《131011智能系统开发方法导论(教案)》由会员分享，可在线阅读，更多相关《131011智能系统开发方法导论(教案)（71页珍藏版）》请在金锄头文库上搜索。
1、1智能系统开发方法导论课程简介见目录授课与考核方式 教学方式：课堂授课+课堂讨论（含学生报告）课后文献阅读 课后编程实践 由于导论课，内容涉及知识面宽泛、信息量大，讲授时多插入我的口语解释，注意记笔记 考核方式：平时作业（到课记录+论文写作+程序）+期末考试（以提交论文为主；开卷或闭卷，含外文文献阅读能力考核）其中平时作业（每部分大约占 10 分）包括：1、单元资料收集阅读（需要注明参考文献） 、讨论或报告2、文献综述论文写作（在理论部分讲述完毕后布置） 、讨论或报告。3、特定选题的论文撰写：针对具体题目撰写（可内含程序关键代码） ，第 15、16 周课后布置。包括讨论或报告。参考文献来源：注
2、重广泛性，包括：图书、网络检索、期刊文献；参考书（按重要性排序）：面向主体的软件开发方法 毛新军，清华大学出版社 2005面向 Agent 的软件设计开发方法 薛霄，电子工业出版社 2009多 Agent 系统引论 Michael Wooldridge （英）著 电子工业出版社 移动 Agent 技术 张云勇、刘锦德 编著 清华大学出版社 智能 Agent 及其在信息网络中的应用王汝传、徐小龙、黄海平 著 北京邮电大学出版社人工智能一种现代方法 Stuart Russell （美）等著，人民邮电出版社，2004 联系方式：QQ 206 6381 726；邮箱：QQ 邮箱；电话：13898614
3、183 ；微信号：uniquen-u课件发放（递进式） 、作业布置，提交以 QQ 为主。目 录第 1 章 绪论1.1 智能系统及其发展背景概念、特征（处理的对象、处理结果）类型、实现原理1.2 智能系统应用第 2 章 面向主体（Agent）智能系统开发概述基本概念和思想2.1 智能 A gent 什么是主体简介；概念、例子、与对象和专家系统关系；主体的体系结构；2.2 什么是多主体系统例子、特点；相关性、交互和协作2.3 主体间的通信交互和协作通信语言、方式；协作及协作模型2第 3 章 面向主体的分析、设计和建模3.1 分析、设计和建模概述3.2 MaSE 方法3.3 Gaia 方法3.4 A
4、gent UML第 4 章 面向主体的程序设计4.1 面向主体的程序设计思想4.2 面向对象的编程语言 JAVA4.3 面向主体的程序设计语言三种技术，但主要讲基于对象的技术 JAL4.3.1 面向主体的程序设计语言概述4.3.2 基于对象的技术 JAL第 5 章 面向主体的 CASE 工具和支撑环境概述； JACK5.1 CASE 工具和环境概述概念、产品、分类5.1.1 概念5.1.2 产品5.2 CASE 工具JACK第 1 章 绪论1.1 智能系统及其发展背景本节主要讲述：智能系统概念、特征（处理的对象、结果）；类型；实现原理；多智能体系统 MAS（Multi-agent system
5、 ）发展；注：相关链接可以跟踪1.1.1 概念、特征（处理的对象、结果）概念智能系统（Intelligence system）是指能产生人类智能行为的计算机系统。智能系统不仅可自组织性与自适应性地在传统的诺依曼的计算机（五大部件）上运行，而且也可自组织性与自适应性地在新一代的非诺依曼结构（智能化）的计算机上运行。“智能”的含义很广，其本质有待进一步探索，因而，对“智能”这一词也难于给出一个完整确切的定义，但一般可作这样的表述：智能是人类大脑的较高级活动的体现，它至少应具备自动地获取和应用知识的能力、思维与推理的能力、问题求解的能力和自动学习的能力。处理的对象3智能系统处理的对象，不仅有数据，而
6、且还有知识。表示、获取、存取和处理知识的能力是智能系统与传统系统的主要区别之一。因此，一个智能系统也是一个基于知识处理的系统，它需要如下设施：知识表示语言；知识组织工具；建立、维护与查询知识库的方法与环境；支持现存知识的重用。处理的结果智能系统往往采用人工智能的问题求解模式来获得结果。它与传统的系统所采用的求解模式相比，有三个明显特征，即其问题求解算法往往是非确定型的或称启发式的；其问题求解在很大程度上依赖知识；智能系统的问题往往具有指数型的计算复杂性。智能系统通常采用的问题求解方法大致分为搜索、推理和规划三类。智能系统与传统系统的区别智能系统与传统系统的又一个重要区别在于：智能系统具有现场感
7、应（环境适应) 的能力。所谓现场感应指它可能与所处的现实世界的抽象现场进行交往，并适应这种现场。这种交往包括感知、学习、推理、判断并做出相应的动作。这也就是通常人们所说的自动组织性与自动适应性。如智能空调系统中温度感应器主体与空调设施主体之间的交互1.1.2 类型操作系统也称基于知识操作系统。是支持计算机特别是新一代计算机的一类新一代操作系统。它负责管理上述计算机的资源，向用户提供友善接口，并有效地控制基于知识处理和并行处理的程序的运行。因此，它是实现上述计算机并付诸应用的关键技术之一。利用拟人化的具有自学习能力的人机智能体(IPA I)技术设计 VAX VM S 操作系统，利用智能体所具有的
8、特性可实现操作系统的自适应功能。智能体 IPA I 可通过接受用户的反馈使操作系统适应用户的兴趣和习惯，通过识别正确与错误的命令及与其它智能体进行网络通讯实现系统的学习，从而使操作系统在复杂环境下实现与用户的交互。智能操作系统将通过集成操作系统和人工智能与认知科学而进行研究。其主要研究内容有：操作系统结构；智能化资源调度；智能化人机接口；支持分布并行处理机制；支持知识处理机制；支持多介质处理机制。语言系统为了开展人工智能和认知科学的研究，要求有一种程序设计语言，它允许在存储器中储存并处理一些复杂的、无规则的、经常变化的和无法预测的结构，这种语言即后来被称为的人工智能程序设计语言。人工智能程序设
9、计语言及其相应的 编译程序（解释程序）所组成的人工智能程序设计语言系统，将有效地支持智能软件的编写与开发。与传统程序设计支持数据处理采用的固定式算法所具有的明确计算步骤和精确求解知识相比， 人工智能程序设计语言的特点是 ：支持符号处理 ， 采用启发式搜索 ，包括不确定的计算步骤和不确定的求解知识。实用的人工智能程序设计语言包括函数式语言（如 Lisp） ，逻辑式语言（如 Prolog）和知识工程语言（Ops5 ） ，其中最广泛采用的是 Lisp 和 Prolog 及其变形。Lisp 语言适合于符号处理，它处理的唯一对象是符号 表达式（又称 S-表达式） 。所有的程序与数据均由 S-表达式构成，
10、采用的主要控制结构是递归 。Prolog 语言以一阶谓词演算为其理论基础。它的数据结构是项，所有的程序和数据均由项组成，也采用递归为其主要控制结构。此外，Prolog 能自动实现模式匹配和回溯。支撑环境 CASE又称基于知识的软件工程辅助系统。它利用与软件工程领域密切相关的大量专门知识，对一些困难、复杂的软件开发与维护活动提供具有软件工程专家水平的意见和建议。智能软件工程支撑环境具有如下主要功能：支持软件系统的整个生命周期；支持软件产品生产4的各项活动；作为软件工程代理；作为公共的环境知识库和信息库设施；从不同项目中总结和学习其中经验教训，并把它应用于其后的各项软件生产活动。专家系统专家系统是
11、一类在有限但困难的，在现实世界领域帮助人类专家进行问题求解的计算机软件，其中具有智能的专家系统称为智能专家系统（如医疗诊断系统） 。 它有如下基本特征：不仅在基于计算的任务，如数值计算或信息检索方面提供帮助，而且也可在要求推理的任务方面提供帮助。这种领域必须是人类专家才能解决问题的领域；其推理是在人类专家的推理之后模型化的；不仅有处理领域的表示，而且也保持自身的表示、内部结构和功能的表示；采用有限的自然语言交往的接口使得人类专家可直接使用；具有学习功能。应用系统指利用人工智能技术或知识工程技术于某个应用领域而开发的应用系统。显然，随着人工智能或知识工程的进展，这类系统也不断增加。智能应用系统是
12、人工智能的主要进展之一。1.1.3 实现原理智能系统包含硬件与软件两个部分，在实际的应用中需要软硬件的紧密结合才能更加高效的完成工作。硬件方面由处理器（CPU） 、存储器（内存、硬盘等） 、显示设备（显示器、投影仪等） 、输入设备（鼠标、键盘等） 、感应设备（感应器、传感器、扫描仪等）等部件组成，在硬件配置方面可以根据需求对智能系统的硬件设备进行定制，以满足不同的需求。在实际的应用中比较常见的硬件设备是工控机（工业控制、自动化领域） 、智能终端（手机、车载智能导航仪）等产品。软件方面有许多可以选择的编程语言，C、C+、VB、JAVA 、Delphi 等，这些计算机语言都可以编写出智能系统所需要
13、的软件应用，然后植入到硬件设备中进行测试、调优，与硬件配合完成特定的功能。 1参考文献 【1】 智能系统的实现原理 智能系统引用日期 2013-02-281.1.4 多智能体系统 MAS（Multi-agent system）发展多智能体系统（Multi-agent system）Swarm （1）背景Swarm 是美国新墨西哥州的桑塔费研究所（ The Santa Fe Institute，SFI）1994 年起开发的一个面向对象程序设计（OOP）的多智能体仿真软件工具，是一种基于复杂适应系统（complex adaptive system， CAS）发展起来的支持“自下而上 ”或称“基于过
14、程” 的建模工具集。SFI 开发 Swarm 的目的是通过科学家和软件工程师的合作制造一个高效率、可信、可重复使用的软件实验仪器，用来帮助科学家们分析复杂适应系统（Complex Adaptive System，简称 CAS） 。复杂适应系统则是指经济、生态、免疫系统、胚胎、神经系统及计算机网络等系统的统称，它是由遗传算法（Genetic Algorithms, 简称 GA）的创始人霍兰（ J. Holland）于1994 年在 SFI 成立十周年时正式提出的，也迅速引起国内外学术界的极大关注，并被尝试用于观察和研究各种不同领域的复杂系统，成为当代系统科学引人注目的一个热点。由于 Swarm
15、对模型和模型要素之间的交互方式不做任何限制，使用者则可以将精力集中在所感兴趣的特定系统中，而不必受数据处理、用户界面及其他纯软件工作和编程等方面的问题所困扰，甚至对于非计算机专业学者而言使用也是相当方便。1989 年举行的第一届国际多智能体欧洲学术会议，标志着该技术受到了研究者的广泛5重视。1993 年首次召开了智能体形式化模型国际会议，1994 年又召开了第一届智能体理论、体系结构和语言国际会议，表明多智能体技术日益获得了重视。近几年美国桑塔费研究所每年举办的“SwarmFest”和“复杂系统暑期班 ”，更为全球Swarm 和 CAS 爱好者提供一个更加系统的学习交流机会。在国内，Swarm
16、 的应用起步较晚，但发展趋势异常迅猛，尤其是 2001 年中国人民大学信息学院举办“Swarm 仿真培训班”以后，基于 Swarm 研究的学者越来越多。正是由于Swarm 可以模拟任何物理系统、经济系统或社会系统，所以受到国内外经济学、金融学、政治学、社会学、生物学、生态学、物理学、地理学、军事以及计算机科学等领域的专家、学者或爱好者们的广泛关注。SFI 的 Swarm 开发组定义 Swarm 为用于复杂自适应系统仿真的多智能体平台。基于Swarm 仿真平台的应用研究，得到迅速的发展，所涵盖的研究涉及经济学、金融学、政治学、社会学、生物学、生态学、物理学、地理学、军事以及计算机科学等许多领域。1992 年曾经有人预言：“基于 Agent 的计算将可能成为下一代软件开发的重大突破。 随着人工智能和计算机技术在制造业中的广泛应用，多智能体系统技术对解决产品设计、生产制造乃至产品的整个生命周期中的多领域间的协调合作提供了一种智能化的方法，也为系统集成、并行设计，并实现智能制造
