智能设计都有哪些层次分类?
发布网友
发布时间：2022-04-23 01:09
共1个回答
热心网友
时间：2023-10-09 19:33
综合国内外关于智能设计的研究现状和发展趋势，智能设计按设计能力可以分为三个层次：常规设计、联想设计和进化设计。
(1)常规设计
即设计属性、设计进程、设计策略已经规划好，智能系统在推理机的作用下，调用符号模型(如规则、语义网络、框架等)进行设计。目前，国内外投入应用的智能设计系统大多属于此类，如日本NEC公司用于VLSI产品布置设计的Wirex系统，华中理工大学开发的标准V带传动设计专家系统(JDDES)、压力容器智能CAD系统等。这类智能系统常常只能解决定义良好、结构良好的常规问题，故称常规设计。
(2)联想设计
目前研究可分为两类：一类是利用工程中已有的设计事例，进行比较，获取现有设计的指导信息，这需要收集大量良好的、可对比的设计事例，对大多数问题是困难的；另一类是利用人工神经网络数值处理能力，从试验数据、计算数据中获得关于设计的隐含知识，以指导设计。这类设计借助于其他事例和设计数据，实现了对常规设计的一定突破，称为联想设计。
(3)进化设计
遗传算法(GA，即Geneticalgorithms)是一种借鉴生物界自然选择和自然进化机制的、高度并行的、随机的、自适应的搜索算法。20世纪80年代早期，遗传算法已在人工搜索、函数优化等方面得到广泛应用，并推广到计算机科学、机械工程等多个领域。进入20世纪90年代，遗传算法的研究在其基于种群进化的原理上，拓展出进化编程(EP，即Evolutionaryprogramming)、进化策略(ES,即Evolutionarystrategies)等方向，它们并称为进化计算(EC,即Evolutionarycomputation)。
进化计算使得智能设计拓展到进化设计，其特点是：
设计方案或设计策略编码为基因串，形成设计样本的基因种群。
设计方案评价函数决定种群中样本的优劣和进化方向。
进化过程就是样本的繁殖、交叉和变异等过程。
进化设计对环境知识依赖很少，而且优良样本的交叉、变异往往是设计创新的源泉，所以在1996年举办的“设计中的人工智能”(Artificialinterlligenceindesign’96)国际会议上，M.A.Rosenman提出了设计中的进化模型，进而进化计算作为实现非常规设计的有利工具。
智能设计的分类：
(1)原理方案智能设计
方案设计的结果将影响设计的全过程，对于降低成、提高质量和缩短设计周期等有至关重要的作用。原理方案设计是寻求原理解的过程，是实现产品创新的关键。原理方案设计的过程是总功能分析——功能分解——功能元(分功能)求解——局部解法组合——评价决策——最佳原理方案。按照这种设计方法，原理方案设计的核心归结为面向分功能的原理求解。面向通用分功能的设计目录能全面地描述分功能的要求和原理解，且隐含了从物理效应向原理解的映射，是智能原理方案设计系统的知识库初始文档。基于设计目录的方案设计智能系统，能够较好的实现概念设计的智能化。
(2)协同求解
ICAD应具有多种知识表示模式、多种推理决策机制和多个专家系统协同求解的功能，同时需把同理论相关的基于知识程序和方法的模型组成一个协同求解系统，在元级系统推理及调度程序的控制下协同工作，共同解决复杂的设计问题。
某一环节单一专家系统求解问题的能力，与其他环节的协调性和适应性常受到很大*。为了拓宽专家系统解决问题的领域，或使一些互相关联的领域能用同一个系统来求解，就产生了所谓协同式专家系统的概念。在这种系统中，有多个专家系统协同合作，这就是协同式多专家系统。多专家系统协同求解的关键，是要工程设计领域内的专家之间相互联系与合作，并以此来进行问题求解。协同求解过程中信息传递的一致性原则与评价策略，是判断目前所从事的工作是否向着有利于总目标的方向进行。多专家系统协同求解，除在此过程中实现并行特征外，尚需开发具有实用意义的多专家系统协同问题求解的软件环境。
(3)知识获取、表达和专家系统技术
知识获取、表达和利用技术专家系统技术是ICAD的基础，其面向CAD应用的主要发展方向，可概括为：
机器学习模式的研究，旨在解决知识获取、求精和结构化等问题。
推理技术的深化，要有正、反向和双向推理流程控制模式的单调推理，又要把重点集中在非归纳、非单调和基于神经网络的推理等方面。
综合的知识表达模式，即如何构造深层知识和浅层知识统一的多知识表结构。
基于分布和并行思想求解结构体系的研究。
黑板结构模型
黑板结构模型侧重于对问题整体的描述以及知识或经验的继承。这种问题求解模型是把设计求解过程看作是先产生一些部分解，再由部分解组合出满意解的过程。其核心是由知识源、全局数据库和控制结构三部分组成。全局数据库是问题求解状态信息的存放处，即黑板。将解决问题所需的知识划分成若干知识源，它们之间相互，需通过黑板进行通信、合作并求出问题的解。通过知识源改变黑板的内容，从而导出问题的解。在问题求解过程中所产生的部分解全部记录在黑板上。各知识源之间的通信和交互只通过黑板进行，黑板是公共可访问的。控制结构则按人的要求控制知识源与黑板之间的信息更换过程，选择执行相应的动作，完成调计问题的求解。黑板结构模型是一种通用的适于大空间解和复杂问题的求解模型。
(4)基于实例的推理(CBR)
CBR是一种新的推理和自学习方法，其核心精神是用过去成功的实例和经验来解决新问题。研究表明，设计人员通常依据以前的设计经验来完成当前的设计任务，并不是每次都从头开始，CBR的一般步骤为提出问题，找出相似实例，修改实例使之完全满足要求，将最终满意的方案作为新实例存处实例库中。CBR中最重要的支持是实例库，关键是实例的高效提取。
CBR的特点是对求解结果进行直接复用，而不用再次从头推导，从而提高了问题求解的效率。另外，过去求解成功或失败的经历可用于动态地指导当前的求解过程，并使之有效地取得成功，或使推理系统避免重犯已知的错误。
