公众出行服务平台概要
一、概要
整合交通信息资源，通过互联网、呼叫中心、手机、PDA等移动终端、交通广播、路侧广播、图文电视、车载终端、可变情报、警示标志、车载滚动显示屏、分布在公共场所内的大屏幕、触摸屏等各类媒介，为政府管理提供决策支持，为运输经营者提供信息参考，为出行着提供较为完善的出行信息服务。
?为驾车出行者提供路况、突发事件、施工、沿途、气象、环境等信息。
?为采用公共交通方式出行者提供票务、营运、站务、转乘、沿途等信息。
?出行者可以提前安排出行计划，变更出行路线，使出行更安全、更便捷、更可靠。
?与铁路、民航、旅游、气象等相关的各类信息进行整合、与广播、电视结合，提供更全面、更多方式的服务，让公众切身感受交通信息服务的便利。
二、公众出行信息服务系统现状及需求
公众需要在不同的场合利用多种手段获得出行信息，如果是驾车旅游、驾车运输、驾车公务的出行者，他们需要适合行驶中的信息获得方式。如果是公共交通出行者，他们需要适合等候及乘机、乘车环境下的信息获得方式。例如：出行前参考，以地图的形式提供长途客运的站点分布，各个站点的具体地址、联系电话等信息，提供长途客运线路和火车、飞机时刻等信息查询功能，此外还可提供交通法规和交通常识信息，使公众出行作为参考。费用查询，提供高速公路车辆通行费和计重收费查询功能，可以查询高速公路任意两个站点间的距离和通行费用，可以查询普通公路的收费标费。旅游信息，以地图的形式显示旅游资源，若点击各个地市可显示本地区的旅游景点，可以有图片和详细的文字介绍。交通气象，提供气象信息发布功能。交通地图，在GIS环境下以电子地图形式呈现国道、省道、高速公路及部分城市主要道路信息，具有地图放大、缩小、漫游等功能，提供高速公路、加油站、服务区服务项目等定位查询和路径选择分析、出行导航功能，能够根据用户选择的出发地和目的地，计算分析所走的路线和总距离，并显示沿途经过的交通服务设施信息。动态路况，能够及时发布以高速公路为主的动态路况信息，包括事故、交通管制、临时封闭、路面施工、紧急任务、拥堵等信息，必要时还要提示车辆绕行路河北交通科技信息网线。视频直播，与高
速公路视频直播系统进行有机整合，可以在互联网上显示高速公路收费站、服务区、大型互通立交的实时视频信息。语音发布，针对动态路况、车辆通行费、计重收费查询结果、出行导航路径分析结果信息，在显示文本信息的同时，可以采用语音的形式播报，达到声文并茂的效果。
无论出行者属于哪一类，也无论使用哪种方式寻求信息，有一点是统一的，那就是出行前和出行中公众最需要的是准确、实效性强的出行信息。
三、出行服务平台建设趋势——信息孤岛融为一体
“公众出行交通信息服务系统”项目的建设将使庞大复杂的交通数据融合之后形成丰富的交通信息资源，一方面为出行者提供多方位、高质量的出行服务，使得交通出行更加顺畅、平稳，提高交通效率与安全，减少燃料消耗，有利于环保；另一方面能够为各级交通管理部门提供决策和管理所需的数据支持，为其提高工作效率和服务水平，进一步推进交通信息化建设奠定了良好的基础。
在服务功能方面，追求实时、准确、全面充分体现“以人为本”的思想。这就要求公众出行信息服务建设要进一步整合社会资源，打破条块分割，发展大交通格局，在公众出行服务上以人、企业和信息资源三者统一建设为重点，系统设计功能应简洁、易懂，信息应及时、准确，获取方式要经济、方便，同时提供动、静态两种信息，并加大动态信息的采集手段，不断充实和丰富信息内容、扩大信息覆盖范围和影响力，以更经济、更便捷、更实用的手段满足社会公众出行的需要。
为了最大化满足社会公众出行的需要，在系统建设规划方面应采用“顶层设计”的理念。由于我国交通体制所限，公众出行还涉及交通、公安、城管、铁路、水运、航空等相关部门以及相关行业，与公众出行有关的相当一部分资源我们并没有完全掌握，这就为出行信息的共享带来了很大困难。但是，公众交通出行是一个以城市为单位的涉及多个城市甚至是多个省市的复杂出行活动，公众所需的信息也必然会涉及多个城市或省份。因此，这就需要我们将每个行业，每个管理部门手中的信息孤岛联系起来，融为一体。按照“顶层设计”的理念，我们可以将交通系统沿纵向领域上制订统一的公众出行信息服务的标准、规范，从而形成全国统一的公众出行信息服务平台。在实施上，我们可以省为单位，在各省的公路地理信息平台基础上，整合城市交通、机场、车站、各条高速公路的资源，各地共建，汇总到省做为二级平台，再由各省汇总到全国一级大平台中。这样既避免了各地因自己开发系统的所带来的资金、人力及与省级系统兼容问题，又有利于在省一级层面上的信息资源的集中与统一。
四、功能模块和关键技术控制点
1、系统技术路线
公众出行服务管理系统是一个面向社会公众，为政府相关部门、企事业单位、普通社会公众提供动态和综合性交通信息服务，是公众获取动静态交通信息的主要方式之一。在交通公众
出行服务管理系统的设计中，为了理顺和简化对系统的理解，把系统进行分解为数据采集、数据管理和分析、信息发布三大类层次。系统结构如图所示：
图1公众出行信息服务系统结构
数据采集是公众出行服务管理系统与其它业务系统或政务信息管理系统之间进行数据资源交换、共享的基本部件，为系统提供有序、可管理的数据获取与交换共享功能。数据采集子系统在数据请求发动下，根据数据请求的来源类型等参数，调用不同的数据访问接口，从各数据资源系统采集数据，并将获取的数据转入数据管理子系统中，以便做进一步分析处理。数据管理和分析，主要是对各类数据经过数据处理，进行数据整合与关联，实现对不通信息需求的数据抽取，适应本系统或其它系统不同交通管理业务的需求。以满足公众出行服务系统用户访问的需要。
信息发布是把经过加工处理而形成的各种有效信息发布展示给出行者。发布方式包括互联网、呼叫中心、短信平台、交通广播、VMS、纸质媒体等。
该系统在开发过程中运用了信息系统管理技术、数据库技术、WEBSERVICE技术、地理信息系统技术、视频监控技术、异步JavaScript和XML技术、TTS（TEXT TO SPEECH）技术、无线通信技术、呼叫中心等多种技术，可以给用户提供更好的使用体验。
2、系统功能说明
公众出行信息服务系统旨在满足社会公众对各种各样出行信息的需求，为公众提供准确、便捷的出行信息，为社会公众搭建了一个友好的、多角度的、全方位的、内容丰富的交通信息查询平台，较好地满足公众对出行信息种类繁多的需求。系统功能如图所示。
图2公众出行信息服务系统功能
该系统由交通地图、动态路况、高速相关、出行策划、规费查询、交通旅游、交通黄页、气象服务、在线提问、短信平台、呼叫中心、交通广播等模块组成，这些模块彼此关联，查询方便，为公众提供最便捷最准确的出行信息。
系统开发了基于XML的数据交换工具，通过使用一种可视化界面的映射程序，建立异构系统的数据格式间转换。
五、综述
该系统的建设将有效推进交通运输信息资源的整合，提高公路交通管理与服务水平，从而形成“以管理推动服务，以服务促进管理的良性发展局面，对建设创新型和服务型交通行业具有极其重要的意义。
十天干类象详解： 甲木 1 、滴天髓云： “甲木参天脱胎要火；水荡骑虎，火炽乘龙；地润天合，植立千古。”这几句已经说出了甲木的特性与喜忌，是我们推命时应掌握的一些通用原则 2、甲木为东方木,应震卦,震为雷,古人说甲木为雷,可以看到甲木气质轻清向上,快速积极,刚健的性质.甲木代表阳木,如森林,乔木,大树等.一棵健康的树木是离不开阳光的,也就是良好的光合作用来使其生长成材。 3、春天的甲木一般在雨水前需要丙丁火来驱除寒气,故甲木参天,脱胎要火,在雨水后,要庚金劈甲来引出丁火取贵。 4、夏天的甲木火旺木燥,地支须有水润,使木性不至于焚灭,干支生克则地润天合,植立千古.如果八字中火过多,须辰土来即火炽乘龙.为何是辰而不用丑?因辰为水库，其中乙木可以使甲木盘根,有癸水湿润，比丑土(己,辛,癸)要有效率的多，丑为金库，有损木力。 5、秋天的甲木凋零,一般以水印化官杀为用,另须木来帮助,地支最好有根基,即寅卯且不被冲合.如果是九月霜降后,还须适量的火来温暖。秋月金旺，以丁火制约庚辛为佳，反生之功效。 6、冬天的甲木寒冷,以火反生,即阳光普照则光合作用充分.如水过多漂木,则须寅木扎根,即水荡骑虎,寅木中有戊土止水,丙火温暖,甲木相助,甲、丙、戊联合运用,缺一不可，使寅木虎发挥最佳用神效果.其次可以用未土,未是燥木库,能纳水助甲,调节气温,也很不错。所以命中喜寅的人喜欢养猫,或者遇到属虎的朋友,上司帮助大,或者说缺寅的人带虎生肖饰品,家中挂幅虎画,熊猫画，养猫能改良命运。 7、命局如木火二行，成木火通明时，要看节气的深浅。要防灰飞烟灭之虞，故须看干 支水火体性，木火虽通明，也不可忽略甲木的本质，地润兼要火的认识须深入。 8、六壬中甲木主青龙，木将，主财宝、婚姻、喜庆、增福解祸，吉将。在人为辅弼、 大臣、司金铸之官、高雅端方之士、富户、媒妁、僧道。 在物为财宝、文字、重器、衣服、绢帛、羽毛、文彩、龙鱼、水族、虎豹、猫狸、林木、舟车、棺椁、枷棒、筵宴、酒食、果菜，於祟为木神、司命。 9、在《玉照定真经》中讲到“寅申庚甲，商路吏人”，甲（寅)木可以看做功曹,也就是看日元为庚还是甲，就能明确其从事职业特性了。这和六壬中甲木的形意是密切相关的。
－３－ 研究与探索 ２００９１２ 计算智能主要算法研究 田晓艳 中国人民武装警察部队学院，河北廊坊，０６５０００ 【摘要】【关键词】本文介绍了计算智能及其四种主要算法：人工神经网络、模糊算法、进化算法、蚁群算法。详细描述了每个算法的生物学基础、计算原理及其特点，以及基于每个算法的优化设计，并对它们已有的成果及在工程应用中所存在问题作简要的讨论。最后总结了四种算法的优势并预测了计算智能的发展趋势。 计算智能 人工神经网络 模糊算法 进化算法 蚁群算法 一、概述 二、计算智能的主要算法 计算智能，广义的讲就是借鉴仿生学思想，基于生物体系的生物进化、细胞免疫、神经细胞网络等某些机制，用数学语言抽象描述的计算方法。是基于数值计算和结构演化的智能，是智能理论发展的高级阶段。计算智能有着传统的人工智能无法比拟的优越性，它的最大特点就是不需要建立问题本身的精确模型，非常适合于解决那些因为难以建立有效的形式化模型而用传统的人工智能技术难以有效解决、甚至无法解决的问题。从方法论的角度和现在的研究现状，计算智能的主要算法有：人工神经网络、模糊算法、进化算法、模拟退火、忌搜索算法、ＤＮＡ软计算、人工免疫系统、蚁群算法、粒子群算法、多代理（Ａｇｅｎｔ）系统等。 本文对计算智能的四种算法：人工神经网络、模糊计算、进化计算、蚁群算法的生物学基础、计算原理及其特点作一个简单的综述，并对它们已有的成果及工程应用与存在问题作简要的讨论。 计算智能是在神经网络、进化计算及模糊系统这 ［１］ 三个领域发展相对成熟的基础上形成的一个统一概念。其中，神经网络是一种对人类智能的结构模拟方法，它是用于人工神经网络系统去模拟生物神经系统的智能机理的；进化运算是一种对人类智能的演化模拟方法，它是用进化算法去模拟人类智能的进化规律的；模糊计算是一种对人类智能的逻辑模拟方法，它是用模糊逻辑去模拟人类的智能行为的。 （１）神经网络的生物学基础 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。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。 ［２］ １、人工神经网络
第1期2007年2月 中国电子科学研究院学报 Journal of C AE I T Vol .2No .1Feb .2007 收稿日期:2006211218 修订日期:2007201205 基础理论 计算智能主要算法的比较与融合 苏建元 (河海大学电气工程学院,南京 210024) 摘 要:计算智能算法的融合可以有效解决实际问题,但算法选择带有一定盲目性。文章对计算智能的主要算法———人工神经网络、人工免疫系统、模糊系统和遗传算法等的特性进行比较,提出了四种融合形态———串联型、并联型、部分融合型和完全融合型,以及融合步骤、融合的数学描述,讨论了六种融合算法的特点和方法。融合提高了算法性能、扩大了应用范围。通过比较明确了计算智能算法的选择方法和进一步研究的方向;通过仿真分析说明了算法融合思路的正确性。关键词:神经网络;模糊系统;遗传算法;免疫系统;计算智能中图分类号:TP301 文献标识码:A 文章编号:167325692(2007)012052205 Co mpar ison and Fusi on of Co m put a ti ona l I n telli gence ’s Ma i n Algor ith m s S U J ian 2yuan (College of Electrical Engineering,Hehai University,Nanjing 210024,China ) Abstract:The fusi on of computati onal intelligence ′s algorith m s may be able t o s olve actual p r oble m s,but the method of selecting the algorith m s may not be s o scientific .The characteristics of f our maj or algo 2rithm s 2artificial neural net w ork,artificial i m mune syste m ,fuzzy l ogic syste m ,and genetic algorithm 2are compared in this paper .Fusi on step s,fusi on algorith m definiti on,and f our kinds of fusi on shapes (se 2 ries,parallel,partial,and comp lete )are p r oposed .The characteristics and methods of six fusi on algo 2rithm s are als o discussed .The fusi on enhances alg orithm ′s perf or mance and expands app licati on ′s scope .Both the method of selecting algorithm s and the further research directi on in computati onal intelligence are given thr ough comparis on .The si m ulati on study indicates that this algorith m fusi on mentality is correct .Key words:neural net w ork;fuzzy syste m;genetic algorith m;i m mune syste m;computati onal intelli 2 gence 0 引 言 生物信息系统主要包括神经网络、遗传系统、免疫系统和内分泌系统。对免疫系统、神经网络、模糊和遗传进化等生物现象和信息处理体系的借鉴和利用已经形成一个新型的学科———生物计算智能系统,简称计算智能。计算智能是在1994年I EEE 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 具有自适应的结构、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、控制过程的参数等共同要素,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,这些特征已被应用于信息安全、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。计算智能的各领域服从“开放式计算系 统”的统一模型[1] ,但它们也有一定的差别,国内外介绍有关计算智能算法融合的资料比较少,文献
《计算智能》授课大纲课程性质：必修课，3学分，共48~54课时（共16周)。 一、课程介绍 《计算智能》课程对计算智能领域的主要算法进行介绍，重点讨论各种算法的思想来源、流程结构、发展改进、参数设置和相关应用。内容包括绪论以及进化计算、群体智能、人工免疫算法、分布估计算法、神经网络、模糊逻辑和多目标进化算法等。并从工程应用及与其他人工智能研究方向相结合的角度讨论人工智能的实际问题及其解决方法。 二、教学内容 1.导论(1课时) （1）计算智能简介 （2）计算智能典型方法 2.优化理论(2课时) （1）优化问题 （2）优化方法分类 a)非约束优化 b)约束优化 c)多解问题 d)多目标优化 e)动态优化问题
3.进化计算(9课时) (1)进化计算导论 (2)遗传算法 a)经典遗传算法 b)交叉、变异 c)控制参数 d)模式定理与积木块假设 e)遗传算法的变体 f)前沿专题（小生境遗传算法、约束处理、多目标优化、动态环 境） g)应用 (3)遗传编程、进化规划、进化策略 (4)差分进化 (5)文化计算 (6)协同进化 4.人工免疫系统(6课时) （1）自然免疫系统 （2）人工免疫模型 a)克隆选择模型 b)网络理论模型 c)危险理论 （3）免疫优化计算
5.群体智能(3课时) （1）粒子群优化 （2）蚁群算法 6.多目标进化算法及应用（6课时） 5.1 绪论 5.2 主要的多目标进化算法 5.3 多目标进化算法性能评价和问题测试集 5.4 多目标优化的新进展 5.5 应用实例 7.神经网络(6课时) （1）人工神经元 （2）监督学习神经网络 （3）非监督学习神经网络 （4）径向基函数网络 （5）增强学习 （6）监督学习的性能问题 8.深度学习算法（Deep Learning）（3课时） 9.分布估计算法(3课时) 10.计算智能算法在各研究方向的应用(6~9课时) （讨论计算智能算法在每个研究生的研究方向中的结合应用） 三、教材与参考书 2、张军,詹志辉.计算智能[M].清华大学出版社[北京].2009.11.
一行公园 南临花园路，西临一行路，北临小康村，这里有各种各样的植物，有高大挺拔的树木，有一地的花花草草，也有长长的青藤，一簇一簇的灌木。行走在公园内，你会感到神清气爽．来，我们一起做个深呼吸，空气中有淡淡的清清的香香的味道，感觉真好。 我来考考你，这里的一行公园，还有西面的一行路，为什么都以一行来命名，一行是谁呢？老师告诉你，一行可是我们南乐一个很了不起的大人物呢！ 僧一行，本名张遂，青年时期出家当了和尚，一行是他的法名。他可是中国唐代著名高僧，佛教密宗领袖，世界著名天文学家。唐高宗咸亨四年（公元673年）出生于魏州昌乐(今河南濮阳市南乐县)。 他一生创造世界三个第一:首次测量地球子午线长度，第一个发现恒星运动，创制最早的自动计时装置，他还编著了当时最优秀的天文历法<大衍历>． 他以擅记览闻名，后游历天下．他在青少年时期就刻苦好学，掌握了渊博的学问。他曾经到长安城内藏书很多的元都观借书阅览。他为了学习数学知识，又徒步跋涉几千里，寻访知名的人去请教。这种学习精神，使一行青年时期就以精通天文、历法而相当出名。 一行公园就是为了纪念天文学家僧一行而创建的．王老师建议我们一定要在这里合个影留念，好不好？现在听我口令，立正，前三排蹲下。 一行贡献浑天仪
一行主要致力于天文研究和历法改革，一生中最主要的成就是编制《大衍历》，他在制造天文仪器、观测天象和主持天文大地测量方面也颇多贡献。 开元九年（公元721年），唐玄宗命令一行主持修订新历法。在修历问题上，一行主张在实测日月五星运行情况的基础上编制新历。为此，他和机械专家梁令瓒一起，依靠一批工匠，共同创制了黄道游仪、水运浑天仪等大型天文观测仪器和演示仪器，为修订新历准备了物质技术条件。 黄道游仪是用来观测日、月、星辰的位置和运行情况的天文仪器，是浑仪的一种。水运浑天仪（浑象）是用水力驱动的能模仿天体运动的仪器，类似于现代的天球仪。这种水运浑天仪很有规律地演示出日、月、星象的运转，比张衡的水运浑象更加精巧、复杂。另外这个以水力推动而运转的浑象，附有报时装置，可以自动报时.水运浑天仪上设有两个木人，用齿轮带动，一个每刻（古代把一昼夜分做一百刻）自动击鼓，一个每辰（合现在两小时）自动撞钟。这两个木人是运用机械原理而制成的古代机器人。这是一个十分巧妙的计时机械，是世界上最早的机械时钟装置，是现代机械类钟表的祖先，比公元1370年西方出现的威克钟要早六个世纪，充分显示了我国古代劳动人民和科学家的聪明才智。 同学们看看这里的路灯设计，很特别吧？为什么会设计成星星月亮形状的？一行是世界著名的天文学家，研究的就是日月星象的运转，而这里的浑天仪的设计，路灯的设计，都是为了纪念谁啊？对，
智能算法—蚁群算法浅析 作者：赵磊 学校：西安建筑科技大学 院系：应用数学 年级：09级 学号：00000 摘要:智能算法在在现代生活、工程实践中应用比较广泛,主要是用来解决优化问题.本文主要研究智能算法在优化问题中的应用，智能算法包含种类较多，如遗传算法、蚁群算法、模拟退火法等,这些算法在解决优化问题时，都有其独特之处.本文主要对蚁群算法的起源、算法原理、特点和应用进行简单介绍。 关键词：智能算法、蚁群算法、算法概述、算法原理 随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。随着计算机技术的飞速发展，智能计算方法的应用领域也越来越广泛。以及常用智能算法有:遗传算法、蚁群算法、免疫算法等。蚁群算法是近些年来迅速发展起来的，并得到广泛应用的一种新型模拟进化优化算法。研究表明该算法具有并行性，鲁棒性等优良性质。它广泛应用于求解组合优化问题，所以本文着重介绍了这种智能计算方法，即蚁群算法，阐述了其工作原理和特点，同时对蚁群算法的前景进行了展望。 一、蚁群算法概述 1、起源 蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型技术。它由Marco Dorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。 Deneubourg及其同事(Deneubourg et al.,1990; Goss et al.,1989)在可监控实验条件下研究了蚂蚁的觅食行为，实验结果显示这些蚂蚁可以通过使用一种称为信息素的化学物质来标记走过的路径，从而找出从蚁穴到食物源之间的最短路径。 在蚂蚁寻找食物的实验中发现，信息素的蒸发速度相对于蚁群收敛到最短路径所需的时间来说过于缓慢，因此在模型构建时，可以忽略信息素的蒸发。然而当考虑的对象是人工蚂蚁时，情况就不同了。实验结果显示，对于双桥模型和扩展双桥模型这些简单的连接图来说，同样不需要考虑信息素的蒸发。相反，在更复杂的连接图上，对于最小成本路径问题来说，信息素的蒸发可以提高算法找到好解的性能。 2、基于蚁群算法的机制原理 模拟蚂蚁群体觅食行为的蚁群算法是作为一种新的计算智能模式引入的，该算法基于如下假设： （1）蚂蚁之间通过信息素和环境进行通信。每只蚂蚁仅根据其周围的环境作出反应，也只对其周围的局部环境产生影响。 （2）蚂蚁对环境的反应由其内部模式决定。因为蚂蚁是基因生物，蚂蚁的行为实际上是其基因的自适应表现，即蚂蚁是反应型适应性主体。 （3）在个体水平上，每只蚂蚁仅根据环境作出独立选择；在群体水平上，单只蚂蚁的行为是随机的，但蚁群可通过自组织过程形成高度有序的群体行为。 由上述假设和分析可见，基本蚁群算法的寻优机制包括两个基本阶段：适应阶段和协作阶段。在适应阶段，各侯选解根据积累的信息不断调整自身结构，路径上经过的蚂蚁越多，信息量越大，则该路径越容易被选择；时间越长，信息量会越小，在协作阶段，侯选解之间通过信息交流，以期望产生性能更好的解，类似于学习自动机的学习机制。 蚁群算法实际上是一类智能多主体系统，其自组织机制使得蚁群算法需要对所求问题的每一个方面都有详尽的认识。自组织本质上是蚁群算法机制在没有外界作用下使系统熵增加的动态过程，体现了无序到有序的动态变化。先将具体的组合优化问题表述成规范的格式，然后利用蚁群算法在“探索（exploration）”和“利用(exploitation)”之间根据
可爱的小猫说明文作文100字 可爱的小猫的说明文篇一 小猫非常可爱.它长着一双尖尖的耳朵,玲珑的小面孔上,有一对闪闪发光的小眼睛.它 的鼻子两面长着几根胡须,那些胡须非常硬,是用来量老鼠洞的,没有了那几根胡须,它就很 难知道能不能抓到老鼠。 小猫从高空掉下时不会摔死,是因为它脚下长着又厚又软的肉垫,可以减震,它的尾巴 可以保持平衡,所以不会摔死。 它吃东西时和人不一样,人是手捉着食物吃,它是爪子按住食物,然后头低下吃的。 你们说小猫可爱不可爱。 可爱的小猫的说明文篇二 这只可爱的小猫很贪吃，一次吃两碗粥和五个鱼头才饱。有一次，我正在看电视，电 视里面有一条烤鱼，小猫看见了，连忙跑过去，在电视的屏目上抓来抓去。我赶紧换台， 这次，电视里出现了一只大大的老鼠，小猫抓得更厉害了。我又换了一个台，这下可好了，电视里有一条蛇，吓得小猫撒脚就跑。 这只小猫既贪吃又可爱，但是我很喜欢它! 可爱的小猫说明文篇三 我家有一只可爱的小猫，它招人喜欢。它的脸圆圆的，耳朵尖尖的，眼睛又大又圆。 它的胡子有八根，可以测量鼠洞的大小，它的尾巴在走路时总爱来回摆动，爪子下有肉垫，走起路来没有一点声音，肉垫上还有象勾子一样的趾甲呢! 小猫非常爱吃鱼，住在我的床下面，睡觉时非常可爱，我很喜欢它。 可爱的小猫说明文篇四 我的邻居家有一只小猫咪。小猫长得很可爱，它的眼睛真像两颗明亮的宝石。花瓣形 的嘴巴，小小的鼻子惹人喜爱。 我从它旁边走过时，它对着我喵喵叫，好像要找我玩!我看着它时，它的眼睛瞪着我，好像在看什么东西。 我用我的手放在它的面前，往上一提，它居然跟着我的手跳起来了。我要走时，那只 小猫还对着我喵喵叫，我想它还想在跟我玩一会儿。 可爱的小猫说明文篇五
研 究 生 课 程 论 文 (2015-2016学年第二学期) 高级人工智能 研究生：王志强
说明 1、课程论文要有题目、作者姓名、摘要、关键词、正文及参考文献。论文题目由研究生结合课程所学内容选定；摘要500字以下，博士生课程论文要求有英文摘要；关键词3～5个；参考文献不少于10篇，并应有一定的外文文献。 2、论文要求自己动手撰写，如发现论文是从网上下载的，或者是抄袭剽窃别人文章的，按作弊处理，本门课程考核成绩计0分。 3、课程论文用A4纸双面打印。字体全部用宋体简体，题目要求用小二号字加粗，标题行要求用小四号字加粗，正文内容要求用小四号字；经学院同意，课程论文可以用英文撰写，字体全部用Times New Roman，题目要求用18号字加粗；标题行要求用14号字加粗，正文内容要求用12号字；行距为2倍行距（方便教师批注）；页边距左为3cm、右为2cm、上为2.5cm、下为2.5cm；其它格式请参照学位论文要求。 4、学位类别按博士、硕士、工程硕士、MBA、MPA等填写。 5、篇幅、内容等由任课教师提出具体要求。
计算智能及其前延进展综述 王志强 摘要：计算智能是受到大自然智慧和人类智慧启发而设计出的一类算法的总称，这些算法通常用于寻找优化问题的近似最优解。经典的计算智能算法以模拟退火算法、遗传算法、粒子群优化算法和蚁群算法为代表，该文前一部分以概述这些算法的基本思想方法为主。黑洞优化算法(2013)和化学反应优化算法(2015)是发表于Information Sciences上的近年来有代表性的研究成果，该文的后一部分主要介绍了这两个算法的主要思想方法，评述了算法的优越性和局限性。 关键词：计算智能；黑洞优化算法；化学反应优化算法 1.简介 本节简要介绍了计算智能的基本概念和应用领域，第一小节试图简明地回答“计算智能是什么?”，第二小节试图简明地回答“计算智能有什么用?”。 1.1 什么是计算智能 计算智能（Computation Intelligence）的相对正式的定义[1]最早在1992出版的《Approximate Reasoning》学报上由美国学者J.C.Bezdek提出：计算智能是一类依据研究者所能提供的数值化数据来进行分析计算的方法。IEEE神经网络委员会于1994年夏在Orlando召开了IEEE首届国际计算智能大会（World Conference on Computational Intelligence），期间首次在技术范畴上统一了“计算智能”，将进化计算、人工神经网络和模糊系统三个领域合并在一起。而与之相关的更为狭义的“智能计算”的概念[2]是人们受到自然规律的启迪，模仿其结构进行发明创造使之应用于问题的求解，其主要算法有：人工神经网络、模拟退火算法、遗传算法和群集智能技术等。限于计算智能泛畴宽广，本文以智能计算（演
计算智能概论公选课作业 作业1 介绍人工神经网络的发展历程和分类 简要介绍BP神经网络 简要介绍RBF神经网络 简要介绍SOM（自组织映射）神经网络 神经网络的应用 作业2 介绍支持向量机的发展历程和分类 支持向量机的应用 介绍生物特征识别的内容 介绍指纹识别的内容 介绍人脸识别的内容 介绍虹膜识别的内容 作业3 介绍遗传算法的发展历程 介绍遗传算法的应用 作业4 介绍群智能理论的内容 介绍粒子群算法的内容 介绍粒子群算法的应用 介绍蚁群算法的内容 介绍蚁群算法的应用 作业5 模糊理论概述 模糊控制的基本思想 智能控制的简介 智能机器人简介 河南工业大学 信息科学与工程学院 电子信息科学与技术 1502班相怡林 学号：20151603020
一：人工神经网络的发展历程和分类 1943年，心理学家W·Mcculloch和数理逻辑学家W·Pitts在分析、总结神经元基本特性的基础上首先提出神经元的数学模型。此模型沿用至今，并且直接影响着这一领域研究的进展。因而，他们两人可称为人工神经网络研究的先驱。 1945年冯·诺依曼领导的设计小组试制成功存储程序式电子计算机，标志着电子计算机时代的开始。1948年，他在研究工作中比较了人脑结构与存储程序式计算机的根本区别，提出了以简单神经元构成的再生自动机网络结构。但是，由于指令存储式计算机技术的发展非常迅速，迫使他放弃了神经网络研究的新途径，继续投身于指令存储式计算机技术的研究，并在此领域作出了巨大贡献。虽然，冯·诺依曼的名字是与普通计算机联系在一起的，但他也是人工神经网络研究的先驱之一。 50年代末，F·Rosenblatt设计制作了“感知机”，它是一种多层的神经网络。这项工作首次把人工神经网络的研究从理论探讨付诸工程实践。当时，世界上许多实验室仿效制作感知机，分别应用于文字识别、声音识别、声纳信号识别以及学习记忆问题的研究。 然而，这次人工神经网络的研究高潮未能持续很久，许多人陆续放弃了这方面的研究工作，这是因为当时数字计算机的发展处于全盛时期，许多人误以为数字计算机可以解决人工智能、模式识别、专家系统等方面的一切问题，使感知机的工作得不到重视；其次，当时的电子技术工艺水平比较落后，主要的元件是电子管或晶体管，利用它们制作的神经网络体积庞大，价格昂贵，要制作在规模上与真实的神经网络相似是完全不可能的；另外，在1968年一本名为《感知机》的著作中指出线性感知机功能是有限的，它不能解决如异感这样的基本问题，而且多层网络还不能找到有效的计算方法，这些论点促使大批研究人员对于人工神经网络的前景失去信心。60年代末期，人工神经网络的研究进入了低潮。 另外，在60年代初期，Widrow提出了自适应线性元件网络，这是一种连续取值的线性加权求和阈值网络。后来，在此基础上发展了非线性多层自适应网络。当时，这些工作虽未标出神经网络的名称，而实际上就是一种人工神经网络模型。 随着人们对感知机兴趣的衰退，神经网络的研究沉寂了相当长的时间。80年代初期，模拟与数字混合的超大规模集成电路制作技术提高到新的水平，完全付诸实用化，此外，数字计算机的发展在若干应用领域遇到困难。 这一背景预示，向人工神经网络寻求出路的时机已经成熟。美国的物理学家Hopfield于1982年和1984年在美国科学院院刊上发表了两篇关于人工神经网络研究的论文，引起了巨大的反响。人们重新认识到神经网络的威力以及付诸应用的现实性。随即，一大批学者和研究人员围绕着Hopfield提出的方法展开了进一步的工作，形成了80年代中期以来人工神经网络的研究热潮。
一．遗传算法 1.遗传算法的一般步骤 （1）对问题的解进行编码（二进制编码、十进制编码、实数编码、Gary 编码） （2）形成编码后的初始种群 方法：①完全随机产生 ②根据已知的先验知识进行随机选取 （3）适应度函数的设计与计算 目标函数：)(x f 适应度函数：)(min )(x f x F -= )(max )(x f x F = （4）遗传操作 ①选择算子 作用：判断个体是否优良 判断标准：个体适应度函数值的大小 方法：比例选择方法、精英选择方法、排序选择方法、联赛选择方法、期望值方法等 ②交叉算子 两个相互配对的个体按照某种方法相互交换各自的部分基因形成新个体 方法：单点交叉、两点交叉、多点交叉、一直交叉 ③变异算子 类型：基本变异算子、逆转变异算子、自适应变异算子 （5）算法终止 ①一般设定最大迭代次数作为算法的终止条件，简单但不准确 ②根据种群的收敛程度来判定算法是否停止 εε<-<-∑F F F F i max 或 2.算法特点 （1）与传统相比 ①将问题参数编码成染色体后进行进化操作使算法不受函数约束条件的限制； ②采用群体搜索方法，具有隐含并行搜索特性；
③随机操作； ④具有全局搜索能力，多用于复杂问题和非线性问题 （2）优越性 ①算法进行全空间并行搜索，很大概率找到全局最优解 ②算法具有固定的并行性 （3）多用于维数较高、环境复杂、问题结构不十分清楚的场合 3.遗传算法的应用 （1）加工中心组成问题 （2）0-1背包问题 二．蚁群优化算法 <一>算法基础 1.一群蚂蚁随机从出发点出发将在蚁巢和食物之间建立通路，当在觅食路上出现障碍时，蚁群会等概率地选择沿着障碍物向左或向右移动； 2.蚂蚁会在路径上留下信息素以指导后面的蚁群移动； 3.信息素随时间逐渐蒸发； 4.由蚁巢出发的蚂蚁，其选择路径的概率与各路径上的信息素成正比，最终所有蚂蚁会选择同一条较短的路径； <二>算法模型 1.所需的基本变量和常数 令：m 为蚁群中蚂蚁的总数 n 为旅行商问题中的城市个数 ij d 为i 到j 之间的距离，其中n j i ≤≤,1 )(t ij Γ为第t 次迭代（或t 时刻）弧()j i ,上的信息素量 初始时刻各弧上的信息素量相等，即c ij =Γ)0(（c 为常数） 2.状态转移概率 ???????∈ΓΓ=∑∈否则若0)()()()()()()(i J j t t t t t p k i J s is is ij ij k ij k βαβαηη （2.1）
智能计算综述 先进设计与智能计算重点实验室武首航11042018 摘要：本文总结了智能计算各领域发展的概况，提出智能计算（包括神经网络、进化、遗传、免疫、生态、人工生命、主体理论等）作为第二代人工智能方法，是连接主义、分布式人工智能和自组织系统理论等共同发展的结果，其各领域间有着内在的、本质的联系，认为智能计算系统存在一般的数学基础，并存在一般模型，即广义生态学。最后，提出了智能计算理论和应用发展的若干展望。 关键字：智能计算神经网络遗传算法主体理论 Abstract:This article summarizes developments in the field of intelligent computing overview of the proposed intelligent computing (including neural networks, evolutionary, genetic, immune, ecology, artificial life, the main theory, etc.) as the second generation of artificial intelligence is connectionism, distributed artificial intelligence And self-organizing system theory results and common development, and its inherent between the areas, the nature of the contact, that the existence of intelligent computing systems in general mathematics and general model exists, namely the generalized ecology. Finally , the development of intelligent computing theories and applications of a number of prospects. Keyword：Intelligent computing;Neural network;GA;Subject Theory 引言 智能是个体有目的的行为、合理的思维，以及有效的适应环境的综合性能力。人工智能是相对于人的自然智能而言，用人工方法和技术，模仿、延伸和扩展人的智能[1]。长期以来，人们从人脑思维的不同层次出发，对人工智能进行研究，形成符号主义、连接主义和行为主义。 传统的人工智能是符号主义，它以Newell和Simon提出的物理符号系统假设为基础。物理符号系统假设认为物理符号系统是智能行为充分和必要的条件。物理符号系统由一组符号实体组成，它们都是物理模式，可在符号结构的实体中作为组分出现。该系统可以进行建立、修改、复制、删除等操作，以生成其他符号结构。连接主义，或计算智能与分布式人工智能（Distributed Artificial Intelligence, DAI）是密不可分的。人们在研究人类智能行为中发现，大部分人类活动都涉及多个人构成的社会团体，大型复杂问题的求解需要多个专业人员
几种智能计算方法的研究及应用进展 本文对几种常用的智能计算方法（遗传算法、粒子群优化算法、蚁群优化与免疫算法）的理论、特点进行了归纳总结，并对四种智能计算方法的应用范围和前景进行了概括和探讨。 1、遗传算法 1.1 概述 遗传算法[1]是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的自适应概率性随机化迭代搜索算法。1962年霍兰德(Holland)教授首次提出了GA算法的思想，它的基本思想是基于Darwin进化论和Mendel的遗传演说。Darwin进化论最重要的是适者生存的原理，它认为每一代种群总是向着前进方向发展，越来越适应环境。每一个个体都有继承前代的特性，但不是完全继承，会产生一些新特性。最终只有适应环境的特征才能被保留下来。Mendel遗传学说最重要的是基因遗传原理，它认为遗传以密码方式存在细胞中，并以基因形式包含在染色体内。一条染色体中存在很多基因，每个基因有自己的位置并控制着外部特征；基因的产生和变异直接影响到个体的特性是否能适应环境。经过存优去劣的自然淘汰，适应性高的基因结构得以保存下来。 遗传算法正是借用了仿真生物遗传学和自然选择机理，通过自然选择、遗传、变异等作用机制，实现各个个体的适应性的提高。 与自然界相似，遗传算法对求解问题的本身一无所知，从代表问题可能潜在解集的一个种群(population)开始，每一个种群则由经过基因(gene)编码(coding)的一定数目的个体(individual)构成。每个个体实际上是染色体(chromosome)带有特征的实体。把问题的解表示成染色体，并基于适应值来选择染色体，遗传算法所需要的仅是对算法所产生的每个染色体进行评价，使适应性好的染色体有更多的繁殖机会。在算法中也就是以二进制编码的串。并且，在执行遗传算法之前，给出一群染色体，也就是假设解。然后，把这些假设解置于问题的“环境”中，也即在一个适应度函数中来评价。并按适者生存的原则，从中选择出较适应环境的染色体进行复制，淘汰低适应度的个体，再通过交叉，变异过程产生更适应环境的新一代染色体群。对这个新种群进行下一轮进化，直到最适合环境的值。 1.2遗传算法的基本原理和特点 1.2.1 算法原理 在遗传算法中，通过随机方式产生若干个所求解问题的数字编码，即染色体，形成初始种群；通过适应度函数给每个个体一个数值评价，淘汰低适应度的个体，选择高适应度的个体参加遗传操作，经过遗传操作后的个体集合形成下一代新的种群，再对这个新种群进行下一轮进化，这就是遗传算法的基本原理。 遗传算法的主要步骤如下：
计算智能综述 摘要：本文总结了计算智能各领域发展的概况，提出计算智能（包括神经网络、进化、遗传、免疫、生态、人工生命、主体理论等）作为第二代人工智能方法，是连接主义、分布式人工智能和自组织系统理论等共同发展的结果，其各领域间有着内在的、本质的联系，认为计算智能系统存在一般的数学基础，并存在一般模型，即广义生态学。最后，提出了计算智能理论和应用发展的若干展望。 关键字：计算智能神经网络进化遗传算法免疫生态人工生命主体理论 1．从符号主义到连接主义 智能是个体有目的的行为、合理的思维，以及有效的适应环境的综合性能力。人工智能是相对于人的自然智能而言，用人工方法和技术，模仿、延伸和扩展人的智能[1] 。长期以来，人们从人脑思维的不同层次出发，对人工智能进行研究，形成符号主义、连接主义和行为主义。 传统的人工智能是符号主义，它以Newell和Simon提出的物理符号系统假设为基础。物理符号系统假设认为物理符号系统是智能行为充分和必要的条件。物理符号系统由一组符号实体组成，它们都是物理模式，可在符号结构的实体中作为组分出现。该系统可以进行建立、修改、复制、删除等操作，以生成其他符号结构。 连接主义研究非程序的、适应性的信息处理的本质和能力，其初始代表为神经网络。神经网络的一些特点在连接主义计算后来的发展中也得到了体现，如： 1、以分布式方式存储信息 2、以并行方式处理信息 3、具有自组织、自学习能力 连接主义与行为主义间的差距相对较小，因此可将人工智能分为两大类，即符号智能和计算智能（或智能计算）。符号智能是以知识为基础，通过推理进行问题求解，也即传统的人工智能。计算智能是以数据为基础，通过训练建立联系，进行问题求解。计算智能以连接主义的思想为主，并与模糊数学和叠代函数系统等数学方法相交叉，形成了众多的发展方向。人工神经网络（ANN）、遗传算法、演化计算、人工生命、生态计算、免疫信息处理、多主体系统等都可以包括在计算智能中。 连接主义，或计算智能与分布式人工智能（Distributed Artificial Intelligence, DAI）是密不可分的。人们在研究人类智能行为中发现，大部分人类活动都涉及多个人构成的社会团体，大型复杂问题的求解需要多个专业人员或组织协作完成[1] 。“协作”是人类智能行为的主要表现形式之一，分布式人工智能正是为适应这种需要而兴起的。尤其是随着计算机网络、计算机通信和并发程序设计的发展，分布式人工智能逐渐成为人工智能领域的一个新的研究热点，作为人工智能的一个分支，DAI主要研究在逻辑上或物理上分散的智能动作者如何协调其行为，即协调它们的知识、技能和规划，求解单目标或多目标问题，为设计和建立大型复杂的智能系统或计算机支持协同工作提供有效途径。分布式系统的本质决定了它是复杂的、非线性的、通过各子系统间的协同达到更高有序态的系统，因此分布式人工智能的主要研究方法是连接主义的而不是符号主义的。 20世纪50年代以后一段时间，符号智能体系取得了巨大的成功，但80年代中期以来，这种经典人工智能的发展由辉煌转入相对停滞[15] ，而计算智能在神经网络的带动下异军突起。与生命科学、系统科学密切联系是计算智能的突出特点，正是由于这个特点，不仅计算机科学家，而且众多其他学科的学者也加入到计算智能的研究中来，极大促进了它的发展。 2．计算智能的各分支