为全局逼近网络，如：BP神经网络、多层前馈神经网络。

若对输入空间的某个局部区域，只有少数几个连接权影响网络的输出，则称该网络为局部逼
近网络，如：CMAC神经网络、B 样条神经网络、RBF神经网络等。

7、专家系统中知识表示有哪几种形式并简单指出
答：专家系统中知识表示的常用形式有：生产式规则、框架、语义网络、过程。

①、生产式规则的一般形式为“条件→行动”或“前提→结论”，即用“IF-THEN”语句表示一个知识项。

②、框架是一种主要表示叙述性知识的语句结构，通常用于描述事物、概念的固定不变的若干方面。

③、语义网络是通过概念及其相互间语义关系，图解表示知识的网络。

④、知识的过程表示法是将某一专门知识及其使用方法表达为一个求解子问题的过程，即子程序。

8、分层递阶控制一般有哪几层组成
答：分层递阶智能控制由组织级、协调级和执行级3 个层次组成，并按照自上而下精确程度渐增、智能程度逐减的原则进行功能的分配。

9、进化优化算法主要包括哪几种方法？简述各自的特点。

答：粒子群算法，蚁群算法，遗传算法。

蚁群算法通过正反馈、分布式协作来寻找最优路径，是一种基于种群寻优的启发式搜索算法。

它充分利用了生物蚁群能通过个体间简单的信息传递，搜索从蚁巢至食物间最短路径的集体寻优特征，适合在图上搜索路径问题，计算开销会大。

粒子群算法规则简单，容易实现，在工程应用中比较广；收敛速度快，且有很多措施可以避免陷入局部最优；可调参数少，并且对于参数的选择已经有成熟的理论研究成果，适合求解实数问题，算法简单，计算方便，求解速度快，但是存在着陷入局部最优等问题。

遗传算法通过模仿自然界的选择与遗传的机理来寻找最优解. 遗传算法有三个基本算子:选择、交叉和变异.是一种全局优化算法，与问题领域无关有快速随机的搜索能力，搜索从群体出发，具有潜在的并行性，可以进行多个个体的同时比较，搜索使用评价函数启发，过程简单，使用概率机制进行迭代，具有随机性，具有可扩展性，容易与其他算法结合。

10、列出粒子群优化算法的速度更新公式和位置更新公式，并解释公式中w，c1，c2的含义。

答：v[] = w * v[] + c1 * rand() * (pbest[] - present[]) + c2 * rand() * (gbest[] - present[]) (a) present[] = present[] + v[] (b)
w是惯性权重, c1, c2 是学习因子. 通常 c1 = c2 = 2
11、概述遗传算法及算法流程，并简要说明操作过程。

答：遗传算法是基于自然选择和基因遗传学原理的搜索算法。

它将“适者生存”这一基本的达尔文进化理论引入串结构，并且在串之间进行有组织但又随机的信息交换。

伴随着算法的运行，优良的品质被逐渐保留并加以组合，从而不断产生出更佳的个体。

这一过程就如生物进化一样，好的特征被不断地继承下来，坏的特征被逐渐淘汰。

新一代个体中包含着上一代个体的大量信息，新一代的个体不断地在总体特征上胜过旧的一代，从而使整个群体向前进化发展。

遗传算法的基本运算过程如下：
①、初始化：设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体P(0)。

②、个体评价：计算群体P(t)中各个个体的适应度。

③、选择运算:将选择算子作用于群体。

选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。

选择操作是建立在群体中个体的适应度评估基础上的。

④交叉运算：将交叉算子作用于群体。

所谓交叉是指把两个父代个体的部分结构加以替换重组而生成新个体的操作。

遗传算法中起核心作用的就是交叉算子。

⑤变异运算：将变异算子作用于群体。

即是对群体中的个体串的某些基因座上的基因值作变动。

群体P(t)经过选择、交叉、变异运算之后得到下一代群体P(t 1)。

⑥终止条件判断:若t=T,则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。

12、遗传算法中对变量的编码和解码：设变量-10 ≤ x≤ 10, 精度要求 =1/1000，求位串长度L多少位才能满足要求。

另外，对于位串“0111+后补L-4个0”，计算对应的x值。

（请列出具体计算步骤）
答：
2^l=(10-(-10))*1000+1=20001 2^14<20001< 2^15 x 需要15位 {0/1} 符号表示011100000000000
X=(-10)+(14336)*20/（2^15-1）=-1.250
13、简要说明种群数量、交叉概率及变异概率对遗传算法收敛性的影响。

答：通常，种群太小则不能提供足够的采样点，以致算法性能很差；种群太大，尽管可以增加优化信息，阻止早熟收敛的发生，但无疑会增加计算量，造成收敛时间太长，表现为收敛速度缓慢。

交叉操作用于个体对，产生新的个体，实质上是在解空间中进行有效搜索。

交叉概率太大时，种群中个体更新很快，会造成高适应度值的个体很快被破坏掉；概率太小时，交叉操作很少进行，从而会使搜索停滞不前，造成算法的不收敛。

变异操作是对种群模式的扰动，有利于增加种群的多样性。

但是，变异概率太小则很难产生新模式，变异概率太大则会使遗传算法成为随机搜索算法。

P36例2.7
解：这是典型的近似推理问题，设x 和y 分别表示模糊语言变量“炉温”和“电压”，并设x 和y 论域为
}{
1,2,3,4,5X Y == 设A 表示炉温低的模糊集合，且有10.80.60.40.2""=++++12345
A =炉温低 设
B 表示高电压的模糊集合，且有0.20.40.60.81B==++++12345
“高电压” 从而模糊规则可表示为：“如果x 是A 则y 是B ”。

设'A 分别表示A 、非常A 、略A 和非A 。

则上述问题便变为如果x 是
A ’,则
B ’应是什么。

P43 例2.8
P133-134 公式推导
P160海明距离
P162哈希编码
哈希编码是计算机中压缩稀疏矩阵的一个常用技术，可以将维数很大的相联空间A 映射到一个维数少得多的空间Ap 。

当在一个大的存储区域稀疏地存储一些数据时，可以通过哈希编码将其压缩存储到一个小的存储区域。

具体可以通过一个产生伪随机数的程序来实现，将大存储区域A 的地址作为该伪随机数产生程序的变量，产生的随机数限制在一个较小的整数范围，该随机数便作为小存储区域Ap 的地址，同时将A 中的元素值0 或1 对应赋值给Ap ，因此哈希编码，是一个多对少的映射。