《整理的智能控制导论复习题》由会员分享，可在线阅读，更多相关《整理的智能控制导论复习题（9页珍藏版）》请在金锄头文库上搜索。
1、-试题一、名词解释1智能 2. 自动控制 3. 专家控制系统 4. 学习控制 5. 免疫算法6信息7. 智能控制系统8. 专家系统9. 学习控制系统10. 人工免疫系统11信息论12. 黑板13. 模糊判决14. 学习系统15. 选择操作五、简答题106. 简述递阶智能机器一般层级构造及各级功能107简述专家控制器的设计原则 108. 简述仿人控制器的智能属性109. 简述实现NN监视式控制的步骤110. 简述真体的特性 111简述建立专家系统的一般步骤112简述学习控制的机理113. 简述神经控制系统的设计内容114. 简述人工神经网络的主要学习算法及含义115. 简述仿人控制在构造和功能上
2、具有的根本特征5-3、92页116考虑一个具有阶梯型阈值函数的神经网络，假设：1用常数乘所有的权值和阈值。2用常数加所有的权值和阈值。试说明网络性能是否会变化117简述按其作用原理，智能控制系统的分类118. 简述基于神经网络专家系统的三种模式119. 简述实现学习控制系统需要的三种能力及其含义120. 简述仿人控制器设计与实现的一般步骤六、论述题121. 试述复合智能控制及采用复合智能控制的缘由122. 试述模糊控制系统的工作原理123. 试述遗传算法的特点，并画出简单遗传算法的框图124. 试述迭代学习控制的任务；迭代控制与最优控制、自适应控制的区别；画出迭代学习控制系统根本构造图。125
3、. 试述遗传算法的求解步骤126. 试述基于模式识别的学习控制的原理. z.-答案一、名词解释1.智能是一种应用知识对一定环境进展处理的能力或由目标准则衡量的抽象思考能力。2.自动控制是能按规定程序对机器或装置进展自动操作或控制的过程。3.应用专家系统的概念和技术，模拟人类专家的控制知识与经历而建造的控制系统，称为专家控制系统。4.学习控制能够在系统进展过程中估计未知信息，并据之进展最优控制，以便逐步改进系统性能。学习控制是一种控制方法，其实际经历起到控制参数和算法的类似作用。5.免疫算法是模仿生物免疫学和基因进化机理，通过人工方式构造的一类优化搜索算法，是对生物免疫过程的一种数学仿真，是免疫
4、计算的一种最重要形势。6. 信息是知识的交流或对知识的感受，是对知识内涵的一种测量。所描述事件的信息量越大该事件的不确定性越小。7. 用于驱动智能机器以实现其目标而无需操作人员干预的系统称为智能控制系统。8. 专家系统是一个智能计算机程序系统，其内部含有大量的*个领域专家水平的知识与经历，能够利用人类专家的知识和解决问题的方法来处理该领域问题，以人类专家的水平完成特别困难的*一专业领域的任务。9. 如果一个学习系统利用所学得的信息来控制*个具有位置特征的过程，则称该系统为学习控制系统。10. 人工免疫系统是由免疫学理论和观察到的免疫功能、原理和模型启发而产生的适应性系统。11. 信息论是研究信
5、息，信息特性测量，信息处理以及人机通信过程效率的数学理论。12. 用来记录系统推理过程中用到的控制信息、中间假设和中间结果的数据库。13.模糊逻辑控制中，在推理得到的模糊集合中取一个相对最能代表这个模糊集合的单值的过程。14.一个能够学习有关过程的未知信息，并利用所学信息作为进一步决策或控制的经历，从而逐步改善系统性能。15. 遗传算法中，根据个体适应度函数值所量度的优劣程度决定下一代被淘汰还是被遗传的操作。五、简答题106. 递阶智能机器一般由组织级、协调级和执行级组成。组织级用于机器推理、规划、决策、学习和记忆操作协调级是组织级和执行级间的接口，承上启下，并由人工智能和运筹学共同作用执行级
6、是递阶智能控制的底层，要求具有较高的精度但较低的智能；它按控制论进展控制，对相关过程执行适当的控制作用107. 1模型描述的多样性2在线处理的灵巧性3控制策略的灵活性4决策机构的递阶性 108. 1仿人控制器原型是一种双映射关系，即一种变模态控制、一种开闭环交替控制模式 2在算法中，控制策略与模态的选择和确定是按照误差变化趋势的特征进展的 3仿人控制器原型在维持模态时对误差极值的记忆与利用，与人的记忆方式及时记忆的利用相似。109. 1通过传感器和传感信息处理，调用必要的和有用的控制信息 2构造神经网络，选择NN类型、构造参数和学习算法等 3训练NN控制器，实现输入输出映射，以便进展控制。11
7、0.行为自主性 作用交互性 环境协调性 面向目标性 存在社会性工作协调性 运行持续性 系统适应性 构造分布性 功能智能性答对1条得1分，答任意6条即可111简述建立专家系统的一般步骤1设计初始知识库 具体包括1问题知识化、2知识概念化、3概念形式化、4形式规则化、5规则合法化； 2原型机开发与试验；3知识库改进与归纳 112简述学习控制的机理1寻找并求得动态控制系统输入与输出间的比较简单关系；2执行每个由前一步控制过程的学习结果更新了的控制过程；3改善每个控制过程，使其性能优于前一过程。113. 简述神经控制系统的设计内容1建立对象的数学计算模型；2选择神经网络及算法，进展初步辨识与训练；3设
8、计神经控制器，包括控制器构造、功能表示及推理；4控制系统仿真，并根据结果改进设计。114. 简述人工神经网络的主要学习算法及含义人工神经网络的主要学习算法包括导师学习算法和无师学习算法和强化学习算法。导师学习算法能够根据期望的和实际的网络输出间的差来调整神经元间的连接的强度或权。强化学习算法是导师学习的特例，它不需要教师给出目标输出；无师学习算法不需要知道期望输出。115. 简述仿人控制在构造和功能上具有的根本特征1递阶信息处理与决策机构；2在线特征辨识与特征记忆；3开闭环结合和定性与定量结合的多模态控制；4启发式和直觉推理问题求解。116考虑一个具有阶梯型阈值函数的神经网络，假设：1用常数乘
9、所有的权值和阈值。2用常数加所有的权值和阈值。试说明网络性能是否会变化答：前者网络性能有变化；后者无变化。117简述按其作用原理，智能控制系统的分类1递阶控制系统；2专家控制系统；3模糊控制系统；4学习控制系统；5神经控制系统；6仿生控制系统；7集成智能控制系统；8组合智能控制系统。118. 简述基于神经网络专家系统的三种模式1神经网络支持专家系统 传统专家系统为主，神经网络技术为辅；2专家系统支持神经网络 神经网络技术为核心，专家系统领域技术完成解释工作；3协同式神经网络专家系统 优势互补。119. 简述实现学习控制系统需要的三种能力及其含义1性能反响 学习系统必须能够定量地估计系统当前和以
10、往的性能水平；2记忆 学习系统必须具备存储所积累的并将在以后应用的知识的方法；3训练 要积累知识，就必须有一种能够把定量的性能信息转化为记忆的机制。120. 简述仿人控制器设计与实现的一般步骤1确定设计目标轨迹；2建立对象数理模型；3建立各控制级的特征模式或控制算法；4设计控制器构造；5设计控制模态集与控制规则。六、论述题121. 1所谓复合智能控制指的是智能控制手段与经典控制和/或现代控制手段的集成，还指不同智能控制手段的集成。但不包括智能控制手段与非智能控制手段的集成。2单一控制器往往无法满足一些复杂、未知或动态系统的控制要求，这就需要开发*些复合的或称为集成的、综合的、混合的控制方法来满
11、足现实问题提出的控制要求智能控制就是力图解决传统控制无法解决的问题而出现的。复合智能控制只有在出现和应用智能控制之后才成为可能。122. 模糊控制器是由模糊化接口、知识库、推理机和模糊判决接口四个单元组成。模糊化接口是测量输入变量和受控系统的输出变量，并把他们映射到一个适宜的响应论域的量程，然后，准确的输入数据被变换为适当的语言值或模糊集合的标识符；知识库是由数据库和语言控制库构成的，数据库为语言控制规则的论域离散化和隶属度提供定义，语言控制规则标记控制目标和领域专家的控制策略；推理机是模糊系统的核心，根据模糊输入和模糊控制规则，模糊推理来求解模糊关系方程，获得输出。模糊判决接口是产生一个准确
12、的或非模糊的控制作用。工作原理框图： 传感器模糊化接口推理机模糊判决接口过程数据库规则库设定输入模糊控制器 知识库 |输出123. 试述遗传算法的特点，并画出简单遗传算法的框图1遗传算法是对参数集合的编码而非针对参数本身进展进化； 2遗传算法是从问题解的编码组开场而非从单个解开场搜索； 3遗传算法利用目标函数的适用度这一信息而不是利用导数或其他辅助信息来指导搜索；4遗传算法利用选择、穿插、变异等算子而不是利用确定性规则进展随机操作。简单遗传算法框图： 终止条件开场初始化种群计算适应度值选择操作穿插操作变异操作适应度值最优个体完毕否是124. 试述迭代学习控制的任务；迭代控制与最优控制、自适应控
13、制的区别；画出迭代学习控制系统根本构造图。迭代学习控制的任务：给出系统当前输入和输出，确定下一个期望输入是的系统的实际输出收敛于期望值。迭代控制与最优控制区别：最优控制根据系统模型计算最优输入，而迭代控制通过先前试验获得最好输入。迭代控制与自适应控制区别：迭代控制算法是在每一次试验后离线实现的，而自适应控制算法是在线的，计算量大。根本构造图如下：存储记忆被控系统学习控制器图中、和为系统第k次运行的输入变量、输出变量、期望输出和输出误差，为系统的第k+1次的输入变量，k=1，2，n. 输出误差为：125. 试述遗传算法的求解步骤1初始化群体；2计算群体上每个个体的适应度值；3按由个体适应度值所决定的*个规则选择将进入下一代的个体；4按概率Pc进展穿插操作；5 按概率Pc进展突变操作；6假设没有满足*种停顿条件，则转第2步，否则进入下一步；7输出群体中适应度值最优的染色体作为问题的最优解。126. 试述基于模式识别的学习控制的原理原理图如以下图所示：.YeRYKB学习控制器学习与适应数据库推理机控制规则装置模式识别传感器由图可见，该控制器中含有一个模式识别单元和一个学习单元。模式识别单元实现对输入信息的提取与处理，提供控制决策和学习适应的依据，包括提取动态过程的特征信息和识别特征信息。学习与适应单元的作用是根据在线信息来增加与修改知识库的内容，改善系统的性能. z.-. z.
