资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2020/9/16,#,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2020/9/16,#,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,Click to edit Master title style,2020/9/16,第,2,章 智能,决策方法介绍,智能制造系统与决策,提 纲,灰色理论概述,5,博弈决策概述,4,3,遗传算法概述,层次分析法简介,2,深度学习概述,6,智能决策方法的原理,1,分布式决策方法,目标层解法,7,1.,智能决策方法的原理,智能决策方法,智能决策方法是结合人工智能、机器学习、数据挖掘等方法，采用推理实现决策功能的方法，能够用于实现不确定环境下的智能决策。,主动性：通过引入专家知识，决策系统具有部分人类智能，能够主动的完成决策的能力,自适应性：决策系统具有能够根据复杂多变的环境，动态地调整自身决策的能力,分布式：在系统层级结构中，系统的各个主体能够互相协商，每个主体具有自主决策的能力,智能决策方法的特点：,1.,智能决策方法的原理,常用的智能决策方法,方法,解决的问题,适用领域,层次分析法,难以完全定量分析的复杂问题,资源分配、冲突求解、决策支持等领域,灰色理论,部分清楚、部分不清楚且带有不确定性的问题,在农业、生态、经济、医药、历史、地理等各方面均有广泛的应用,遗传算法,复杂系统智能优化问题,适用问题范围广，非常适用于系统的决策问题求解,博弈决策,智能理性决策者之间的冲突与合作问题,生物学、经济学等许多领域,深度学习,发现数据的分布式特征表示,计算机视觉，语音识别，自然语言处理，音频识别，社交网络过滤，机器翻译，生物信息学和药物设计等领域,分布式决策,复杂产品的多学科设计优化,飞机、汽车等产品,2.,层次分析法简介,层次分析法,层次分析法（,Analytic Hierarchy Process,，简称,AHP,）,，,是一种解决多目标复杂问题的定性与定量相结合的决策分析方法。,定量分析与定性分析相结合,决策者主观判断问题，通过模型计算权重系数,结果是得出各方案的优劣次序,层次分析法的步骤：,建立层次结构模型,构造判断,(,成对比较,),矩阵,层次单排序及其一致性检验,层次总排序及其一致性检验,2.,层次分析法简介,层次分析法的步骤：,建立层次结构模型,2.,层次分析法简介,层次分析法的步骤：,构造判断,(,成对比较,),矩阵,A,准则,1,准则,2,准则,3,准则,4,准则,1,1,准则,2,1,准则,3,1,准则,4,1,判断矩阵,2.,层次分析法简介,层次分析法的步骤：,构造判断,(,成对比较,),矩阵,标度含义,含义,1,表示两个准则相比，具有相同重要性,3,表示两个准则相比，前者比后者稍重要,5,表示两个准则相比，前者比后者明显重要,7,表示两个准则相比，前者比后者强烈重要,9,表示两个准则相比，前者比后者极端重要,2,4,6,8,表示上述相邻判断的中间值,倒数,判断矩阵标度定义,:,2.,层次分析法简介,层次分析法的步骤：,层次单排序及其一致性检验,层次单排序,:,几何平均法（根法）,1),计算判断矩阵,A,各行各个元素的乘积，得到一个,n,行一列的矩阵,B,。,2),计算矩阵,B,中每个元素的,n,次方根得到矩阵,C,。,3),对矩阵,C,进行归一化处理得到矩阵,D,。,4),该矩阵,D,即为所求权重矢量，所求矢量为矩阵的最大特征矢量，从而可以求出矩阵最大特征值,。,规范列平均法（和法）,1),将判断矩阵,A,的每一列向量归一化得矩阵,B,。,2),将矩阵,B,每一行元素求和得到一个一列,n,行的矩阵,C,。,3),对矩阵,C,的列元素归一化得到矩阵,D,。,4),矩阵,D,即为所求权重矢量，同理求出矩阵的最大特征值,。,2.,层次分析法简介,层次分析法的步骤：,层次单排序及其一致性检验,层次单排序的一致性检验,:,n,1,2,3,4,5,6,7,8,9,10,11,12,13,14,RI,0,0,0.52,0.89,1.12,1.24,1.36,1.41,1.46,1.49,1.52,1.54,1.56,1.58,计算一致性指标,CI,判断矩阵的最大特征值，,n,为矩阵的阶数,查找平均随机一致性指标,RI,计算一致性比例,CR,当,CR0.10,时，认为通过了一次性检验,2.,层次分析法简介,层次分析法的步骤：,层次总排序及其一致性检验,层次总排序,:,计算,同一层次所有元素对最高层相对重要性的排序权重矢量，这一过程是自上而下逐层进行的，最终得到所有方案的权重比,2.,层次分析法简介,层次分析法的步骤：,层次总排序及其一致性检验,层次总排序的一致性检验,:,其中，,B,层,对上层（,A,层）中元素,的层次单排序一致性指标为,，随机一致性指标为,当,CR0.1,时，认为层次总排序通过一致性检验,重复上述步骤，直到算出方案层的最终权重比，并以此为依据进行决策,3.,灰色理论概述,灰色理论,灰色理论与概率论、模糊数学是研究不确定性系统的三种常用方法，它能通过较少的数据信息，建模寻找现实问题的规律，克服了少数据和短周期等困难。,灰色,关联,分析,灰色预测,灰色决策,灰色聚类,灰色,控制,灰色理论的实际应用包括：,3.,灰色理论概述,灰色关联分析,灰色,关联分析,(Grey Relational Analysis,简称,GRA),是灰色理论的一个重要分析与决策方法。其基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密,3.,灰色理论概述,灰色关联分析,灰色关联分析的一般步骤,:,1,）,确定,评价指标,体系,2,）,确定参考数据列,3,）,指标数据无量纲化,4,）,计算,绝对,差值,5,）,计算关联系数,6,）,计算,关联度及,排序,3.,灰色理论概述,灰色关联分析,确定评价指标,体系,设,m,个指标，,n,个数据序列形成如下矩阵,：,3.,灰色理论概述,灰色关联分析,确定,参考数据列,为了方便对若干指标或者若干方案进行评价，可以选取参考数据作为一个理想的比较,标准，记作,3.,灰色理论概述,灰色关联分析,指标,数据无量纲化,常用的无量纲化,方法：,初值化,法,均值化,法,区间化,法,3.,灰色理论概述,灰色关联分析,指标,数据无量纲化,无,量纲化后，,原始数据在,量纲和数量级上的,差异消除，形成如下矩阵：,3.,灰色理论概述,灰色关联分析,计算,绝对差值,每个被评价对象指标序列与参考序列对应元素的绝对,差值：,计算,关联系数,为分辩系数，用来削弱,(max),过大而使关联系数失真的,影响,，,3.,灰色理论概述,灰色关联分析,计算,绝对差值,每个被评价对象指标序列与参考序列对应元素的绝对,差值：,计算,关联系数,为分辩系数，用来削弱,(max),过大而使关联系数失真的,影响,，,3.,灰色理论概述,灰色关联分析,计算,关联度及排序,关联,度：,对,各评价对象（比较序列）分别计算其个指标与参考序列对应元素的关联系数的均值，以反映各评价对象与参考序列的关联,关系。,或,4.,遗传算法概述,遗传算法,达尔文的“自然选择”,学说,孟德尔的遗传学说的思想,生物进化,遗传算法,个体,问题的一个解,个体的竞争力,适应函数,适者生存,适应度最大的解被保留的概率最大,染色体,解的编码,基因,编码的元素,群体,被选定的一组解,种群,根据适应函数选择的一组解,交叉,以一定的方式由双亲产生后代的过程,变异,编码的某些分量发生变化的过程,4.,遗传算法概述,遗传算法,优化算法,：,基于“优胜劣汰”的自然法则和遗传规律,核心思想,：,对环境的适应能力,算法设计的关键：,个体的编码方式和遗传算子的,设计,遗传,算法通过适当的编码方案，将问题的解均以染色体来表现，然后经过一系列的交叉、变异等操作对个体根据适应度进行选择，最终获得全局最优解的一种搜索算法,。,4.,遗传算法概述,遗传算法,遗传算法的设计流程图：,4.,遗传算法概述,遗传算法,遗传算法,的优势：,自组织,和自学,习性,求解,过程中只需要计算适应度函数值或目标函数值，应用范围较,广,可并行计算,趋向,全局最优,解,鲁棒性强,遗传,算法易于和其他的技术（例如模糊推理、神经网络、混沌行为等）相结合，形成性能更优的问题求解方法,。,解决,确认可替代解集问题,5.,博弈决策概述,博弈论,参与人：,也称局中人或博弈方，是指博弈中能独立决策、独立行动并承担决策结果的个人或组织。,策略空间,：,指博弈方各自可选择的全部策略或行为的,集合。,收益,：,也称支付，是指博弈方策略实施后的,结果。,博弈论,是研究相互依赖、相互影响的决策主体的理性决策行为，以及这些决策的均衡结果的理论。,三个基本要素：,5.,博弈决策概述,博弈论,博弈的分类：,行动顺序,信息,静态,动态,完全信息,完全信息静态博弈,纳什均衡,完全信息动态博弈,子博弈精炼,纳什均衡,不完全信息,不完全信息静态博弈,贝叶斯纳什均衡,不完全信息动态博弈,精炼贝叶斯,纳什均衡,角度,一：参与人行动的先后,顺序,静态博弈,动态博弈,角度,二：参与人对有关其他参与人的特征，策略空间及收益函数的,知识,完全,信息,博弈,不,完全,信息博弈,5.,博弈决策概述,完全信息静态博弈：纳什均衡,纳,什,均衡,（,Nash Equilibrium,NE,）是完全信息博弈的解的一般概念，它是对非常广泛的博弈问题给出的严格的结果。它指的是这样一种策略组合，这种策略组合由所有参与人最优策略组成。即在给定别人策略的情况下，没有参与者愿意打破这种均衡。,囚徒困境：,囚徒,B,坦白,抵赖,囚徒,A,坦白,-8,，,-8,0,，,-10,抵赖,-10,0,-1,，,-1,5.,博弈决策概述,博弈论,纳什均衡的求解,在包括,n,个参与者的标准式博弈中，如果对每一个,参与者,参与者,其他,n-1,个参与者所选策略,的最优反应策略，即,对所有参与者,的其他,策略,都成立，即,是最优化问题。,i=1,2,n,的解，则策略,组合,该博弈的一个纳什均衡。,5.,博弈决策概述,完全信息动态博弈：子博弈精炼纳什均衡,纳什均衡的三种情况：,子,博弈精炼纳什均衡要求参与人的决策在任何时点上都是最优的，决策者要“随机应变”，而不是固守旧略,。,中心意义：将纳什均衡中包含的不可置信的威胁策略剔除出去,子博弈精炼纳什均衡：,一个博弈可能有不止一个纳什,均衡；,在纳什均衡中，参与人在选择自己的策略时，把其他参与人的策略当作给定的，不考虑自己的选择如何影响对手的,策略；,由于不考虑自己选择对别人选择的影响，纳什均衡允许了不可置信威胁的存在。,6,.,深度学习概述,深度学习,AlphaGo,对战职业,九段棋手,李世石,AlphaGo,对,战柯洁,AlphaGo,的主要工作原理是深度学习（,Deep Learning,DL,），它的概念是由,Geoffrey Hinton,等人在,2006,年提出的,6,.,深度学习概述,深度学习,从本质上可以归类为神经网络，旨在构建多层网络结构来获取不同层次的特征信息，从而能够弥补以往需要人工设计特征的复杂问题，比如图像、语音和位置识别。,制造业中的制造,数据，能耗数据，装配数据和物流,数据体量,巨大，种类繁多且价值密度,低,数据计算、收集、存储、传输技术都取得了巨大,进步,深度学习在处理数据时能够发现其更深层次的特征，获得隐藏在数据中的联系和,知识,常用的深度,学习方法：,卷积神经网络,深度,信念,网络,堆叠,自编码器,6,.,深度学习概述,卷积神经网络,卷积,神经网络,(Convolutional Neural Networks,CNN,),起源于对人类视觉原理的研究，构建多层神经网络，底层网络识别低级特征，若干个低级特征组成上一级特征，最后通过多级特征的组合在顶层网络实现识别和分
展开阅读全文