人工智能及計算智能在物聯(lián)網(wǎng)方面的應(yīng)用

王珂+翟婷婷

摘要：介紹了人工智能技術(shù)、計算智能技術(shù)的發(fā)展及取得成果。在已經(jīng)比較成熟的物聯(lián)網(wǎng)技術(shù)條件下，建立一個高適應(yīng)性、高發(fā)展性的智能生活系統(tǒng)，結(jié)合Agent技術(shù)、人機交互技術(shù)、新型應(yīng)用等熱門技術(shù)，對智能生活系統(tǒng)的初步設(shè)計、拓?fù)浣Y(jié)構(gòu)、以及如何用計算智能實現(xiàn)等問題進(jìn)行了初步研究。

關(guān)鍵詞：人工智能 計算智能 物聯(lián)網(wǎng) Agent智能技術(shù) 遺傳算法

中圖分類號：TN929 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2014）08-0093-02

1 人工智能及計算智能的發(fā)展

1.1 人工智能

1950年Alan Turing的文章 《Computing Machinery and Intelligence》 提出圖靈測試，檢驗一臺機器或電腦是否具有如人一樣的思維能力和智能。人工智能（Artificial Intelligence）一詞最初是在1956年夏天， 美國達(dá)特莫斯大學(xué)（Dartmouth）召開的一次影響深遠(yuǎn)的歷史性會議上提出的，人工智能是一門研究如何構(gòu)造智能機器或智能系統(tǒng)，使它能模擬人腦的功能、延伸和擴展人類智能的學(xué)科。相對于人的自然智能而言的，人工智能是指用人工的方法在機器（計算機）上執(zhí)行智能行為：感知、理解、學(xué)習(xí)、判斷、推理、規(guī)劃、設(shè)計、求解等。

1.2 人工智能現(xiàn)有主流學(xué)派

人工智能與生命科學(xué)、認(rèn)知科學(xué)、物理學(xué)等眾多學(xué)科高度交叉，共同研究智能行為的基本理論和實現(xiàn)技術(shù)。發(fā)展到現(xiàn)在，主要形成了以下幾個學(xué)派：

符號主義（Symbolism）：長期以來，符號主義一直在人工智能中處于主導(dǎo)地位，他們認(rèn)為認(rèn)知的本質(zhì)就是計算，可稱為認(rèn)知可計算主義。思維的基本單元是符號，智能的核心是利用知識以及知識推理進(jìn)行問題求解。智能活動的基礎(chǔ)是物理符號運算，人腦和電腦都是物理符號系統(tǒng)。人的智能可以通過建了基于符號邏輯的智能理論體系模擬。

連接主義（Connectionism）：認(rèn)為人類認(rèn)知活動主要基于大腦神經(jīng)元的活動，人類思維的基本單元是神經(jīng)元而不是符號，智能是互連神經(jīng)元競爭與協(xié)作的結(jié)果。模擬人的智能要依靠仿生學(xué)，特別是模擬人腦，建立腦模型。電腦模擬人腦應(yīng)著重于結(jié)構(gòu)模擬，即人的生理神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，功能、結(jié)構(gòu)和行為密切相關(guān)，不同的結(jié)構(gòu)表現(xiàn)出不同的功能行為。

行為主義（Behaviorism）：認(rèn)為智能是一個系統(tǒng)行為，智能行為可以通過與周圍環(huán)境的的交互作用表現(xiàn)出來。智能的基礎(chǔ)是“感知-動作”模式，類似于心理學(xué)的“刺激-反應(yīng)”，它也決定系統(tǒng)的結(jié)構(gòu)和參量。系統(tǒng)的智能行為決定于系統(tǒng)的結(jié)構(gòu)和參量。自組織、自學(xué)習(xí)、自適應(yīng)是智能系統(tǒng)得基本特征。

1.3 計算智能

由于人工智能的復(fù)雜、龐大以及各個學(xué)派自身的局限性，人工智能的應(yīng)用發(fā)展非常緩慢，于是在此基礎(chǔ)上計算智能發(fā)展了起來，計算智能是信息科學(xué)、生命科學(xué)、認(rèn)知科學(xué)等不同學(xué)科相互交叉的產(chǎn)物。是以自然界，特別是其中典型的生物系統(tǒng)和物理系統(tǒng)的相關(guān)功能、特點和作用機理為參照基礎(chǔ)，研究其中所蘊含的豐富的信息處理機制，在所需求解問題特征的相關(guān)目標(biāo)導(dǎo)引下，提取相應(yīng)的計算模型，設(shè)計相應(yīng)的智能算法，通過相關(guān)的信息感知積累、知識方法提升、任務(wù)調(diào)度實施、定點信息交換等模塊的協(xié)同工作，得到智能化的信息處理效果，并在各相關(guān)領(lǐng)域加以應(yīng)用。計算智能在人類生活的許多領(lǐng)域有著很大的優(yōu)勢，例如大規(guī)模復(fù)雜系統(tǒng)（優(yōu)化問題），科學(xué)技術(shù)、經(jīng)濟(jì) 、社會優(yōu)化設(shè)計、優(yōu)化控制等理論問題求解，計算機網(wǎng)絡(luò)、通信、集成制造（生產(chǎn)），機器人、仿生學(xué)，電路設(shè)計（大規(guī)模集成電路），電力系統(tǒng)（電網(wǎng)、電能優(yōu)化等），智能交通、城市規(guī)劃等。我們文中提到的遺傳神經(jīng)網(wǎng)絡(luò)算法就是計算智能的一種。

2 物聯(lián)網(wǎng)

物聯(lián)網(wǎng)（The Internet of things）的概念是在1999年被提出的，最初設(shè)想是把所有物品用傳感設(shè)備與互聯(lián)網(wǎng)相連接，以實現(xiàn)智能管理。物聯(lián)網(wǎng)結(jié)合不斷發(fā)展信息技術(shù)在各行各業(yè)發(fā)揮著意想不到的作用，例如，把傳感器或感應(yīng)裝置安裝或嵌入到高速公路、鐵路、橋梁、隧道、電網(wǎng)、給水系統(tǒng)、水壩、輸油氣管道等各類設(shè)施中，而后物聯(lián)網(wǎng)將通過有線信號或無線信號與互聯(lián)網(wǎng)進(jìn)行整合，使人們可以很方便的控制整個物理系統(tǒng)，在整合后的網(wǎng)絡(luò)中，需要一臺強大的智能計算機，它能夠?qū)φ虾蟮木W(wǎng)絡(luò)中的設(shè)備和人員進(jìn)行實時監(jiān)控，通過這種方法，達(dá)到即時、動態(tài)和精細(xì)化的管理，提高人類對環(huán)境的控制力和資源的利用率。

在物聯(lián)網(wǎng)技術(shù)基礎(chǔ)上發(fā)展起來的智能生活系統(tǒng)系統(tǒng)更是集先進(jìn)技術(shù)于大成，將微型芯片嵌入到日常的生活用品中去，通過這些設(shè)備節(jié)點的無線通信能力和感知能力，從而建立具有超強計算能力和自適應(yīng)性的智能環(huán)境。通過計算、拓?fù)浜蜔o線信息每時每刻向用戶反饋各類信息；還可以利用現(xiàn)有的Agent 技術(shù)，進(jìn)行自主學(xué)習(xí)，根據(jù)用戶習(xí)慣，智能地為用戶控制各種電器，從而創(chuàng)造舒適的環(huán)境；從用戶角度進(jìn)行體驗時，智能生活系統(tǒng)系統(tǒng)也設(shè)定多種方式來迎合各類用戶的口味，例如窗口形式，嵌套標(biāo)識、語音助手甚至虛擬界面都可以實現(xiàn)，隨著用戶生活水平的提高，智能生活系統(tǒng)也會相應(yīng)提升自己的版本來適應(yīng)更高的要求。

3 基于Agent方式的智能生活系統(tǒng)

3.1 系統(tǒng)架構(gòu)

Agent是一個具有控制問題求解機理的計算單元，它可以指一個機器人、一個專家系統(tǒng)、一個過程、一個模式或者求解單元?；贏gent的智能生活系統(tǒng)應(yīng)包括傳感器、用戶終端、家電、信息感知代理（SA）、人機交互代理（IA）、設(shè)備代理（DA）、數(shù)據(jù)庫、以及核心智能計算模塊（ICM）系統(tǒng)組成。

智能生活系統(tǒng)包含了各種不同的傳感器用于感知信息。這些信息都不與其它任意的一種信息產(chǎn)生顯性關(guān)聯(lián)（例如，最舒適室溫可以設(shè)定在25℃-27℃之間，而人體正常溫度是36.5℃-37.5℃）。所有的這些傳感器都發(fā)送無線信號從而成為無線節(jié)點設(shè)備，從而可以利用常用的ZigBee協(xié)議進(jìn)行組網(wǎng)和無限通信。信息感知代理（SA）則扮演信息傳遞者的角色，它負(fù)責(zé)將收集到的信息由傳感器傳送至信息提取器，信息提取器可以被安置在服務(wù)器端。家庭電器可以與傳感器一樣，也通過無線信號連接到網(wǎng)絡(luò)節(jié)點為核心的控制面板上，以實現(xiàn)遠(yuǎn)端控制。家電還可以通過DA與ICM進(jìn)行服務(wù)端通信。IA的功能與SA類似，用戶可以通過它收集服務(wù)器端的信息進(jìn)行篩選。在本文構(gòu)架，IA采用無線及有線兩種連接的方式進(jìn)行數(shù)據(jù)傳送。在該系統(tǒng)中還可以安裝面向移動的中間代理軟件，首先移動代理能夠快速實現(xiàn)傳感設(shè)備的動態(tài)信息、遠(yuǎn)程監(jiān)控、數(shù)據(jù)共享、多代理間（主要包括SA、DA和IA）協(xié)作和異構(gòu)通信等功能。其次使用移動代理可以統(tǒng)一管理不同分布部署的設(shè)備，也能夠加快信息上下行速度，提高可用性。endprint

3.2 計算智能模塊部分

計算智能模塊是本系統(tǒng)的核心部分，計算智能模塊主要包括以下五大功能和一個遺傳神經(jīng)網(wǎng)絡(luò)算法。

（1）信息及狀態(tài)收集功能：模塊的這一功能是將傳感器收集的上下文以及家電運行狀態(tài)等信息展示處理，能夠隨機分配人機接口代理（IA）并通過IA將信息反饋給用戶。（2）信息提取功能：模塊分布在周圍的傳感器節(jié)點處收集環(huán)境信息，并將其發(fā)送至遺傳神經(jīng)網(wǎng)絡(luò)（GFNN）模塊，同時為狀態(tài)搜集器（CSC）提供一系列數(shù)據(jù)。同時它也具有管理信息感知代理（SA）的功能。（3）服務(wù)提取模塊功能：模塊包含命令生成和節(jié)點管理兩個下屬功能。命令生成負(fù)責(zé)在子模塊生成相應(yīng)命令，這種功能可以直接控制家用電器的動作。節(jié)點管理子功能讓核心模塊管理所有子節(jié)點模塊，利用家電信息節(jié)點和傳感節(jié)點。例如冰箱停止工作，則這種功能能夠即時通過傳感器監(jiān)測到該問題，并及時反饋給用戶。（4）數(shù)據(jù)挖掘模塊功能：該模塊功能負(fù)責(zé)智能計算模塊（ICM）和數(shù)據(jù)庫之間的通信。系統(tǒng)通過遺傳模糊神經(jīng)網(wǎng)絡(luò)（GFNN）計算得到規(guī)則和能力可以存儲到數(shù)據(jù)庫中。（5）命令分類功能：用戶可以通過終端設(shè)備輸入命令，這時ICM將其標(biāo)準(zhǔn)化，并與數(shù)據(jù)庫進(jìn)行匹配，匹配的結(jié)果將被輸入到遺傳模糊神經(jīng)網(wǎng)絡(luò)（GFNN）進(jìn)行計算處理。該功能同時也提供為IA提供操作接口，通過這類接口用戶可以和智能終端進(jìn)行交互訪問。

遺傳模糊神經(jīng)網(wǎng)絡(luò)（GFNN）：這是整個智能計算模塊的重要核心組成部分，它融合了模糊邏輯理論，人工神經(jīng)網(wǎng)絡(luò)以及遺傳算法來進(jìn)行計算并生成智能決策。在遺傳算法的實際應(yīng)用中，有時為簡化描述問題的解，需要使用不同長度的編碼串。例如，用遺產(chǎn)算法對模糊控制器規(guī)則庫進(jìn)行優(yōu)化設(shè)計時，事先一般不知道規(guī)則數(shù)目，此時規(guī)則個體的染色體長度就可以描述為變化的；用遺傳算法對人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行優(yōu)化時，如果各層的節(jié)點數(shù)是未知的，同樣，個體的染色體長度也可以描述為變化的。

3.3 遺傳模糊神經(jīng)網(wǎng)絡(luò)設(shè)計

本文設(shè)計一個多輸入多輸出（MIMO）的遺傳模糊神經(jīng)網(wǎng)絡(luò)。通過對用戶的行為進(jìn)行學(xué)習(xí)從而對系統(tǒng)進(jìn)行訓(xùn)練，訓(xùn)練完成后智能系統(tǒng)可以根據(jù)不同的場景作出相應(yīng)的決策。我們先設(shè)定遺傳模糊神經(jīng)網(wǎng)絡(luò)（GFNN）的體系結(jié)構(gòu)，這時一個具有五層結(jié)構(gòu)的正向反饋神經(jīng)網(wǎng)絡(luò)。系統(tǒng)還設(shè)置了一個用于存儲和輸出特定知識的數(shù)據(jù)庫。最后，在決策信息輸出前，還需要加入了一個沖突檢測模塊，用于排除錯誤輸出。

設(shè)計的實現(xiàn)主要包括三個過程。

3.3.1 模糊神經(jīng)網(wǎng)絡(luò)（FNN）計算過程

設(shè)定以下符號以便定義模糊神經(jīng)網(wǎng)絡(luò)內(nèi)的函數(shù)映射。

第一步：該步驟負(fù)責(zé)將接收信息，信息標(biāo)準(zhǔn)化后輸入，標(biāo)準(zhǔn)化的輸入表達(dá)式如下所示

第二步：標(biāo)準(zhǔn)化后的輸入依照函數(shù)sigmoid表達(dá)式模糊化處理，如下所示：

第三步：使用如下式（3-3）所示的IF-THEN語法規(guī)則，根據(jù)輸入得出輸出，假設(shè)

其中X1，X2，X3是模糊邏輯變量（例如，冷、熱、常溫），Y1是該層的模糊輸出。

第四步：依據(jù)式（3-4）將輸入和輸出進(jìn)行匹配：

第五步：負(fù)責(zé)根據(jù)前一層的輸出，進(jìn)行反模糊化處理，如式（3-5）所示：

3.3.2 遺傳算法過程

當(dāng)個體適應(yīng)度值低于平均適應(yīng)度值時，說明個體是性能不好的個體，對他就采用較大的交叉率和變異率；如果適應(yīng)度值高于平均適應(yīng)度值時，說明該個體性能優(yōu)良，對他就根據(jù)其適應(yīng)度值取相應(yīng)的交叉率和變異率。當(dāng)適應(yīng)度值越接近最大適應(yīng)度值時，交叉率和變異率就越?。划?dāng)?shù)扔谧畲筮m應(yīng)度值時，交叉率和變異率的值為零。該方法適用于進(jìn)化后期，不利于進(jìn)化初期，因為進(jìn)化初期群體中的較優(yōu)個體幾乎處于一種不發(fā)生變化的狀態(tài)，而此時的優(yōu)秀個體不一定是優(yōu)化的全局最優(yōu)，這容易使進(jìn)化過程走向局部最優(yōu)解的可能性增加。

3.3.3 沖突檢測過程

沖突檢測是為了完善系統(tǒng)性能，從而使那些被屏蔽的錯誤輸出不會被作為訓(xùn)練樣本存儲起來。為了降低系統(tǒng)的復(fù)雜度，我們可以假定事先定義的規(guī)則來實現(xiàn)這樣的功能。例如，當(dāng)前室內(nèi)溫度遠(yuǎn)低于人體溫度，但是計算后的輸出為命令空調(diào)制冷，顯然，這個輸出決策出現(xiàn)了BUG。因此，需要建立如式（3-6）的規(guī)則來避免這種情況的發(fā)生。

其中T 為室內(nèi)溫度，SWI1為關(guān)于空調(diào)制冷開關(guān)。

4 總結(jié)和展望

物聯(lián)網(wǎng)是計算智能應(yīng)用的重要領(lǐng)域，而人工神經(jīng)網(wǎng)絡(luò)可以賦予計算機像人類一樣的管理能力甚至情感，智能生活系統(tǒng)系統(tǒng)只是前進(jìn)道路上的初步嘗試之一。遺傳算法在各種問題的求解與應(yīng)用中展現(xiàn)了其特點和魅力，同時也暴露出它在理論和應(yīng)用上的諸多不足和缺陷。遺傳算法與優(yōu)化技術(shù)的融合。對遺傳算法的大范圍群體搜索性能與快速收斂的局部優(yōu)化方法進(jìn)行混合，從而產(chǎn)生有效的全局優(yōu)化方法。這種策略可從根本上提高遺傳算法計算性能，對此可以進(jìn)行大量的理論分析和實驗。

參考文獻(xiàn)

[1]金逸超.基于物聯(lián)網(wǎng)環(huán)境的智能生活系統(tǒng)系統(tǒng)的研究與實現(xiàn)[J].2011.

[2]李東.人工智能技術(shù)發(fā)展概述和應(yīng)用[J].2006.

[3]張妮.人工智能技術(shù)發(fā)展及應(yīng)用研究綜述[J].2009.endprint

3.2 計算智能模塊部分

計算智能模塊是本系統(tǒng)的核心部分，計算智能模塊主要包括以下五大功能和一個遺傳神經(jīng)網(wǎng)絡(luò)算法。

（1）信息及狀態(tài)收集功能：模塊的這一功能是將傳感器收集的上下文以及家電運行狀態(tài)等信息展示處理，能夠隨機分配人機接口代理（IA）并通過IA將信息反饋給用戶。（2）信息提取功能：模塊分布在周圍的傳感器節(jié)點處收集環(huán)境信息，并將其發(fā)送至遺傳神經(jīng)網(wǎng)絡(luò)（GFNN）模塊，同時為狀態(tài)搜集器（CSC）提供一系列數(shù)據(jù)。同時它也具有管理信息感知代理（SA）的功能。（3）服務(wù)提取模塊功能：模塊包含命令生成和節(jié)點管理兩個下屬功能。命令生成負(fù)責(zé)在子模塊生成相應(yīng)命令，這種功能可以直接控制家用電器的動作。節(jié)點管理子功能讓核心模塊管理所有子節(jié)點模塊，利用家電信息節(jié)點和傳感節(jié)點。例如冰箱停止工作，則這種功能能夠即時通過傳感器監(jiān)測到該問題，并及時反饋給用戶。（4）數(shù)據(jù)挖掘模塊功能：該模塊功能負(fù)責(zé)智能計算模塊（ICM）和數(shù)據(jù)庫之間的通信。系統(tǒng)通過遺傳模糊神經(jīng)網(wǎng)絡(luò)（GFNN）計算得到規(guī)則和能力可以存儲到數(shù)據(jù)庫中。（5）命令分類功能：用戶可以通過終端設(shè)備輸入命令，這時ICM將其標(biāo)準(zhǔn)化，并與數(shù)據(jù)庫進(jìn)行匹配，匹配的結(jié)果將被輸入到遺傳模糊神經(jīng)網(wǎng)絡(luò)（GFNN）進(jìn)行計算處理。該功能同時也提供為IA提供操作接口，通過這類接口用戶可以和智能終端進(jìn)行交互訪問。

遺傳模糊神經(jīng)網(wǎng)絡(luò)（GFNN）：這是整個智能計算模塊的重要核心組成部分，它融合了模糊邏輯理論，人工神經(jīng)網(wǎng)絡(luò)以及遺傳算法來進(jìn)行計算并生成智能決策。在遺傳算法的實際應(yīng)用中，有時為簡化描述問題的解，需要使用不同長度的編碼串。例如，用遺產(chǎn)算法對模糊控制器規(guī)則庫進(jìn)行優(yōu)化設(shè)計時，事先一般不知道規(guī)則數(shù)目，此時規(guī)則個體的染色體長度就可以描述為變化的；用遺傳算法對人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行優(yōu)化時，如果各層的節(jié)點數(shù)是未知的，同樣，個體的染色體長度也可以描述為變化的。

3.3 遺傳模糊神經(jīng)網(wǎng)絡(luò)設(shè)計

本文設(shè)計一個多輸入多輸出（MIMO）的遺傳模糊神經(jīng)網(wǎng)絡(luò)。通過對用戶的行為進(jìn)行學(xué)習(xí)從而對系統(tǒng)進(jìn)行訓(xùn)練，訓(xùn)練完成后智能系統(tǒng)可以根據(jù)不同的場景作出相應(yīng)的決策。我們先設(shè)定遺傳模糊神經(jīng)網(wǎng)絡(luò)（GFNN）的體系結(jié)構(gòu)，這時一個具有五層結(jié)構(gòu)的正向反饋神經(jīng)網(wǎng)絡(luò)。系統(tǒng)還設(shè)置了一個用于存儲和輸出特定知識的數(shù)據(jù)庫。最后，在決策信息輸出前，還需要加入了一個沖突檢測模塊，用于排除錯誤輸出。

設(shè)計的實現(xiàn)主要包括三個過程。

3.3.1 模糊神經(jīng)網(wǎng)絡(luò)（FNN）計算過程

設(shè)定以下符號以便定義模糊神經(jīng)網(wǎng)絡(luò)內(nèi)的函數(shù)映射。

第一步：該步驟負(fù)責(zé)將接收信息，信息標(biāo)準(zhǔn)化后輸入，標(biāo)準(zhǔn)化的輸入表達(dá)式如下所示

第二步：標(biāo)準(zhǔn)化后的輸入依照函數(shù)sigmoid表達(dá)式模糊化處理，如下所示：

第三步：使用如下式（3-3）所示的IF-THEN語法規(guī)則，根據(jù)輸入得出輸出，假設(shè)

其中X1，X2，X3是模糊邏輯變量（例如，冷、熱、常溫），Y1是該層的模糊輸出。

第四步：依據(jù)式（3-4）將輸入和輸出進(jìn)行匹配：

第五步：負(fù)責(zé)根據(jù)前一層的輸出，進(jìn)行反模糊化處理，如式（3-5）所示：

3.3.2 遺傳算法過程

當(dāng)個體適應(yīng)度值低于平均適應(yīng)度值時，說明個體是性能不好的個體，對他就采用較大的交叉率和變異率；如果適應(yīng)度值高于平均適應(yīng)度值時，說明該個體性能優(yōu)良，對他就根據(jù)其適應(yīng)度值取相應(yīng)的交叉率和變異率。當(dāng)適應(yīng)度值越接近最大適應(yīng)度值時，交叉率和變異率就越??；當(dāng)?shù)扔谧畲筮m應(yīng)度值時，交叉率和變異率的值為零。該方法適用于進(jìn)化后期，不利于進(jìn)化初期，因為進(jìn)化初期群體中的較優(yōu)個體幾乎處于一種不發(fā)生變化的狀態(tài)，而此時的優(yōu)秀個體不一定是優(yōu)化的全局最優(yōu)，這容易使進(jìn)化過程走向局部最優(yōu)解的可能性增加。

3.3.3 沖突檢測過程

沖突檢測是為了完善系統(tǒng)性能，從而使那些被屏蔽的錯誤輸出不會被作為訓(xùn)練樣本存儲起來。為了降低系統(tǒng)的復(fù)雜度，我們可以假定事先定義的規(guī)則來實現(xiàn)這樣的功能。例如，當(dāng)前室內(nèi)溫度遠(yuǎn)低于人體溫度，但是計算后的輸出為命令空調(diào)制冷，顯然，這個輸出決策出現(xiàn)了BUG。因此，需要建立如式（3-6）的規(guī)則來避免這種情況的發(fā)生。

其中T 為室內(nèi)溫度，SWI1為關(guān)于空調(diào)制冷開關(guān)。

4 總結(jié)和展望

物聯(lián)網(wǎng)是計算智能應(yīng)用的重要領(lǐng)域，而人工神經(jīng)網(wǎng)絡(luò)可以賦予計算機像人類一樣的管理能力甚至情感，智能生活系統(tǒng)系統(tǒng)只是前進(jìn)道路上的初步嘗試之一。遺傳算法在各種問題的求解與應(yīng)用中展現(xiàn)了其特點和魅力，同時也暴露出它在理論和應(yīng)用上的諸多不足和缺陷。遺傳算法與優(yōu)化技術(shù)的融合。對遺傳算法的大范圍群體搜索性能與快速收斂的局部優(yōu)化方法進(jìn)行混合，從而產(chǎn)生有效的全局優(yōu)化方法。這種策略可從根本上提高遺傳算法計算性能，對此可以進(jìn)行大量的理論分析和實驗。

參考文獻(xiàn)

[1]金逸超.基于物聯(lián)網(wǎng)環(huán)境的智能生活系統(tǒng)系統(tǒng)的研究與實現(xiàn)[J].2011.

[2]李東.人工智能技術(shù)發(fā)展概述和應(yīng)用[J].2006.

[3]張妮.人工智能技術(shù)發(fā)展及應(yīng)用研究綜述[J].2009.endprint

3.2 計算智能模塊部分

計算智能模塊是本系統(tǒng)的核心部分，計算智能模塊主要包括以下五大功能和一個遺傳神經(jīng)網(wǎng)絡(luò)算法。

（1）信息及狀態(tài)收集功能：模塊的這一功能是將傳感器收集的上下文以及家電運行狀態(tài)等信息展示處理，能夠隨機分配人機接口代理（IA）并通過IA將信息反饋給用戶。（2）信息提取功能：模塊分布在周圍的傳感器節(jié)點處收集環(huán)境信息，并將其發(fā)送至遺傳神經(jīng)網(wǎng)絡(luò)（GFNN）模塊，同時為狀態(tài)搜集器（CSC）提供一系列數(shù)據(jù)。同時它也具有管理信息感知代理（SA）的功能。（3）服務(wù)提取模塊功能：模塊包含命令生成和節(jié)點管理兩個下屬功能。命令生成負(fù)責(zé)在子模塊生成相應(yīng)命令，這種功能可以直接控制家用電器的動作。節(jié)點管理子功能讓核心模塊管理所有子節(jié)點模塊，利用家電信息節(jié)點和傳感節(jié)點。例如冰箱停止工作，則這種功能能夠即時通過傳感器監(jiān)測到該問題，并及時反饋給用戶。（4）數(shù)據(jù)挖掘模塊功能：該模塊功能負(fù)責(zé)智能計算模塊（ICM）和數(shù)據(jù)庫之間的通信。系統(tǒng)通過遺傳模糊神經(jīng)網(wǎng)絡(luò)（GFNN）計算得到規(guī)則和能力可以存儲到數(shù)據(jù)庫中。（5）命令分類功能：用戶可以通過終端設(shè)備輸入命令，這時ICM將其標(biāo)準(zhǔn)化，并與數(shù)據(jù)庫進(jìn)行匹配，匹配的結(jié)果將被輸入到遺傳模糊神經(jīng)網(wǎng)絡(luò)（GFNN）進(jìn)行計算處理。該功能同時也提供為IA提供操作接口，通過這類接口用戶可以和智能終端進(jìn)行交互訪問。

遺傳模糊神經(jīng)網(wǎng)絡(luò)（GFNN）：這是整個智能計算模塊的重要核心組成部分，它融合了模糊邏輯理論，人工神經(jīng)網(wǎng)絡(luò)以及遺傳算法來進(jìn)行計算并生成智能決策。在遺傳算法的實際應(yīng)用中，有時為簡化描述問題的解，需要使用不同長度的編碼串。例如，用遺產(chǎn)算法對模糊控制器規(guī)則庫進(jìn)行優(yōu)化設(shè)計時，事先一般不知道規(guī)則數(shù)目，此時規(guī)則個體的染色體長度就可以描述為變化的；用遺傳算法對人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行優(yōu)化時，如果各層的節(jié)點數(shù)是未知的，同樣，個體的染色體長度也可以描述為變化的。

3.3 遺傳模糊神經(jīng)網(wǎng)絡(luò)設(shè)計

本文設(shè)計一個多輸入多輸出（MIMO）的遺傳模糊神經(jīng)網(wǎng)絡(luò)。通過對用戶的行為進(jìn)行學(xué)習(xí)從而對系統(tǒng)進(jìn)行訓(xùn)練，訓(xùn)練完成后智能系統(tǒng)可以根據(jù)不同的場景作出相應(yīng)的決策。我們先設(shè)定遺傳模糊神經(jīng)網(wǎng)絡(luò)（GFNN）的體系結(jié)構(gòu)，這時一個具有五層結(jié)構(gòu)的正向反饋神經(jīng)網(wǎng)絡(luò)。系統(tǒng)還設(shè)置了一個用于存儲和輸出特定知識的數(shù)據(jù)庫。最后，在決策信息輸出前，還需要加入了一個沖突檢測模塊，用于排除錯誤輸出。

設(shè)計的實現(xiàn)主要包括三個過程。

3.3.1 模糊神經(jīng)網(wǎng)絡(luò)（FNN）計算過程

設(shè)定以下符號以便定義模糊神經(jīng)網(wǎng)絡(luò)內(nèi)的函數(shù)映射。

第一步：該步驟負(fù)責(zé)將接收信息，信息標(biāo)準(zhǔn)化后輸入，標(biāo)準(zhǔn)化的輸入表達(dá)式如下所示

第二步：標(biāo)準(zhǔn)化后的輸入依照函數(shù)sigmoid表達(dá)式模糊化處理，如下所示：

第三步：使用如下式（3-3）所示的IF-THEN語法規(guī)則，根據(jù)輸入得出輸出，假設(shè)

其中X1，X2，X3是模糊邏輯變量（例如，冷、熱、常溫），Y1是該層的模糊輸出。

第四步：依據(jù)式（3-4）將輸入和輸出進(jìn)行匹配：

第五步：負(fù)責(zé)根據(jù)前一層的輸出，進(jìn)行反模糊化處理，如式（3-5）所示：

3.3.2 遺傳算法過程

當(dāng)個體適應(yīng)度值低于平均適應(yīng)度值時，說明個體是性能不好的個體，對他就采用較大的交叉率和變異率；如果適應(yīng)度值高于平均適應(yīng)度值時，說明該個體性能優(yōu)良，對他就根據(jù)其適應(yīng)度值取相應(yīng)的交叉率和變異率。當(dāng)適應(yīng)度值越接近最大適應(yīng)度值時，交叉率和變異率就越??；當(dāng)?shù)扔谧畲筮m應(yīng)度值時，交叉率和變異率的值為零。該方法適用于進(jìn)化后期，不利于進(jìn)化初期，因為進(jìn)化初期群體中的較優(yōu)個體幾乎處于一種不發(fā)生變化的狀態(tài)，而此時的優(yōu)秀個體不一定是優(yōu)化的全局最優(yōu)，這容易使進(jìn)化過程走向局部最優(yōu)解的可能性增加。

3.3.3 沖突檢測過程

沖突檢測是為了完善系統(tǒng)性能，從而使那些被屏蔽的錯誤輸出不會被作為訓(xùn)練樣本存儲起來。為了降低系統(tǒng)的復(fù)雜度，我們可以假定事先定義的規(guī)則來實現(xiàn)這樣的功能。例如，當(dāng)前室內(nèi)溫度遠(yuǎn)低于人體溫度，但是計算后的輸出為命令空調(diào)制冷，顯然，這個輸出決策出現(xiàn)了BUG。因此，需要建立如式（3-6）的規(guī)則來避免這種情況的發(fā)生。

其中T 為室內(nèi)溫度，SWI1為關(guān)于空調(diào)制冷開關(guān)。

4 總結(jié)和展望

物聯(lián)網(wǎng)是計算智能應(yīng)用的重要領(lǐng)域，而人工神經(jīng)網(wǎng)絡(luò)可以賦予計算機像人類一樣的管理能力甚至情感，智能生活系統(tǒng)系統(tǒng)只是前進(jìn)道路上的初步嘗試之一。遺傳算法在各種問題的求解與應(yīng)用中展現(xiàn)了其特點和魅力，同時也暴露出它在理論和應(yīng)用上的諸多不足和缺陷。遺傳算法與優(yōu)化技術(shù)的融合。對遺傳算法的大范圍群體搜索性能與快速收斂的局部優(yōu)化方法進(jìn)行混合，從而產(chǎn)生有效的全局優(yōu)化方法。這種策略可從根本上提高遺傳算法計算性能，對此可以進(jìn)行大量的理論分析和實驗。

參考文獻(xiàn)

[1]金逸超.基于物聯(lián)網(wǎng)環(huán)境的智能生活系統(tǒng)系統(tǒng)的研究與實現(xiàn)[J].2011.

[2]李東.人工智能技術(shù)發(fā)展概述和應(yīng)用[J].2006.

[3]張妮.人工智能技術(shù)發(fā)展及應(yīng)用研究綜述[J].2009.endprint