人工智能现代方法研究论文

全分布式人工智能技术在舰艇指控系统中的应用研究摘 要：为适应未来信息化海战场的需要，必须提高舰艇指控系统的指挥效能。舰艇指控系统的智能化是提高舰艇指挥效能的关键，也是必由之路。本文主要论述了信息战中智能化作用的地位，特别针对舰艇指控系统；并给出了一种采用全分布式人工智能技术的智能化舰艇指控系统结构模型。关键词：信息战； 舰艇指控系统； 全分布式人工智能技术； 指挥效能中图分类号：TP18 文献标识码：AStudy of Full Distributed Artificial Intelligence in Shipborne C2 SystemZHANG Yu-ce , YANG Qing-song , CHEN KeAbstract: In order to be adapted to the demand of information warfare (IW), the command efficiency of shipborne C2 system must be improved. The intellectualization of shipborne C2 system is the key factor of improving its command efficiency. This paper gives one model of intellectualized shipborne C2 system using full distributed artificial intelligence.Key words: IW; shipborne C2 system ; distributed AI technology ; command efficiency0 引言1985年，美国的军事家首先提出“信息时代的到来正在引发一场新的军事革命，以信息技术为特征的新战争形态正在出现”，而后提出“信息战”，如果说海湾战争首次向世人显示了信息优势的巨大战略作用，那么美英对伊拉克的战争则是信息战的进一步延伸。美英正是通过运用先进的情报系统、电子战装备、精确打击力量重创伊拉克的有生军事指挥系统，从而牢牢地掌握了战场的制信息权，最终以较小的代价取得了全面胜利。对于信息战的特征，从不同的角度都会得出不同的解释。而外军普遍认为，信息战实质上就是计算机战，特别是一种高层次的智能较量，海湾战争和近期几场局部战争，充分体现了高技术战争的智能化特征。这种特征尤其体现在战争的孕育期以及到战争实施期的过渡。1997年1月3日，美国防部下属国防科学委员会的一个研究小组在提交的一份题为“信息战--防卫”的报告中，就特别强调要强化部队的智能化反应能力，呼吁军方加强“信息战”的防卫能力，以防止电子“珍珠港”事件的发生，保证美国军方现有210万台计算机和1万个地方性计算机网络不轻易遭到重创。另外，在战术运用上也强调对敌摧毁、破坏和利用的智能化综合应用，同时也是作战保密、军事欺、心理战、电子战、火力摧毁等多种作战行动在指挥对抗过程中综合发挥作用的必然要求[1]。美军针对战争形态嬗变以及未来战争的要求，凭借其高技术方面的优势，提出了“数字部队”的现代化建设方案，其中首要的一条，便是实现指挥与控制系统以及武器装备的智能化。武器装备和作战指挥的智能化，将最大限度地延伸“人体”的功能，并成为提高军队战斗力的一个新的增长点。因此，外军有专家预言：“未来谁能在人工智能领域中取胜，谁就将取得新军事革命的主动权”。1 全分布式的新型智能化舰艇指控系统的作用1.1 提高信息共享程度，增强系统生存能力和抗摧毁能力所谓全分布式是指整个系统实现在地点上的分布、功能上的分布以及控制上的分布。因此，这种分布不仅体现在系统的硬件上、地点上、分布式拓扑结构上，更重要的是在其软件上的分布。全分布体系结构，每一个节点都装有整个应用软件，系统的管理软件分布在各个节点，但只有一个在工作，同时采用分布式数据库。这样的好处是，当某个地点、功能或者控制上失效可由备份处理能力和功能冗余软件恢复。主要功能可以从一个节点重新分配到其它节点；而当正在工作的运行系统管理软件的节点失效时，可自动重新安装运行系统管理软件。软、硬件全分布体系统结构的实现有赖于一种模块化的拼接技术的支持，这种技术采用了Σ拼接技术[2] ，是一种典型的系统模块化、全分布式体系结构的技术。由于现代海战的残酷性，采用全分布式体系结构，能够提高信息共享程度，增强系统生存能力和抗摧毁能力，提高系统的通装性，能够满足军方对指控系统可靠性高、抗摧毁性强、生命力强、通信组织灵活以及自动化程度高的要求。1.2 提高信息和决策的合成效率智能化能提高舰艇指控系统信息采集的效率，提高信息的及时性、准确性和可用性，信息的采集依赖于战场或更大范围的环境监视与侦察，这又需要在空间上分散的部队或其他相应的载体来完成。而这会引出两个问题，一是如何实现部队或载体的侦察器材最佳配置以及相互之间的通信联络；二是当某一个侦察器材无法有效地执行某一给定的侦察任务时，如何才能不影响系统整体任务的完成。而解决这些问题的有效方法就是采用分布式人工智能（DAI）技术，开发以多主体系统(MAS)为基础的信息采集系统，使各种侦察主体自主运行，既能够与动态的战场进行交互作用和实施推理，同时又可和别的主体进行协调与协作，因而具有很高的信息采集效率和自我重组能力。智能化辅助决策提高了舰艇指控系统指挥决策的实用性和适应性。计算机辅助决策通常有检索型和智能型两种类型。检索型将先验设想制定的多种作战预案存于软件库中，需要时按一定相关性准则从库中找出作战预案，提供给指挥员使用。智能化辅助决策则不仅如此，更重要的是具有人工智能特征，可以按照军事专家的知识和推理过程，依据实际情况，自动地、实时地提供给指挥员满足当前需要的作战方案。显然，智能型比检索型具有更多的灵活性和更大的适应性，更符合战场多变的实际情况。智能化辅助决策系统可以帮助舰艇指挥人员解决普通方法难以解决的半结构化或非结构化的决策问题。这种决策问题很难用常规的方法加以解决，而通过利用智能辅助决策和知识推理，可以得到令人满意的解答。这样，改进了决策过程，使决策者能够实现定性与定量相结合的高质量的决策和多目标综合决策。1.3 促进全新指挥控制方式的产生智能化的舰艇指控系统需要与之相适应的指挥控制方式才能实现在智能化状态下实施实时、高效的指挥控制。因此，一些全新的指挥方式应运而生，如网络式指挥、非分层式指挥、互访式指挥等，通过互联网络和高效的智能化处理系统及时处理、传递信息，能使指挥员随时掌握战场情况并下达作战命令，从而可以及时捕捉战机，实现实时决策和控制。从指挥控制中的攻击行动来看，由于智能化的舰艇指控系统的工作稳定性较好，在其运作过程中只要其工作环境和工作程序不遭到直接破坏，它就能够持续正常地进行工作。因此，与以往相比，与人机合一的指挥系统进行对抗，客观上不仅要对敌方指挥员的有关情况了如指掌，而且还必须准确地掌握敌方指挥信息系统处理和使用信息的方式及其运作的程序，以及其指挥信息系统对己方不同的信息攻击手段、攻击方式的承受能力。从指挥控制中的防护行动来看，在指挥系统信息化、网络化以前，指挥过程的防护主要表现为采取各种手段（如适时更换通信密码等）来确保信息传输过程中的保密性。而现在，指挥系统的信息化改变了这种状况，使指挥和指挥系统的防护变得更加复杂。它不仅包括确保信息传递过程中的保密，而且还包括确保系统免受病毒及其他攻击的侵害，保证系统的原始数据在运作和传递过程中不改变其原来性质和不被对方所窃取。美国军方的试验表明，对一万个计算机系统进行攻击，在成功率高达88％的情况下，只有4％的攻击行动被探测到。因此，在信息化战场上对己方的指挥信息系统进行防护，没有及时、准确和充足的情报保障，就无法采取相应的防护措施，甚至连发现敌方的攻击都无法做到。1.4 提高作战人员的适应能力未来海战场作战人员的反应能力很难适应来自多方向、多批次、多个目标、全方位的威胁。利用智能化的舰艇指控系统能够提高作战人员，特别是指挥人员对复杂战场的适应能力。当然，系统的智能化不仅没有降低反而提高了对人的要求，对人的素质产生了一种巨大的需求，促使指挥人员在知识结构、思维方式等各方面素质的转变和提高。指挥人员要想驾驭现代战争，首先必须驾驭智能化的指控系统。同时，智能化指控系统也利用计算机技术、虚拟现实（VR）技术和分布网络技术提供了一些崭新的训练方法和手段，如：模拟沉浸式训练、虚拟现实训练、交互分布式训练等，改变了传统的训练模式，增大了训练的科学性、对抗性和经济性，可以有效的提高训练质量。2 建立分布式人工智能技术的舰艇指控系统采用分布式人工智能技术DAI可将问题化解为多个具有层次结构的分问题[3]，运用大系统分解协调方法求得满意解，从而减少系统建模求解的复杂性。为提高决策效率，建立如图1所示的分布式人工智能舰艇指控系统。图1 分布式人工智能舰艇指控系统结构图由图1可以看出：这种舰艇指控系统是战场、作战、军事专家知识的有机统一，并具备能够自我学习、自我完善能力的智能系统。它能够根据战场态势分析、威胁度评估、威胁源诊断等信息生成用于决策的模型，调用相关的数据和算法提供备选方案，并对各种方案进行评估和优选，通过大屏幕用户界面进行人机对话，帮助指挥员下决心及传输指令。当舰艇各执行单元接到指令后，予以响应、动作。图中，据库主要存储各种武器装备战术性能参数和典型编制、运算过程的动态参数等；知识库主要存储战役战术原则、兵力兵器使用原则，各种典型想定，包括战场环境、作战企图和态势 ，评估作战进程所必需的基本算法等；模型库主要存储与作战有关的敌我双方各种武器系统模型、线性和非线性规划模型、推理分析模型、预测模型、模拟试验模型、优化模型、评估模型、综合运筹模型、数据处理模型、图形图像报表模型、智能模型等；人机对话系统是指挥控制系统中用户和计算机的接口，起着在操作者、模型库、数据库、知识库之间传递 (包括转换)命令和数据的重要作用；自动推理机则完成定量描述难以实现的某些复杂作战过程决策。而基于信息库的智能模糊专家系统主要由模糊产生器、模糊消除器、模糊推理机、知识获取模块、模糊知识库、模糊数据库及人机接口组成［4］，如图2所示。主要任务是通过对原始信息空间的操作，获取各种数据信息，再由模糊产生器将其映射为一个模糊集合作为初始输入，然后利用模糊知识库中的语言信息——事实和规则，采用“黑板”模型进行问题分解、推理求解及协作控制，并采用“黑板+管道”的通信机制与其他子系统/模块传递控制信息和知识信息，从而确定智能化配置，控制作战指挥模式的切换，完成作战任务的分配与调度、模糊神经网络群系统结构与参数的自适应调整与优化、对各子系统/模块的故障隔离与系统重构以及网络通讯、各智能接口的管理等。图2 基于信息库的智能模糊专家系统结构图3 结束语通过以上论述可以知道，全分布式的智能化舰艇指控系统能够真正、实时地将战场、作战指挥行动以及后方军事专家知识有机地融和在一起，使得各种武器装备的效能得到最大限度的发挥。这种舰艇指控系统能够突破现有的战场时空，改变信息战场的面貌和形态，引起一场真正意义的新军事革命，因而是舰艇指控系统的发展趋势。

给你个网址吧

“人工智能”是大学本科自动化专业所开设的一门专业选修课，为了能够调动自动化专业的学生对本课程学习的积极性，对《人工智能》这门专业选修课程的 教学 方法 进行了探索和 总结 。以下是我整理分享的关于人工智能结课论文的相关 文章 ，欢迎阅读!

对《人工智能》专业选修课教学的几点体会

摘要：“人工智能”是大学本科自动化专业所开设的一门专业选修课，为了能够调动自动化专业的学生对本课程学习的积极性，提高《人工智能》专业选修课的教学效果，我们结合近几年的实际教学 经验 ，从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对《人工智能》这门专业选修课程的教学方法进行了探索和总结。

关键词：人工智能 优选教材 考核方式内容 手段 实践

人工智能(Aritificial Intelligence，英文缩写为AI)是一门综合了应用数学、自动控制、模式识别、系统工程、计算机科学和心理学等多种学科交叉融合而发展起来的的一门新型学科，是21世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。它是研究智能机器所执行的通常与人类智能有关的职能行为，如推理、证明、感知、规划和问题求解等思维活动，来解决人类处理的复杂问题。人工智能紧跟世界社会进步和科技发展的步伐，与时俱进，有关人工智能的许多研究成果已经广泛应用到国防建设、工业生产、国民生活中的各个领域。在信息网络和知识经济时代，人工智能现已成为一个广受重视且有着广阔应用潜能的前沿学科，必将为推动科学技术的进步和产业的发展发挥更大的作用。因此在我国的大中专院校中开展人工智能这门课的教学与科研工作显得十分紧迫。迄今为止，全国绝大多数工科院校中的自动控制、计算机/软件工程、电气工程、机械工程、应用数学等相关专业都开设了人工智能这门课程。南京邮电大学自动化学院自2005年成立至今，一直将“人工智能”列为自动化专业本科生的选修课程，到目前为止已经有八年的历史了。由于南京邮电大学是一所以邮电、通信、电子、计算机、自动化为特色的工科院校，因此，学校所开设的许多专业都迫切需要用人工智能理论和方法解决科研中的实际问题。在问题需求的推动下，南邮人经过多年的努力工作，在人工智能科研方面取得了丰硕的成果，如物联网学院所开发的现代智能物流系统、自动化学院所开发的城市交通流量控制与决策系统，为本课程的开设提供了典型的教学案例。我们结合近几年的实际教学经验，从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对人工智能课程教学方法进行了总结归纳。

一、优选教材

目前，国内有关人工智能课程的中英版教材种类非常多，遵循实用、简单、够用的原则，再经过授课老师和学生们的共同调研，我们选用由中南大学蔡自兴教授主编的《人工智能及其应用》第三版作为南邮本课程的授课教材。本书覆盖的人工智能知识体系比较全面，包含知识表示、搜索推理、模糊计算、专家系统等。本书主要针对计算机、自动化、电气工程等本科专业的学生所编写，内容基础，难度适中。蔡教授所编写的这本教材全面地介绍了人工智能的研究内容与应用领域，做到了内容新颖、简单易懂、兼顾基础和应用，受到了全国广大师生们的一致好评，多年的教学实践证明我们所选择的教材是恰当的、正确的。

二、考核方式

在全国大部分高等院校，“人工智能”这门课大都选择开卷考试的方式来进行考核。为了强化学生对人工智能这门课基础知识的掌握，南京邮电大学自动化学院选用闭卷考试的方式来进行考核。为了打消部分学生想在期末闭卷考试中通过作弊手段来完成人工智能这门课考核的侥幸心理，我们加强了对学生平时考勤成绩、课下作业成绩和实验成绩的考核，从而杜绝了“一纸定成绩”的现象。我们对人工智能这门课的最后期末成绩是按如下权重来划分的：平时考勤成绩占10%、课下作业成绩占10%、实验成绩占20%、最后的期末考试卷面成绩只占60%。为了克服国家现行 教育 体制的弊端，避免学生“机械式”地的应对教学和考试，我们对考试题型进行了调整，不再是以往的填空、选择、简答等题型，而是改为以解决实际问题为导向的应用题型为主，这样学生只需要在理解授课内容的基础上利用自己的思维来解题就可以了，这也体现了国家目前正在提倡的应用型教学导向。

三、教学内容调整

对于本科生而言，人工智能这门课程所需要讲授的内容实在太多，由于课时所限，我们必须精简教学内容，让学生在掌握基础知识的同时，也能够了解它的具体应用。因此，我们将人工智能这门课程的教学内容分为两个部分：第一部分是基本理论和方法，包括人工智能的概述、知识表示方法、确定性推理方法等;第二部分为人工智能研究成果的具体应用，包括神经元网络计算、模糊智能计算、专家知识库系统、机器语言学习等。通过对教材内容的合理调整和安排，使得授课计划能够比较全面地覆盖了人工智能这门课程的基本知识点，从而满足了学生们的求知需求。

四、教学手段的改进

(一) 激发学生的学习兴趣

经过长时间的教学我们发现，在选修“人工智能”这门课程时，每个学生的心中所想各有不同，这些学生在刚开始学习时兴趣还比较强烈，但随着教学内容变得越来越抽象，学生逐渐对这本课的学习失去了信心，甚至上课时间不去听课，使授课教师对教学也渐渐失去了信心，导致恶性循环，严重影响了教学质量。针对这种现象，我们认为，在开课前充分激发学生的学习兴趣是很有必要的。我们要结合学校的实验条件，开课前给学生演示“机器人医疗服务”实验，通过该实验的演示，让学生们看到机器人能够给病人提供多项人性化的服务，理解人工智能技术在开发医疗服务机器人多项关键技术中的应用，让学生在开课前能够对本课程的学习产生极大的兴趣，实践证明这种方法是有效的。

(二) 借助多媒体教学

多媒体教学是现代教学过程中一种非常重要的形式，它往往根据教学目的和学生们的特点，通过合理的设计、选择教材内容，应用公式、图形、文字、视频等多种媒体信息进行有机组合并通过电脑和投影机显示出来，与传统教学手段相结合，形成合理的教学过程结构，达到最优化的教学效果。人工智能这门课具有针对性强、内容抽象、公式繁琐等特点，学生学习起来比较困难，为了让学生生动、形象地学习该课程，我们在教学过程中充分利用了多媒体技术来组织教学。例如在课堂教学过程中播放南邮自动化学院梁志伟博士带领学生所开发的“智能 足球 机器人”比赛片段;让学生在线观看北京大学工学院谢广明博士带领学生所开发的“自主视觉机器鱼”录像片段等。在讲解某些重要的求解算法时，借助Matlab软件和投影机，直接展现该算法的求解过程，从而改善了课程教学的形式，提高了教学质量。 (三)提倡课堂 辩论

我们在教学过程中打破了传统的“老师讲课学生听课”的教学模式，多次组织课堂辩论，辩论的主题包括人工智能研究过程中出现的技术困惑、人工智能研究成果转化中的市场前景等。如组织了“电脑PK人脑”“电脑是否让电视消失”“电脑的未来发展方向在哪里”等一系列 辩论会 。经过激烈的辩论，无论正方还是反方都感觉自己收获很大，增长了知识，开阔了眼界。在教学过程中通过将学生由“被动听课”角色变换为“主动参与”角色，大大地调动了学生的学习积极性，从而提高了课堂教学质量。

五、实践教学

实践教学是课堂教学不可缺少的重要组成部分，通过让学生亲自动手实验来对理论知识进行检验和应用是目前国内外各个大学提高学生综合素质、增强学生市场竞争力的重要手段。人工智能实验教学的目的是让学生通过亲自动手体会授课中的各种智能控制算法，从而使学生能够更加形象地掌握课本知识。人工智能教学计划安排了4学时实验课，设置了“传教士和野人过河”“机器人路径规划”这两个人工智能问题，要求学生独立完成这2个实验题目的编程，并书写实验 报告 。通过实验，学生动手实践了课堂上所掌握的理论知识，加深了对智能算法的理解。

人工智能是一门实用性较强的课程，我们总结了近几年来的教学经验，从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学五个方面对人工智能课程教学进行了总结。从学生的反馈来看，我们所总结的教学经验对于指导新教师讲授“人工智能”这门课程具有积极的作用，需要指出的是，我们仍有很多不足之处，需要在以后的教学过程中不断努力完善，提高自己的教学能力，争取更好的教学效果。

参考文献

[1]蔡自兴，徐光佑.人工智能及其应用[M].北京：清华大学出版社，2003.

[2]路小英，周桂红，赵艳等.高等农业院校《人工智能》课程的教学研究与实践[J].河北农业大学学报：农林教育版，2007，9(4)：66-68.

[3]马建斌，李阅历，高媛. 人工智能课程教学的探索与实践[J].河北农业大学学报：农林教育版，2011，13(3)：330-332.

[4]赵海波.人工智能课程教学方法的探讨[J].科技信息，2011，(7)：541.

[5]张廷，杨国胜.“人工智能”课程教学的实践与探索[J].课程与教学，2009(11)：133-134.

本研究得到了江苏省2011年度研究生双语授课教学试点项目—“模式识别与智能系统”项目经费的资助。

下一页分享更优秀的<<<人工智能结课论文