遗传算法和智能OA信息代理

文：鼎捷ERP

作者：鼎捷数智 | 发布时间：2012-11-30 14:50:34

4，8遗传算法
    你是否想知道全世界的厨师是如何创造出如此之多的美味佳肴呢?例如，中国人是如何发现腰果和鸡肉搭配在一起味道会很好?墨西哥的厨师是如何想到将西红柿、洋葱、芫荽和其他调料混在一起做出picadegallo的呢?其实那些比较有名的配方都是经过进化过程产生的。就是某人将某几种配料混在一起并品尝其结果。毫无疑问，那些并不美味的配方会被立即淘汰，而美味配方则被保留并进一步实验。
    今天，由于对人工智能研究的不断深入，已经创造出通过反复试验而进化得到较好结果的软件，这种软件被称为遗传算法。遗传算法是一种人工智能系统，它通过模仿进化过程中适者生存规律从而产生的一个问题逐步改进的解决方案。换句话说，遗传算法是一种优化系统：它能发现产出较优输出的输入组合。
    来看一个例子，假设你试图确定选择哪些股票作为投资组合。有无数种可供选择的股票，但你只有有限的资金用于投资。假设你决定开始先买20支股票，对这种投资组合所期望的增长率为7．5％。
    你可能首先要研究股票的历史信息，选取某些股票并对它们进行组合。一次选20支，并考察每种组合的结果。如果是从30支股票中选20支，你必须检查30 045 015种不同的组合。若从40支股票中选择，则组合数目会增加到137 846 500 000。检查这么多组合并评价每种组合的总盈利在时间上是不可能的，更不用说让人极度厌烦了。然而，这种重复性的数字运算任务正是计算机所擅长的。
    可以利用遗传算法代替笔、纸和计算器。你只需要输入关于股票的适当信息，包括：上市公司的经营时间、股票在过去5年中的业绩、价格一收益比率以及其他一些信息。
    你还必须为遗传算法提供某种确切的“成功”标准，例如，你利用的标准可能是在过去一年中，公司的收益率至少为10％，在商业界至少运营了3年，与计算机行业的联系，等等。遗传算法对股票进行组合与再组合，删去其中不符合标准的组合，利用可以接受的组合进入下一代继续进行。可接受的组合是指其总增长率至少为7．5％，而目标是增长率尽可能高。
    遗传算法运用了3种进化概念：
    (1)选择：或称适者生存，选择的关键在于优先考虑较好的结果。
    (2)交叉：因希望产生一个更好的结果而将几个好的结果搭配在一起。
    (3)变异：试着随机组合并评估其结果的成功与失败。
    遗传算法较适合于可能存在几千或几百万种解决方案的决策环境。遗传算法可以发现并评价方案，与人类相比，它可以更快更彻底地检查更多的可能方案。正如你所想象的，企业需要对各种各样的问题进行决策，如工程设计、计算机制图、对策的策略等。这些决策问题需要优化技术才能解决。这里有一些其他例子：
    ·在考虑各种税收的情况下，利用遗传算法可以帮助B2B企业经理确定企业应投资于哪种项目组合。
    ·投资公司利用遗传算法在贸易选择和决策方面提供辅助。
    .在消费者购买的每件衣服中，织物本身占销售价格的35％到40％之间。因此，在制作衣物的剪裁阶段，尽量减少衣料浪费是很重要的。遗传算法可以用来解决这一问题，设计出衣料浪费较少的剪裁图样和剪裁方式。
    ·美国西部公司利用遗传算法确定包括多达100 000个连接点的网络中的较佳光缆结构。利用选择、交叉和变异操作，遗传算法能够产生并评价几百万种线缆结构，并选择出所用线缆较少的一种。以前，美国西部公司为完成这一过程需要一个有经验的工程师花费两个多月的时间，而今天公司利用遗传算法则可以在两天内完成，而且每次都能为公司节省100万一1000万美元。
小组讨论
遗传算法和钉子装盒问题
    这个问题涉及钉子如何装盒才能获得较大收益(收益较大问题)。假设你有6种钉子，数量足够多。它们分别是4英寸、3．5英寸、3英寸、2．5英寸、2英寸和1．5英寸的规格，制造每种钉子的成本取决于钉子的大小。它们的成本、售价和重量列于下表。钉子是按30支一盒为单位销售的。每盒装3种钉子，每种钉子的数量范围在5到10之间。每盒钉子的重量不得超过20盎司。利用反复试验的方法寻找获利较多的组合。
    利用电子表格有助于解决这一问题，你很可能发现，遵循某些有希望的路径就可找到较优方案。
    遗传算法之所以适于解决这类问题，是因为它们可用选择、交叉和变异方法得出大量的解决方案，并对每个方案的价值进行评价。
    由于很多潜在方案都是无用甚至是荒谬的，因此你必须为遗传算法提供成为“好”方案的标准，它们可能是低成本、高回报等一些因素。例如，一个为制造面包而设计的遗传算法可能会试图通过煮沸面粉来产生湿度，这显然是行不通的，所以遗传算法将淘汰这种方案，再试验别的方案。有些方案会逐渐变好，其中可能有一些会变得很完美。遗传算法的开拓者，伊利诺斯大学的DavidGoldbert认为，能得到进化的是较成熟的，也是功能较强的方法，而且“30亿年的进化不可能越变越坏”。
4。9 智能代理
    你特别喜欢某一家餐馆吗?在那里是否有人认识你，并了解你喜欢在色拉中加入意大利调味晶，而不是油炸碎面包片，是否喜欢在苹果馅饼中加入冰淇淋和一片英国产的切达干酪?当你进入餐馆时，了解你口味的这个人是否会在你喜欢的餐桌上放上一杯低热值的可乐饮料?如果是这样，他(她)就具有了成为智能代理的特性，而人工智能科学家还在继续研究这些特性。智能代理是一种协同软件，它可以辅助人或充当人的代表来执行重复的与计算机相关的任务。未来的智能代理很可能具有自制性，能够独立完成任务，并可以学会适应变化的环境。
    或许人们还没有意识到它们的存在，但大家很可能已经熟悉了一类形式简单的智能代理——在某些版本的Word软件中弹出的长着眼睛的回形针。例如，如果你的文档看起来像是一封商业信函，即你键入了时间、姓名和地址，那么动画回形针将提供如何继续操作的建议。
    你能发现几百种智能代理或知识机器人，它们执行各种各样的任务。位于WWW．botspot．com和www．smartbots．com的Botspot和SmartBOt的Web站点是寻找各种可用代理的好去处。
4．9．1 信息代理
    信息代理是寻找信息并提供给顾客的智能代理。较知名的信息代理是采购者代理。采购者代理，也称为购物机器人，是位于网站上的智能代理，可以帮助顾客找到所需的产品或服务。购物机器人对诸如激光唱片、电子元件和其他一些标准产品的工作效率非常高。Amazon．com利用智能技术为顾客提供其可能喜欢的图书和其他产品的列表。该网站将每个顾客与一组具有相似爱好的顾客相匹配，并指出这组顾客的共同选择。
    购物机器人赚钱的方式是通过出售广告空间、与商家协作进行商品推销，或收取点击通过费用，即为提供商业网站链接的站点付费。有些购物机器人出于财务上的原因还为某些站点提供优先权。经营购物机器人站点的人们有两个相互矛盾的目标，一方面他们希望以较有效的方式为顾客提供尽可能多的项目列表，另外他们还希望赚取利润。
    MySimon．com是目前较成功的购物机器人，据Nielsen／NetRatings的资料表明，该购物机器人每月有超过100万名来访者。MySimon可以从数千个网站上搜索几百万种商品。
行业透视
智能代理在航天器上的试验
    我们都知道美国国家航空和宇宙航行局(NASA)出于多种目的向太空发送了不同类型的航天器。我们已听说传回了众多惊人图片的哈勃望远镜很多年了，但却很少知道同样壮观的观测航天器——尽管在奉例中它的使命是观测地球——“地球观测1号”(或简称为E01)卫星。
    在2004年，NASA向E01上传了智能代理软件来进行试验项目，甚至包括试验航天器自身。E01的任务之一是在不中断航天器所载试验或危及本次使命的前提下避免燃料的浪费。这项工作以前通常由地面控制执行，但现在有智能代理在太空中干这项工作，指挥中心的人员就可以“释放”出来专注于各项任务本身，而不必操心常规维护了。
    E01是在2001年发射升空的，它为期一年的使命是从太空中观测地球。E01是NASA的“新千年计划”的一部分，并且较初它只是作为一个测试新的太空技术的试验项目。但四年后的今天，它仍然拥有强大的收集能力并发回有关地球的有用信息，这些信息要比先前的任何地球观测卫星所提供的信息大约详细20倍。E01发回的信息涵盖了地球上发生事件的全部形式，例如，森林和荒原野火的扩散、南美洲牛群放牧的影响、热带雨林的状况以及有害植物种类的扩散。
    将智能代理融入航天器的美妙之处在于它们能够学习并适应不断变化的和未预期的情况。NASA的软件工程师对这些代理进行了设计，使它们实现确定目标而不是对预先指定的状况进行回应，这样代理们就能控制复杂的情况了。因为工作流软件能“学习”并自动发挥作用，所以它能够对事先未预料到的情况做作出反应，这使得科学家们能进行更复杂和更有趣的太空研究。
    Google和Ask Jeeves都使用信息代理来发现信息——并不仅是在用户要