最新人工智能技术发展动向

2023-06-28 理论教育版权反馈

【摘要】：人工智能在20世纪60年代就将计划和调度问题作为其应用领域之一，但直到20世纪80年代，以Carnegie Mellon大学的MFox为代表的学者们开展基于约束传播的智能调度和信息系统的研究为标志，人工智能才真正开始应用于实际调度问题。基于人工智能的调度方法主要有智能调度专家系统、约束规划及基于Multi-Agent技术的合作求解方法等。MAS的不足之处就是在理论上有待进一步完善，标准化工作不够，导致重复劳动。

人工智能在20世纪60年代就将计划和调度问题作为其应用领域之一，但直到20世纪80年代，以Carnegie Mellon大学的MFox为代表的学者们开展基于约束传播的智能调度和信息系统的研究为标志，人工智能才真正开始应用于实际调度问题。基于人工智能的调度方法主要有智能调度专家系统、约束规划及基于Multi-Agent技术的合作求解方法等。

调度专家系统首先需要构建相关的知识库，就是从知识源获取知识然后以数字化形式存储它们，在调度问题中，知识源一般指的是人类专家和模拟数据。调度专家系统主要的优点有：在决策过程中，它既可以使用定量的知识，又可以使用定性的知识；它能够产生比简单的分配规则复杂得多的启发式规则。然而，调度专家系统也有其不可克服的缺点：构建和验证系统比较耗费时间；难以维护和升级；求解结果可能会严重偏离最优解或次优解；知识获取和推理速度存在瓶颈。

约束规划是一种旨在应用限制变量选取顺序和变量赋值顺序来减少搜索空间有效大小的方法。当一个值赋给一个变量时，产生的不一致性就消除了，消除不一致性的过程称作一致性检测，而消除以前做的工作称作回溯。约束规划可以用来实施柔性的和有效的调度系统，因为它把各种不同的算法包装成传播器，使得可以对可重用的求解器进行规划。约束规划不局限于一定的约束集合，因为它使用了一个纯声明的模型，每一个传播器定义问题的一个独立视图。但是这一方法的求解代价比较大，而且由于考虑了多种约束，求解难度很大。

专家系统很难用来解决大规模的复杂的实际调度问题，因为它们的知识和问题求解能力是有限的。为了解决这些复杂问题，研究人员使用“分而治之（divide and conquer）”的方法来开发分布式调度系统，这需要一种分解调度问题的技术以及能够协作求解整个问题的相关的知识系统的集合，这些可以通过多代理系统（multi-agent system，MAS）来实现。MAS技术可以弥补调度理论的不足，可以增强调度理论在实际应用中的灵活；MAS可以和其他各种生产控制技术如企业资源计划（enterprise resources planning，ERP）、最优生产技术（optimized production technology，OPT）和制造执行系统（manufacturing executing system，MES）等结合起来使用。MAS的不足之处就是在理论上有待进一步完善，标准化工作不够，导致重复劳动。

最新人工智能技术发展动向

相关推荐