人工智能算法综述 人工智能算法大概包括五大搜索技术，包括一些早期的搜索技术或用于解决比较简单问题的搜索原理和一些比较新的能够求解比较复杂问题的搜索原理，如遗传算法和模拟退火算法等。 1、盲目搜索 盲目搜索又叫做无信息搜索，一般只适用于求解比较简单的问题。包括图搜索策略，宽度优先搜索和深度优先搜素。 1、图搜索（GRAPH SERCH）策略是一种在图中寻找路径的方法。在有关图的表示方法中，节点对应于状态，而连线对应于操作符。 2、如果搜素是以接近其实节点的程度依次扩展节点的，那么这种搜素就叫做宽度优先搜素（breadth-first search 。 3、深度优先搜索属于图算法的一种,英文缩写为DFS即Depth First Search.其过程简要来说是对每一个可能的分支路径深入到不能再深入为止,而且每个节点只能访问一次。 二、启发式搜索 盲目搜索的不足之处是效率低，耗费过多的时间和空间。启发信息是进行搜索技术所需要的一些有关具体问题的特性的信息。利用启发信息的搜索方法叫做启发式搜索方法。 启发式搜索就是在状态空间中的搜索对每一个搜索的位置进行评估，得到最好的位置，再从这个位置进行搜索直到目标。这样可以省略大量无谓的搜索路径，提高了效率。在启发式搜索中，对位置的估价是十分重要的。采用了不同的估价可以有不同的效果。 3、博弈树搜索 诸如下棋、打牌、竞技、战争等一类竞争性智能活动称为博弈。博弈有很多种，我们讨论最简单的"二人零和、全信息、非偶然"博弈，其特征如下： (1 对垒的MAX、MIN双方轮流采取行动，博弈的结果只有三种情况：MAX方胜，MIN方败；MIN方胜，MAX方败；和局。 (2 在对垒过程中，任何一方都了解当前的格局及过去的历史。
科技广场２００７．１２３０
１９８７年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。 第五阶段： ９０年代，人工智能出现新的研究高潮 由于网络技术特别是国际互连网技术的发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Ｈｏｐｆｉｅｌｄ多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深入到社会生活的各个领域。 ３研究热点 ＡＩ研究出现了新的高潮，这一方面是因为在人工智能理论方面有了新的进展，另一方面也是因为计算机硬件突飞猛进的发展。随着计算机速度的不断提高、存储容量的不断扩大、价格的不断降低以及网络技术的不断发展，许多原来无法完成的工作现在已经能够实现。目前人工智能研究的三个热点是： 智能接口、数据挖掘、主体及多主体系统。 （１） 智能接口技术是研究如何使人们能够方便自然地与计算机交流。为了实现这一目标，要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的翻译，而这些功能的实现又依赖于知识表示方法的研究。因此，智能接口技术的研究既有巨大的应用价值，又有基础的理论意义。目前，智能接口技术已经取得了显著成果，文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化。 （２） 数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘和知识发现的研究目前已经形成了三根强大的技术支柱： 数据库、人工智能和数理统计。主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现以及网上数据挖掘等。 （３）主体系统是具有信念、愿望、意图、能力、选择、承诺等心智状态的实体，比对象的粒度更大，智能性更高，而且具有一定自主性。主体试图自治地、独立地完成任务，而且可以和环境交互，与其 他主体通信，通过规划达到目标。多主体系统主要 研究在逻辑上或物理上分离的多个主体之间进行协 调智能行为，最终实现问题求解。多主体系统试图 用主体来模拟人的理性行为，主要应用在对现实世 界和社会的模拟、机器人以及智能机械等领域。目 前对主体和多主体系统的研究主要集中在主体和多 主体理论、主体的体系结构和组织、主体语言、主 体之间的协作和协调、通信和交互技术、多主体学 习以及多主体系统应用等方面。 ４实际应用 人工智能是在计算机科学、控制论、信息论、心 理学、语言学等多种学科相互渗透的基础发展起来 的一门新兴边缘学科，主要研究用机器（主要是计 算机）来模仿和实现人类的智能行为，经过几十年 的发展，人工智能应用在不少领域得到发展，在我 们的日常生活和学习当中也有许多地方得到应用。 本文就符号计算、模式识别、专家系统、机器翻译 等方面的应用作简单介绍，籍此使读者对我们身边 的人工智能应用有一个感性的认识。 （１）符号计算 计算机最主要的用途之一就是科学计算，科学计 算可分为两类： 一类是纯数值的计算，例如求函数的 值，方程的数值解，比如天气预报、油藏模拟、航天 等领域； 另一类是符号计算，又称代数运算，这是一 种智能化的计算，处理的是符号。符号可以代表整 数、有理数、实数和复数，也可以代表多项式，函数， 集合等。随着计算机的普及和人工智能的发展，相继 出现了多种功能齐全的计算机代数系统软件，其中 Ｍａｔｈｅｍａｔｉｃａ和Ｍａｐｌｅ是它们的代表，由于它们都是 用Ｃ语言写成的，所以可以在绝大多数计算机上使 用。 （２）模式识别 模式识别就是通过计算机用数学技术方法来研 究模式的自动处理和判读。这里，我们把环境与客体 统称为“模式”，随着计算机技术的发展，人类有可 能研究复杂的信息处理过程。用计算机实现模式 （文字、声音、人物、物体等）的自动识别，是开发 智能机器的一个最关键的突破口，也为人类认识自 身智能提供线索。计算机识别的显著特点是速度快、 准确性和效率高。识别过程与人类的学习过程相似。 以“语音识别”为例： 语音识别就是让计算机 能听懂人说的话，一个重要的例子就是七国语言（英、日、意、韩、法、德、中）口语自动翻译系统。 该系统实现后，人们出国预定旅馆、购买机票、在 人 工 智 能 发 展 综 述 ２３１
关于任务调度相关研究文献综述随着多核处理器的出现，多核处理器任务调度已成为当前高性能处理器研究的热点之一。任务调度是指系统为确定一系列任务的执行顺序所采取的调度策略。随着计算机技术的不断发展，学术界对任务调度问题的讨论也逐渐深入，旨在通过减少通信开销、改变任务执行顺序，以缩短整个任务的调度长度。 近年来，由于多处理器的广泛应用，如何充分利用多处理器的计算性能成为了大家关注的焦点，针对多处理器的任务调度问题突显出来。在多处理器任务调度算法研究的早期，P Dutot[24]等人在研究中指出，对于异构计算环境下的任务调度问题是NP 难问题，难以在多项式时间内寻求最优解。正是该问题的重要性和复杂性，吸引了一大批专家学者对其进行研究，并提出了大量经典的算法。一、国外研究现状 计算机任务调度的研究早在上世纪60年代就已开始。1967年，芝加哥大学的Manacher G.K在ACM期刊上第一次提出了“任务”的概念，并利用列表法和甘特图进行了基本的多核多任务调度算法研究，提出了能够保证调度稳定性的算法。同时文章对软实时系统和硬实时系统也给出了定义和说明。但是由于文章发表年代较为久远，文中提出的是同构多核处理器的模型，并不适用于当今迅速发展的异构多核处理器之间的任务调度。随后，刘炯朗和Layland在已有工作基础上提出了周期任务模型的概念，该模型对任务进行了较好的抽象，对周期性任务做出了一些假设，忽略计算机体系结构的复杂性以及应用程序的具体实现，可以借助各种数学方法对任务的可调度性进行分析。文中提出了可在单处理器上运行的三种调度算法：单调速率算法RM(rate monotonic algorithm)、最早结束优先 EDF(earliest deadline first)算法[1]以及两者的混合算法。在 RM 算法中， 1 根据任务的需求速度赋予其一定的优先级，即所谓的固定优先级。在 EDF 算法中，任务最终期限值较小的赋予更高的优先级，即动态调整任务的优先级。而综合算法将任务分开对待，分别使用上述的算法。文章分析了在上述几种任务调度算法下，CPU能够达到的最大利用率，并用数学方法给予了证明。为后来的研究奠定了基础。后续又提出了许多经典算法，包括时间片轮转(Round Robin，RR)算法、先到先服务(First Come First Served，FCFS)算法、截止期单调调度(Deadline Monotonic Scheduling, DMS) 算法等。在这些算法中，任务的优先
人工智能 “人工智能”(Artificial Intelligence)简称AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是计算机科学的一个分支。是计算机科学技术的前沿科技领域。 人工智能虽然是计算机科学的一个分支，但它的研究却不仅涉及到计算机科学，而且还涉及到脑科学、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。因此，人工智能实际上是一门综合性的交叉学科和边缘学科。 在世界各地对人工智能的研究很早就开始了。但对人工智能的真正实现要从计算机的诞生开始算起，这时人类才有可能以机器实现人类的智能。AI这个英文单词最早是在1956年的一次会议上提出的，在此以后．因为一些科学家的努力使它得以发展。但人工智能的进展并不像我们期待的那样迅速，因为人工智能的基本理论还不完整．我们还不能从本质上解释我们的大脑为什么能够思考，这种思考来自于什么，这种思考为什么得以产生等一系列问题。但经过这几十年的发展，人工智能正在以它巨大的力量影响着人们的生活[1]。 一、人工智能涉及的技术或方法的基本功能、特点与适用对象 目前，人工智能的研究是与具体领域相结合进行的。基本上有如下领域[2]： 1)问题求解 人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序。在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题归约这样的人工智能基本技术。今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用。有些程序甚至还能够用经验来改善其性能。 2)逻辑推理与定理证明 逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要的是要找到一些方法，只把注意力集中在一个大型数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而
智慧城市国内外现状研究 国外现状 国外智慧城市最早可追溯到1992年新加坡首次提出“智慧岛”计划，随着信息技术不断快速地发展，社会水平不断进步，很多国家和地区开始进行智慧城市建设。21世纪初期，美国、英国、德国、荷兰、日本、韩国、新加坡等国均开展了智慧城市的实践，全球掀起了智慧城市建设的热潮，其中，欧洲和亚洲是智慧城市建设开展较为积极的地区。
国内现状
改革开放以来，我国城镇化发展迅速，据国家统计局统计，我国的城镇化率从2005年的42.99％上升至2015年的56.1%。据预测，到2030年中国城镇化率将达到65%左右，这意味着每年还将有1000多万人口进入城市。我国在城镇化过程中积累了一系列“城市病”，城市发展与人口、环境、资源的矛盾不断突出。如何解决城市发展的突出矛盾，实现有限资源的合理分配，并不断深化城市功能以提高利用效率成为城市管理者面临的重大难题，而城市信息化建设无疑是提升城市管理效率的重要方式。智慧城市是城市信息化的高级阶段，是信息化与城镇化结合的最佳模式，将充分发挥产业辐射作用，带动整个经济的转型。 我国智慧城市建设经历了两个阶段的发展：萌芽期和推进期。2010年是我国智慧城市建设的重要节点，在此之前我国智慧城市建设处于萌芽阶段。继2010年宁波市在政府的全面推动下实施智慧城市建设以来，其他城市纷纷效仿，智慧城市在我国的建设风生水起，不少城市提出了具体的建设目标和行动方案，甚至有些地区把智慧城市建设列入了“十二五”规划，如北京、上海、广州、天津、深圳、武汉、株洲、佛山等。截止2016年初，全国已经有597个智慧城市相关试点。 2016年，我国将智慧城市和数字社会技术等八大技术作为未来一段时间内发展的主要方向。“十三五”期间，26部委将共推100各个“新型智慧城市”试点。 根据《2015年智慧城市发展水平评估报告》显示，我国智慧城市整体发展水平处于领先地位的有：无锡、上海、北京、杭州、宁波、深圳、珠海、佛山、厦门、广州等。我国智慧城市发展水平参差不齐，城市整体智慧化程度较低，建设能力及落地性有待进一步提升。其中智慧城市的建设也表现出区域差异，华南地区与华东地区发展良好，而东北、西北、西南等相对偏远区域，发展较为落后。智慧城市在各省份、各领域的发展也不尽相同。 中投顾问的《2016-2020年中国智慧城市深度调研及投资前景预测报告》中研究表明，如今，我国智慧城市建设已全面展开，推进速度较快的已进入建设阶段，其它城市也开始进行规划与设计等。建设智慧城市是一个渐进式的过程，有的城市可能需要2-3年时间，而有的城市可能则需要10年甚至更久，但在建设智慧城市的过程中既可以全面推进，也可以重点突破。当前，我国正在通过“两
人工智能研究方法的文献综述 1、前言 本文综述了人工智能的主要研究方法，并对各方法进行分析和总结，并阐述了目前人工智能研究方法日趋多样化的研究现状。 2、主题 研究方法，对一个问题的研究方法从根本上说分为两种：其一，对要解决的问题扩展到他所隶属的领域，对该领域做一广泛了解，研究该领域从而实现对该领域的研究，讲究广度，从对该领域的广泛研究收缩到问题本身；其二，把研究的问题特殊化，提炼出要研究问题的典型子问题或实例，从一个更具体的问题出发，做深刻的分析，研究透彻该问题，再一般化扩展到要解决的问题，讲究研究深度，从更具体的问题入手研究扩展到问题本身。 人工智能的研究方法主要可以分为三类：一、结构模拟，神经计算，就是根据人脑的生理结构和工作机理，实现计算机的智能，即人工智能。结构模拟法也就是基于人脑的生理模型，采用数值计算的方法，从微观上来模拟人脑，实现机器智能。采用结构模拟，运用神经网络和神经计算的方法研究人工智能者，被称为生理学派、连接主义。二、功能模拟，符号推演，就是在当前数字计算机上，对人脑从功能上进行模拟，实现人工智能。功能模拟法就是以人脑的心理模型，将问题或知识表示成某种逻辑网络，采用符号推演的方法，实现搜索、推理、学习等功能，从宏观上来模拟人脑的思维，实现机器智能。以功能模拟和符号推演研究人工智能者，被称为心理学派、逻辑学派、符号主义。三、行为模拟，控制进化，就是模拟人在控制过程中的智能活动和行为特性。以行为模拟方法研究人工智能者，被称为行为主义、进化主义、控制论学派。 人工智能的研究方法，已从“一枝独秀”的符号主义发展到多学派的“百花争艳”，除了上面提到的三种方法，又提出了“群体模拟，仿生计算”“博采广鉴，自然计算”“原理分析，数学建模”等方法。人工智能的目标是理解包括人在内的自然智能系统及行为，而这样的系统在实在世界中是以分层进化的方式形成了一个谱系，而智能作为系统的整体属性，其表现形式又具有多样性，人工智能的谱系及其多样性的行为注定了研究的具体目标和对象的多样性。人工智能与前沿技术的结合，使人工智能的研究日趋多样化。 3、总结 人工智能的研究方法会随着技术的进步而不断丰富，很多新名词还会被提出，但研究的目的基本不变，日趋多样化的研究方法追根溯源也就是研究问题的两种方法的演变。对人工智能中尚未解决的众多问题，运用基本的研究问题的方法，结合先进的技术，不断实现智能化。人工智能与前沿技术密切联系，人工智能的研究方法必然日趋多样化。 4、参考文献 （1）人工智能技术导论廉师友西安电子科技大学出版社2007.8 （2）人工智能研究方法及途径熊才权2005年第三期 （3）人工智能学派及其在理论、方法上的观点蔡自兴1995.5 （4）人工智能研究的主要学派及特点黄伟聂东陈英俊2001第三期 （5）人工智能研究对思维学的方法论启示尹鑫苏国辉2002.10第四期
生产调度 求助编辑百科名片 生产调度室 生产调度就是组织执行生产进度计划的工作。生产调度以生产进度计划为依据，生产进度计划要通过生产调度来实现。生产调度的必要性是由工业企业生产活动的性质决定的。现代工业企业，生产环节多，协作关系复杂，生产连续性强，情况变化快，某一局部发生故障，或某一措施没有按期实现，往往会波及整个生产系统的运行。因此，加强生产调度工作，对于及时了解、掌握生产进度，研究分析影响生产的各种因素，根据不同情况采取相应对策，使差距缩小或恢复正常是非常重要的。 目录 工作作用 主要内容与基本要求 机构和分工 调度工作制度 生产调度工作的基本内容 展开 编辑本段工作作用 综述 生产计划和生产作业计划编制出来之后，还仅仅是纸上的东西，要组织计划的实施，把纸上的计划变成现实的可供销售的产品，就需要一个部门去组织实现这项任务，这就是生产调度。 保证生产过程顺利运行 编制生产计划和生产作业计划，无论考虑多么周密，安排如何具体，也不可能预见到实际生产过程中的一切变化。实际生产过程中，情况十分复杂，千变万化，有局部的，也有整体的；有内部的，也有外部的；有工艺方面的，也有设备方面的；有主观因素，也有客观因素。这些问题一旦出现，小则造成生产被动，大则造成生产过程中断，生产停车，计划难于完成。生产调度就是要及时了解掌握这些影响因素。组织有关部门、有关人员处理解决这些不平衡因素，消除隐患，以保证生产过程长周期安全运行，保证生产计划和生产作业计划按要求实现。如果没有生产调度夜以继日的指挥调度，要想及时解决生产过程中随时出现的矛盾，维持生产过程的正常运行，是不可能的。 收集生产动态和有关数据 生产调度不仅要组织实现生产计划，而且在组织生产过程中，有许多工艺、设备、
电力系统无功优化调度研究综述陆梦龙 发表时间：2017-09-19T12:02:15.953Z 来源：《电力设备》2017年第13期作者：陆梦龙 [导读] 摘要：无功优化是关系到电力系统能否安全经济运行的一个核心问题。电力系统无功优化直接关系到电力公司的经济效益和供电效率。 （国网徐州供电公司江苏徐州 221000） 摘要：无功优化是关系到电力系统能否安全经济运行的一个核心问题。电力系统无功优化直接关系到电力公司的经济效益和供电效率。利用无功优化调度，能够优化电网的无功潮流分布。大大的降低电网的有功损耗和电压的损耗。从根本上缓解电压质量问题，对于电力系统的安全具有重要意义，受到国内外电力学者和研究人员的充分重视。本文对无功优化调度的计算和控制进行了深入讨论，提出了寻优质量，离散变量处理，求解效率动态优化调度及其协同优化方法等关键性问题。 关键词：电力系统；无功优化调度；研究 一、电力系统无功优化问题概述 电力系统无功优化调度问题是指在电力系统无功电源较为充足的情况下，通过调节发电机机端的电压，调整变压器抽头变比，改变无功补偿装置的出力等措施来调整无功潮流。从而使系统电压值能够达到合格值。同时把全网有功损耗降到最小。电力系统无功优化调度问题有时也被称为电力系统无功优化控制，或者电压无功优化控制，无功优化潮流问题等。 电压质量是衡量电力系统电能质量的一个重要指标。在各种电能质量问题中，电压波动过大产生的危害是最大的。它不止会影响电气设备的性能，它会影响到系统的稳定和运行安全。利用无功优化调度，能够优化电网的无功潮流分布。大大的降低电网的有功损耗和电压的损耗。从根本上缓解电压质量问题。保证电气设备的安全运行。无功优化调度在保证现代电力系统的安全性和经济性双面的作用不可小视。 从笔者的观点来看，电力系统无功优化调度，分为静态无功优化调度和动态无功优化调度。静态无功优化调度是指不考虑控制设备是否允许连续调整的情况下，只追求对于电压水平和网损的无功优化。而动态的无功优化调度是指在无功优化过程中，为了适应负荷的动态变化，而加上对控制变量的每日允许操作次数限制的考虑。还要考虑到电力系统各种不同的负荷水平和运行状态下所产生的各种调度结果的相关联系。所以动态优化比静态优化问题要复杂一些。静态优化一般是停留在理论层面的，而动态优化往往是在实际生活中的。 电力系统无功优化调度问题从数学的角度来讲可以类似于一个目标函数和一组约束条件。这个问题具有多目标性，约束条件数量多，非线性不确定性，离散性，多极值性，解的空间缺少连通性等。随着我国电力系统规模的不断扩大，对于无功优化算法的要求也越来越高。如何快速得到最优解。解决不可行问题等都变得十分复杂和困难了。 二、无功优化的几种常用计算方法 无功优化的求解方法主要有非线性规划法，线性规划法，混合整数，动态规划法等常规方法。以及像神经网络法，专家系统方法遗传算法等非常规性方法。这些方法在无功优化的求解方面各有利弊，下面来一一进行分析。 1.非线性规划法。非线性规划法是最先被运用到电力系统无功优化中的一种算法。因为无功优化本身便是具有非线性的特点的。这种算法的优点是既能够保证电力系统的安全性又能够实现他的经济性，还能提高电能质量。非线性规划法的运算操作形式是，首先设定一个目标函数。然后把节点功率平衡作为等式的约束条件。然后再通过引入松弛变量的方法发布董事的约束条件转换成等式的约束条件。那么这个复杂的无功优化问题就转换成了一个非线性代数方程组求解的问题。 2.线性规划法。无功优化虽然是一个非线性问题，但是我们可以对其进行线性化之后再进行研究。通过线性规划的方法对无功优化进行计算，具有加快计算速度，使各种约束条件处理简单化。线性规划法因其较为简单便捷，所以得到了较快的发展。它具有速度快收敛性好算法稳定等优点。但是在进行无功规划优化时需要对目标函数和约束函数进行线性化处理。这便是一个非常容易出问题的环节。如果选取或处理的不合适，很有可能会引发震荡或收敛缓慢。在把无功优化的线性规划模型确定好之后，它的求解方法一般采用具有指数时间复杂性的单纯形法，或者是这一形法的各种变形。美国贝尔实验室于1984年提出内点法。内点法具有迭代次数变化少，鲁棒性和收敛特性较好的特点，很多专家学者在应用中证实它比单纯形法更具有优越性。人们越来越多地开始采用内点法来解决无功优化问题。 3.混合整数算法。非线性和线性规划法虽然各有各自的优点。但是在实际应用中它们都难以反映出变压器分接头变化以及电容器组，电抗器投射的离散特性。为了解决这个问题，便有学者发明了混合整数规划方法。在一般的线性规划问题中，最优解是分数和小数的情况很多，但是对于具体的问题来说，他一般要求某些变量的解必须要是一个整数。把规划中的变量限制为整数，称为整数规划。这个方法能够有效的解决优化计算中变量的离散性问题。它的原理是通过分支定界法，不断的定系缩小范围，使得结果越来越接近于最优解。但是这一算法也存在一些弊端。它的计算时间属于非多项式的类型。随着计算维度的不断增加，计算时间也会快速增长，这样在实际操作中便难以及时有效的反映问题，所以混合整数规划优化算法应当向着更好的适应系统规模，加强实用化这个方面不断发展。 4.人工智能方法。上面提到的三种算法的共同缺陷是他们都存在着无法找到全局最优解的可能性。而且传统的数学优化方法一般都需要依赖于非常精确的数学模型。这就造成了这一问题的复杂性，从而导致它难以被实时控制。基于这一原因和人们受自然界和人类本身的启发。人工智能方法开始逐渐被研究并应用到电力系统无功优化中。例如专家系统，神经网络等都是一些较为具有代表性的人工智能方法。专家系统方法是指在结合上其它方法的基础上，依据专家的经验设置出初始值，然后不断的调整控制参数的大小，选举出一个比较好的解，将专家系统应用于无功优化，有利于结合上运行人员的专业知识，从而增加功能性。人工神经网络又被人称为连接机制模型，它是一个由大量简单元件广泛连接而形成的，被用来模拟人脑行为的一个十分复杂的网络系统。 三、无功优化的领域的关键性问题及发展动态 1.存在的关键性问题。笔者认为目前无功优化领域需要解决的关键性问题有五点。一是选择哪种算法可以求出最优解，二是我们是否能够直接处理离散控制变量，不再采用连续化假设的方法，三是在电网规模不断扩大的同时，优化算法的巡游速度能否赶上实时计算的需求，四是如何解决好控制设备动作次数的限制问题，五是在大规模电网中无功优化调度如何更好的实现对于全局的协调优化控制。 2.国内外关于这些问题的研究现状。就目前国内外的发展情况来看，现在学者们研究的问题大多是针对选择何种优化算法可以求得最优解的，当然，这一研究也取得了较大的成果。而对于不采用连续化假设直接处理离散控制变量来说，只有进化算法和内点算法能够解决这一问题。就目前所存在的算法来看，随着电网规模的不断扩大，优化算法的速度是难以赶上实时计算的需求的，这一点还需要我们不断
人工智能的形成及其发展现状分析 冯海东 （长江大学管理学院荆州434023） 摘要：人工智能的历史并不久远，故将从人工智能的出现、形成、发展现 状及前景几个方面对其进行分析，总结其发展过程中所出现的问题，以及发展现状中的不足之处，分析其今后的发展方向。 关键词：人工智能，发展过程，现状分析，前景。 一．引言 人工智能最早是在1936年被英国的科学家图灵提出，并不为多数人所认知。 当时，他编写了一个下象棋的程序，这就是最早期的人工智能的应用。也有著名的“图灵测试”，这也是最初判断是否是人工智能的方案,因此，图灵被尊称为“人工智能之父”。人工智能从产生到发展经历了一个起伏跌宕的过程，直到目前为止，人工智能的应用技术也不是很成熟，而且存在相当的缺陷。 通过搜集的资料，将详细的介绍人工智能这个领域的具体情况，剖析其面临的挑战和未来的前景。 二．人工智能的发展历程 1. 1956年前的孕育期 (1) 从公元前伟大的哲学家亚里斯多德(Aristotle)到16世纪英国哲学家培根(F. Bacon)，他们提出的形式逻辑的三段论、归纳法以及“知识就是力量”的警句，都对人类思维过程的研究产生了重要影响。 （2）17世纪德国数学家莱布尼兹(G..Leibniz)提出了万能符号和推理计算思想，为数理逻辑的产生和发展奠定了基础，播下了现代机器思维设计思想的种子。而19世纪的英国逻辑学家布尔（G. Boole）创立的布尔代数，实现了用符号语言描述人类思维活动的基本推理法则。 （3） 20世纪30年代迅速发展的数学逻辑和关于计算的新思想，使人们在计算机出现之前，就建立了计算与智能关系的概念。被誉为人工智能之父的英国天才的数学家图灵（A. Tur-ing）在1936年提出了一种理想计算机的数学模型，即图灵机之后,1946年就由美国数学家莫克利（J. Mauchly）和埃柯特（J. Echert）研制出了世界上第一台数字计算机，它为人工智能的研究奠定了不可缺少的物质基础。1950年图灵又发表了“计算机与智能”的论文，提出了著名的“图灵测试”，形象地指出什么是人工智能以及机器具有智能的标准，对人工智能的发展产生了极其深远的影响。 （4） 1934年美国神经生理学家麦克洛奇(W. McCulloch) 和匹兹(W. Pitts )建立了第一个神经网络模型，为以后的人工神经网络研究奠定了基础。 2. 1956年至1969年的诞生发育期 (1)1956年夏季，麻省理工学院（MIT)的麦卡锡（J．McCarthy）、明斯基（M. Minshy）、塞尔夫里奇（O. Selfridge)与索罗门夫(R. Solomonff)、 IBM的洛
生产调度工作内容各位读友大家好，此文档由网络收集而来，欢迎您下载，谢谢 编号 生产调度工作流程工步4-1 补充内容 一）、在与客户沟通时要明确如下之全部内容，保证急时、准时、准确、保质、保量的情况下，将货品安全送到目的地，避免因与客户沟通不细致，遗漏注意事项，导致货品出现误时、误工的现象，从而影响客户的正常安排。 二）、在与客户沟通时要，主动向客户问清，客户所需货品的规格、型号、单价及质量要求，向客户询问清楚有无其他交代及送货注意事项，包括相关资料、资质及其它未尽事项。 三）、在与客户沟通时，要主动向客户询问清楚，到货的具体时间、接货人的联系方式及接货地点的详细位置，绝对禁止出现例如：上午、中午、下午等
含糊不清的时间表达方式，时间上要具体点。 四）、在与客户沟通时，主动向客户提醒，希望客户尽量提前24小时安排用货计划，以便于车辆的安排，如未提前报，客户又着急的情况下，以满足客户的要求为原则，加班加点完成任务，使客户满意。五）、生产调度在派发运输车辆时，必须做到提前安 生产调度工作流程工步4-1 补充内容 排切割，提前安排。 六）、对待客户的无理要求，我们要做到不气、不急，以柔克刚、合理周旋，没办法处理的，可以推脱与上级沟通再做处理，避免冲突。 七）、在对待客户的苛刻要求时，我们要做到不急、不气，向客户耐心解释，不允许对客户有不礼貌的现象，避免与客户争执，要耐心沟通，无法解决时向上级领导汇报，希望客户耐心等待。 八）、要向司机师傅交代清楚，发货
出发前要与客户提前联系，告知客户具体的到货时间及其它事宜，在送货途中，如有特殊情况，要告知司机与客户随时联系，保证司机、客户、调度随时沟通，以便于客户安排。 九）、生产调度主动在送货结束后，应急时收回相应送货单或货款，避免单据及货款不及时现象。十）、生产调度要主动告知，在我单位合作送货的车辆几司机师傅，须按如下工作流程进行送货。 生产调度工作流程工步4-1 补充内容 十一）、在实际工作中如有新问题出现，随时发展改进我们的工作标准，及时增加工作内容。 生产调度 生产调度就是组织执行生产进度计划的工作。生产调度以生产进度计划为依据，生产进度计划要通过生产调度来实现。生产调度的必要性是由工业企业生产活动的性质决定的。现代工业企业，
人工智能及其发展 ***** 201000445 模式识别与智能系统 （***科技大学信息工程学院） 摘要：人工智能是20世纪计算机科学发展的重大成就，在许多领域有着广泛的应用。本文从人工智能的概念出发 , 首先介绍了人工智能研究的历史与现状 , 并分析了人工智能与具体领域相结合形成的不同学科领域 , 阐述了人工智能主要的应用领域 , 并从哲学的角度对人工智能能否超过人的智能这个问题进行了分析 , 最后介绍了人工智能未来的发展趋势及潜力。 关键词：人工智能；机器人；专家系统；模式识别；计算机科学；发展方向 Artificial Intelligence and its development ***** ,2010000445 ,Pattern Recognition and Intelligent Systems (School of Information Engineering,Southwest University of Science) Abstrac t:AI is the major achievements in the development of computer of the 20th century,and it has been widely applied in many fields. In this paper ,based on the concepts of artificial intelligence, we firstly introduce the history and current situation of artificial intelligence research and analyse artificial intelligence combined with specific areas in different disciplines,then,we describe the main application areas of artifical intelligence,and from the view of a philosophical point,we analyse whether Artifical intelligence can exceed human intelligence.Finally,we introduce the trend of the future development of artificial intelligence and its potential. 1 引言 人工智能(Artificial Intelligence, AI)是20世纪50年代中期兴起的一门新兴边缘科学，它既是计算机科学的一个分支，又是计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多种学科相互渗透而发展起来的综合性学科。人工智能又称为智能模拟，是用计算机系统模仿人类的感知、思维、推理等思维活动。 1.1人工智能的定义 顾名思义,人工智能就是人造智能, 其英文表示是“Artificial Intelligence”, 简称AI。“人工智能”一词目前是指用计算机模拟或实现的智能, 因此人工智能又称机器智能。当然, 这只是对人工智能的字面解释或一般解释。关于人工智能的科学定义, 学术界目前还没有统一的认识。是一门综合了计算机科学、生理学、哲学的交叉学科。“人工智能”一词最初是在1956年美国计算机协会组织的达特莫斯(Dartmouth)学会上提出的。自那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。由于智能概念的不确定，人工智能的概念一直没有一个统一的标准。著名的美国斯坦福大学人工智能研究中心尼尔逊
文献综述 车辆调度算法研究及其应用 一、前言部分 车辆调度问题是现代物流系统优化中关键的一环，也是开展电子商务不可缺少的内容。对车辆调度优化理论与算法进行系统研究是构建综合物流系统、建立现代调度指挥系统、发展智能交通运输系统和开展电子商务的基础[1]。 车辆调度问题是运筹学与组合优化领域的研究热点。有效的调度车辆，不仅可以提高物流工作效率，而且能够为及时生产模式的企业提供运输上的保障，从而实现物流管理科学化。由于该问题的理论涉及很多学科，很多实际问题的理论抽象都可归结为这一类问题，研究该问题具有很重要的理论意义和实际意义。 1 . VRP（Vehicle Routing Problem）问题描述及其分类 VRP问题一般可定义为：对一系列的装货点或卸货点，组织适当的行车路线，使车辆 有序地通过它们，在满足一定的约束条件(货物需求量、发送量、车辆容量限制、行驶里程限制、时间限制)下，达到一定的目标(路程最短、时间最小、费用最省、车辆数目最少等)。由于该问题研究范围非常广，根据其网络性能大致可以分为两类：一类为静态 VRP (StaticVRP, SVRP)，一类为动态VRP (dynamic VRP, DVRP)。 (1)静态VRP问题描述 SVRP 问题是VRP 中较简单的一类问题，是大部分研究者研究的热点。该问题具有一 个很重要的特征：在安排初始路线时，和路线相关的所有信息已知，并且在安排路线以后其相关信息始终保持改变[2]。以下列举了一些常见的SVRP 问题:仅考虑车辆容量限制的 VRP(CVRP)、带时间窗的VRP(VRPTW)、带有回收的VRP(VRP with backhauls)、带有集派的VRP(VRPPD)。除此以外，还有许多其它 CVRP 的延伸问题，如顾客有优先权，考虑卸货时间、装卸时间、等待时间等，甚至综合了以上不同的特征。这些问题的相关信息均已知且保持不变[3]。 (2)动态VRP问题描述 所谓DVRP，是指在安排初始路线时，并不是和路线相关的所有信息都为已知，并且初始路线安排以后，其相关信息可能发生改变。DVRP 研究范围较广，需求不确定、动态网络、服务车辆不确定、提供数据有偏差等都属于DVRP 的研究范畴。从网络性能角度，DVRP 可以分为以下三种类型：1)时间依赖型VRP (TDVRP)。2)概率VRP (PVRP)。车辆运行时间以离散
智慧城市发展现状及其面临的问题研究 近年来，随着信息技术的不断进步，国内外发起了智慧城市建设的热潮，我国对于智慧城市的建设受到政府的高度重视。然而国内智慧城市建设过程中还存在一定的障碍和风险，合理促进智慧城市建设是实现城市可持续发展的重要保障。 标签：智慧城市；技术模式；可持续发展 1 智慧城市定义 2008年，IBM公司首次提出了“智慧的地球”这一理念，进而引发了全球范围的智慧城市建设热潮。2013版智慧城市白皮书对于什么是智慧城市作出了科学的解释：智慧城市就是借助现代信息通讯技术来感测、传送、分析、协同、整合城市运行的各项关键信息，从而对包括民生、环保、安全、公共服务、工商业活动等在内的各种需求做出智慧响应[1]。具体地说，是指充分利用信息化的先进技术，借助物联网、云计算、智能移动终端、大数据处理平台等，通过监测、分析、整合以及智能响应的方式，综合各职能部门，整合优化现有资源，加强城市规划、建设、管理和服务的新模式。 2 国内外智慧城市建设相关借鉴 2.1 国外智慧城市建设案例 美国智慧城市建设脚步一直十分稳健，自从智慧地球这一概念提出后，美国出台了一系列支持智慧城市建设的政策与法律条文。例如，2009年奥巴马发布的《经济复苏计划》等；日本于2009年7 月推出“i-japan（智慧日本）战略2015”，其目标是将数字信息技术应用于人民生活的方方面面。主要着眼点放在信息化政府治理、信息化医疗服务、信息化教育培养等领域。目前日本通过建设试点城市的方式来发展智慧城市，例如北九州市主要从新能源、能源管理、智慧交通为发展点进行全面打造；韩国早在2004年即开始进行城市信息技术应用等基础设施建设，2009年随着国际智慧城市建设热潮的不断推进也开始更进一步的研究城市智能信息服务。 2.2 国内智慧城市建设相关案例 科技部、标准委、住房和城乡建设部先后公布了国家智慧城市试点名单，这些试点城市将是中国未来智慧城市建设的先导力量。上海市智慧城市的建设以浦东开发新区为试点进行逐步展开。上海市于2011-2013年已经完成全市的宽带建设，部分信息化的建设完成的较好。上海市区的市民拥有电子健康档案，智能交通也已经初具规模，相关的产业发展激励城市软硬件的进一步升级。信息产业和规模的不断扩大为上海市进一步建设智慧城市奠定了良好的基础；武汉市预计用10年时间打造智慧城市，构建基于“中国云”的智慧城市基础设施及智能处理基
人工智能发展综述 摘要:概要的阐述下人工智能的概念、发展历史、当前研究热点和实际应用以及未来的发展趋势。 关键词:人工智能; 前景; 发展综述 人工智能(Artificial Intelligence)自1956 年正式问世以来的五十年间已经取得了长足的进展,由于其应用的极其广泛性及存在的巨大研究开发潜力, 吸引了越来越多的科技工作者投入人工智能的研究中去。尤其是八十年代以来出现了世界范围的开发新技术的高潮，许多发达国家的高科技计划的重要内容是计算机技术,而尤以人工智能为其基本重要组成部分。人工智能成为国际公认的当代高技术的核心部分之一。 1什么是人工智能 美国斯坦福大学人工智能研究中心尼尔逊教授给人工智能下了这样一个定义:人工智能是关于知识的学科, 是怎样表示知识以及怎样获得知识并使用知识的科学。从人工智能所实现的功能来定义是智能机器所执行的通常与人类智能有关的功能,如判断、推理、证明、识别学习和问题求解等思维活动。这些反映了人工智能学科的基本思想和基本内容, 即人工智能是研究人类智能活动的规律。若是从实用观点来看,人工智能是一门知识工程学:以知识为对象,研究知识的获取、知识的表示方法和知识的使用。 从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。如果仅从技术的角度来看，人工智能要解决的问题是如何使电脑表现智能化，使电脑能更灵活方效地为人类服务。只要电脑能够表现出与人类相似的智能行为,就算是达到了目的，而不在乎在这过程中电脑是依靠某种算法还是真正理解了。人工智能就是计算机科学中涉及研究、设计和应用智能机器的—个分支，人工智能的目标就是研究怎样用电脑来模仿和执行人脑的某些智力功能，并开发相关的技术产品，建立有关的理论。 2 人工智能历史 当然，人工智能的发展也并不是一帆风顺的，人工智能的研究经历了以下几
龙源期刊网 https://www.doczj.com/doc/212640245.html, 国外人工智能教学应用研究综述 作者：郭炯荣乾郝建江 来源：《电化教育研究》2020年第02期 [摘; ;要] 人工智能技术在教育教学中的应用日渐丰富，国内关于人机协同的研究多偏向于宏观理论探索，实践研究较少。鉴于此，研究以近三年三本具有国际影响力的期刊中人工智能教学应用相关文献为样本，以人工智能局部替代教学、赋能教学为焦点，分析国外人工智能教学应用研究现状。从中可以看出，当前国外研究者在探索认知特征、学习本质和教育规律的基础上，关注将机器学习、逻辑推理、自然语言理解等人工智能技术嵌入各类教学、学习、决策等工具、系统、平台中，支持构建体验学习情境、规范学习行为、评估学业水平和能力结构、制定个性化学习路径和内容等研究，旨在通过人机协同优化教学方式与路径，为学习者提供个性化学习服务。这些研究成果对开发人工智能教学产品、理解学习的本质、探索教学规律等提供了方法指导和可供借鉴的研究范式，但也存在人工智能教学应用研究狭窄化、碎片化、微观化等问题，后期还需从宏观、中观层面开展人工智能与教学的关系研究、人工智能教学应用关键技术研究、人工智能赋能教师的理论基础研究、人工智能与教学融合形态研究、人机协同背景下的教师人工智能教学应用素养研究等。 [关键词] 人工智能; 教学应用; 人机协作; 研究综述; 替代教师; 赋能教师 [中图分类号] G434; ; ; ; ; ; [文獻标志码] A 一、引; ;言 人工智能（Artificial Intelligence，AI）在教育教学中的应用越来越受到重视，大量基于 AI的教育教学工具应用在不同的场景中，逐步被教育者和学习者接纳。研究者也开始对其在教学过程中引发的变革进行积极探讨。国内学者从人工智能对教师职业的再造、人工智能教师在未来教育教学中代替人类所承担的角色、智能时代的教师工具、人工智能时代教师角色与思维的转变等方面进行了研究。主流观点认为，人工智能在可预见的未来并不会完全替代教师，但未来将会是教师与人工智能协作共存的教育新生态[1-4]。但此类研究多偏向于理论探讨、宏观分析，结合案例的教学实证研究较少。国外人工智能教育研究起步早，且更加注重实证研究，可为国内人工智能教学应用的研究与实践提供借鉴。本研究从国外文献入手，选取在国际教育技术领域影响力较大的三本期刊（Computers & Education、International Journal of Artificial Intelligence in Education、Journal of Educational Technology and Society）作为文献来源，从人机协作的视角关注近三年与人工智能教学应用相关的研究。 二、人工智能教学应用研究概述 （一）人工智能教学研究的发展