人工智能课件1.ppt

1、人工智能及其应用 第一章第一章 绪论绪论 参考书籍 蔡自兴，徐光：人工智能及其应用（第四版），清华大学出版社，2010年 李士勇：模糊控制神经控制和智能控制论（第2版），哈尔滨工业大学出版社，2006年 Stuart Russell，Peter Norvig，人工智能一种现代方法，（英文影印版）人民邮电出版社，2002，索取号为TP18-43/1 Rob Callan：Artificial Intelligence，Palgrave Macmillan，2003 韩立群，人工神经网络教程，北京 邮电大学出版社，2006目录 人工智能的定义人工智能的定义 人工智能的发展进程人工智能的发展进程 人

2、工智能的计算机模拟人工智能的计算机模拟 人工智能的目的人工智能的目的 人工智能的研究方法人工智能的研究方法 人工智能面临的难题人工智能面临的难题 人工智能的发展趋势人工智能的发展趋势 人工智能在电力系统的应用人工智能在电力系统的应用1.1 什么是人工智能 智能是什么？ 将感觉、记忆、思维、语言、行为的整个过程称为智智能过程能过程，它是智力和能力的表现。通俗地说，智能是个体认识客观事物和运用知识解决智能是个体认识客观事物和运用知识解决问题的能力问题的能力。智能智能智慧智慧感觉感觉记忆记忆思维思维能力能力行为行为语言语言1.1 什么是人工智能 逻辑思维逻辑思维的基础是概念、判断与推理，即将信息抽象

3、为概念，再根据逻辑规则进行逻辑推理。由于概念可用符号表示，而逻辑推理宜按串行模式进行，这一过程可以事先写成串行的指令由机器完成。 20世纪40年代问世的第一台电子计算机就是这样一种用机器模拟人脑逻辑思维的人工智能系统，也是人类实现这一追求的重要里程碑重要里程碑。1.1 什么是人工智能 人工智能(Artificial Intelligence)是相对人的自然智能而言，即用人工的方法和技术，模仿、延伸和扩展人的智能，实现某些“机器思维”。 作为一门学科，人工智能研究智能行为的计算模智能行为的计算模型型，研制具有感知、推理、学习、联想、决策等思维活动的计算系统，解决需要人类专家才能处理的复杂问题。1

4、.1 什么是人工智能 人工智能的研究内容包括三个方面 知识表达：研究如何在机器中表示知识，使知识形式化、模型化，用以建立合适的符号逻辑系统。 知识获取：研究机器如何从各种知识源获取知识。 问题求解：运用存贮于机器中的知识进行相应知识处理。1.1 什么是人工智能不同学科对人工智能的理解不同，产生了不同的学派 符号主义符号主义（Symbolicism），又称为逻辑主义逻辑主义、心理学派心理学派或计算机学派计算机学派，它认为符号是人类的认识基元，同时人的认识过程即是对符号的计算推理的过程。其研究内容其研究内容是基于逻辑的知识表示和推理技术是基于逻辑的知识表示和推理技术。 联结主义联结主义（Conne

5、ctionism），又称为仿生学派仿生学派或生理学生理学派派，它认为人的认识基元是神经元，认识的过程就是人脑进行信息处理的过程。主要研究内容是神经网络主要研究内容是神经网络。 行为主义行为主义（Actionism），又称进化主义进化主义或控制论学派控制论学派，其主要原理是智能取决于感知和行为，它不需要知识，不需要表示，不需要推理，智能行为是通过与现实外界环境的交互作用体现出来的。研究重点是模拟人的各种研究重点是模拟人的各种控制行为控制行为。1.1 什么是人工智能 符号主义认为：人工智能源于数理逻辑。符号主义认为：人工智能源于数理逻辑。数理逻辑从数理逻辑从1919世纪末起就获迅速发展；到世纪末起

6、就获迅速发展；到2020世纪世纪3030年代开始用年代开始用于描述智能行为。于描述智能行为。计算机出现后，在计算机上实现了逻辑演绎系统。计算机出现后，在计算机上实现了逻辑演绎系统。19561956年，符号主义者首先采用年，符号主义者首先采用“人工智能人工智能”这个术语这个术语。后来又发展了后来又发展了启发式算法启发式算法专家系统专家系统知识工程理论与技术知识工程理论与技术，并在并在8080年代取得了很大发展。年代取得了很大发展。符号主义曾长期一枝独秀，为人工智能的发展作出重要贡献，符号主义曾长期一枝独秀，为人工智能的发展作出重要贡献，尤其是专家系统的成功开发与应用，为人工智能走向工程应用尤其是

7、专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重要意义和实现理论联系实际具有特别重要意义 。这个学派的代表有纽厄尔、肖、西蒙和尼尔逊（这个学派的代表有纽厄尔、肖、西蒙和尼尔逊（NilssonNilsson）等。）等。1.1 什么是人工智能 联结主义认为：人工智能源于人脑模型的研究。联结主义认为：人工智能源于人脑模型的研究。代表性成果是代表性成果是19431943年由生理学家麦卡洛克和数理逻辑学家皮茨创年由生理学家麦卡洛克和数理逻辑学家皮茨创立的脑模型，即立的脑模型，即MPMP模型。模型。60607070年代，尤其是对感知机（年代，尤其是对感知机（Perceptron

8、Perceptron）为代表的脑模型的）为代表的脑模型的研究曾出现过热潮，由于当时的理论模型、生物原型和技术条件研究曾出现过热潮，由于当时的理论模型、生物原型和技术条件的限制，脑模型研究在的限制，脑模型研究在7070年代后期至年代后期至8080年代初期落入低潮。年代初期落入低潮。HopfieldHopfield教授在教授在19821982年和年和19841984年发表两篇重要论文，提出用硬件年发表两篇重要论文，提出用硬件模拟神经网络时，联结主义又重新抬头。模拟神经网络时，联结主义又重新抬头。19861986年鲁梅尔哈特（年鲁梅尔哈特（RumelhartRumelhart）等人提出多层网络中的反

9、向传播）等人提出多层网络中的反向传播BPBP算法。算法。此后，联结主义势头大振，从模型到算法，从理论分析到工程实此后，联结主义势头大振，从模型到算法，从理论分析到工程实现，为神经网络计算机走向市场打下基础。现，为神经网络计算机走向市场打下基础。1.1 什么是人工智能 行为主义认为：人工智能源于控制论。行为主义认为：人工智能源于控制论。控制论思想早在控制论思想早在40405050年代就成为时代思潮的重要部分，影响了年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。早期的人工智能工作者。60607070年代，控制论系统的研究取得一定进展，播下智能控制和年代，控制论系统的研究取得一定进展，播

10、下智能控制和智能机器人的种子，并在智能机器人的种子，并在8080年代诞生了智能控制和智能机器人系年代诞生了智能控制和智能机器人系统。统。行为主义是近年来才以人工智能新学派的面孔出现的，引起许多行为主义是近年来才以人工智能新学派的面孔出现的，引起许多人的兴趣与研究。人的兴趣与研究。1.1 什么是人工智能 不同学派对人工智能基本理论、技术路线的看法也是有争不同学派对人工智能基本理论、技术路线的看法也是有争论的。论的。沿着什么技术路线和策略来发展人工智能？沿着什么技术路线和策略来发展人工智能？人工智能是否一定采用模拟人的智能的方法？若要模拟又该如何人工智能是否一定采用模拟人的智能的方法？若要模拟又该

11、如何模拟？模拟？对结构模拟和行为模拟、感知思维和行为、对认知与学习以及逻对结构模拟和行为模拟、感知思维和行为、对认知与学习以及逻辑思维和形象思维等问题是否应分离研究？辑思维和形象思维等问题是否应分离研究？是否有必要建立人工智能的统一理论系统？若有，又应以什么方是否有必要建立人工智能的统一理论系统？若有，又应以什么方法为基础？法为基础？1.1 什么是人工智能 从表现形式的角度机器智能机器智能，能够在各类环境中，自主地或交互地执行各种拟人任务（Anthropomorphic tasks）的机器。 从学科发展的角度人工智能人工智能，是计算机科学中涉及研究、设计和应用智能机器的一个分支，其近期主要目标

12、是用计算机来模仿和执行人脑的某些智能功能，并开发相关理论和技术。 从实用主义的角度计算智能计算智能，研究智能信息处理技术，以使计算机具有与人类智能相类似的行为，如：判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。1.1 什么是人工智能 现在，人工智能专家们面临的最大挑战之一是如何构造一个系统，可以模仿人脑的行为，去思考宇宙中最复杂的问题。 对于自然学习过程、自然语言和感官知觉的研究为科学家构建智能机器提供了帮助。这种系统在解决复杂的问题时，需要具备对事物能够进行感知、学习、推理、联想、概括和发现等能力。 对人工智能机器持反观点的人反观点的人认为：人类智能是

13、一个发生、发展的过程。人类在解决各种问题时，存在非智力因素与智力因素的相互作用。机器能够模拟人类智能是极其有限的。1.2 人工智能的发展进程1.2.1 20世纪初的数学基础 人工智能的思想萌牙可以追溯到十七世纪的巴斯卡和莱布尼茨，他们较早萌生了有智能的机器有智能的机器的想法。 十九世纪，英国数学家布尔和德摩尔根提出了“思维定律”，这些可谓是人工智能的开端。 十九世纪，英国科学家巴贝奇设计了第一架“计算机器计算机器”，它被认为是计算机硬件，也是人工智能硬件的前身。 但随着1941年年以来电子计算机的发展，技术已最终可以创造出机器智能机器智能。虽然计算机为AI提供了必要的技术基础，但直到50年代早

14、期人们才注意到人类智能与机器之间的联系。1.2.1 20世纪初的数学基础 1950年： Alan Turing在文章 “Computing Machinery and Intelligence”中提出了著名的图灵测试 ，即一种测试机器一种测试机器是不是具备人类智是不是具备人类智能能的方法。 阿伦图灵认为：如果一台计算机能骗过人，使人相信它是人而不是机器，那么它就应当被称作有智能。1.2.2 人工智能的诞生 Norbert Wiener是最早研究反馈理论反馈理论的美国人之一。 最熟悉的反馈控制的例子是自动调温器。它将收集到的房间温度与希望的温度比较，并做出反应将加热器开大或关小，从而控制环境温度

15、。 这项对反馈回路的研究重要性重要性在于：Wiener从理论上指出，所有的智能活动都是反馈机制的结果所有的智能活动都是反馈机制的结果，而反馈机制是有可能用机器模拟的，而反馈机制是有可能用机器模拟的。这项发现对早期AI的发展影响很大。1.2.2 人工智能的诞生 1956年： 世界上第一次正式的AI会议。 人工智能之父的美国学者麦卡锡邀请了对机器智能感兴趣的一批数学家、信息学家、心理学家、神经生理数学家、信息学家、心理学家、神经生理学家、计算机科学家学家、计算机科学家聚集在达特矛斯（Dartmouth college）进行了长达二个月的讨论，即“Dartmouth人工智能夏季研究会”。从那时起，这

16、个领域被命名为“人工智能”。 虽然Dartmouth学会不是非常成功，但它确实集中了AI的创立者们，并为以后的AI研究奠定了基础。1.2.3 人工智能的发展 Dartmouth会议后的7年中，AI研究开始快速发展 1957年“通用解题机”（GPS）的第一个版本进行了测试，GPS扩展了Wiener的反馈原理，可以解决很多常识问题。 1959年: Frank Rosenblatt提出感知器模型 1959年: 卡内基梅隆大学和MIT开始组建 AI Lab。研究面临的挑战：下一步需要建立能够更有效解决问题的系统，例如在“逻辑专家”中减少搜索，还有就是建立可以自我学习的系统。 1962年：Herbert

17、花3年时间制作了一个解几何定理的程序。1.2.3 人工智能的发展 1963年：MIT从美国政府得到了一笔220万美元的资助，用于研究机器辅助识别。这笔资助来自国防部高级研究计划署（ARPA），这个计划吸引了来自全世界的计算机科学家，加快了AI研究的发展步伐。 1958年: McCarthy宣布了他的新成果，即LISP语言（表处理），很快就为大多数AI开发者采纳。 在MIT由Marvin Minsky领导的研究人员发现，面对小规模的对象，计算机程序可以解决空间和逻辑问题。 在60年代末出现的“STUDENT”可以解决代数问题，“SIR”可以理解简单的英语句子，这些程序的结果对处理语言理解和逻辑有

18、所帮助。1.2.3.1 专家系统时期 1963： M. Ross Quillian开创语义网络（Semantic Nets) 1965： MIT的Joseph Weizenbaum研制出第一个聊天机器人ELIZA，可模拟治疗专家与病人之间的谈话。 1965： Feigenbaum和Lederberg研制出第一个专家系统（DENDRAL），可帮助化学家推断分子结构。 1966:由于ALPAC（自动语言处理顾问委员会）在“机器翻译评估报告”中存在偏见，造成美国政府取消对机器翻译的资助。 1969： Minsky 和 Papert的感知机报告中提出“有限阶感知机仅能识别欧拉函数，不能识别其他的拓扑不

19、变性”，造成美国政府取消对神经网络研究的资助。 1969： SRI研制出机器人Shakey，具有运动、感知和问题求解能力1.2.3.2 自然语言处理时期1970: Stanford的Terry Winograd等研制出（ETAOIN） SHRDLU，它能用普通的英语句子与人交流, 还能作出决策并执行操作。1972: Colmerauer研制出PROLOG语言的解释系统。1972:DARPA（美国国防部高级研究计划署）取消Stanford大学机器人研究(Shakey)的资助。1972: Mycin工程（一个通过提供咨询服务来帮助普通内科医生诊治细菌感染性疾病的专家系统）启动1973: James

20、 Lighthill爵士的报告使得英国政府取消对AI研究的资助（特别提出了指数爆炸问题指数爆炸问题）。从那时起至今，英国AI研究一蹶不振。1976: DARPA 取消对语音识别研究的资助。1976: Greenblatt研制出第一台LISP机CONS 。1.2.3.2 自然语言处理时期 1976: Doug Lenat的数学积分系统AM (Automated Mathematician) 1977: SRI（史丹佛研究院）启动 PROSPECTOR 工程 帮助地质专家探测和解释矿物 1978年发现钼矿脉(molybdenum vein) 1977: Edward Feigenbaum 在IJC

21、AI会议上正式提出知识工程作为一门学科 1979: Stanford研制出第一台计算机控制的汽车（Stanford Cart） 1980: 第一届美国AI协会会议（AAAI）在Stanford召开。 1980: John McDermott为DEC设计了XCON专家系统，用于配置 VAX 机器系统。1.2.3.3 知识工程时期 1981: 日本政府宣布启动日本五代机（first-generation computer）计划（即智能计算机） 1982: John Hopfield 掀起神经网络的研究 1983: MCC （Microelectronics and Computer Technol

22、ogy Corporation）成立（Bobby Inman 任主任） 1984: Doug Lenat在Bobby Ray Inman的劝说下在MCC开始Cyc（第一个试图解决常识问题的程序）的研究 1986: Thinking Machines Inc 研制联结机器 (Connection Machine) 1987: LISP机器市场开始暗淡 1988: 386芯片使得PC机速度可以与LISP机器媲美1.2.3.4 分布智能和机器学习 1992: 日本政府宣布五代机计划失败。随后启动RWC计划（Real World Computing Project，真实世界计算项目） 1993: Sh

23、oham提出AOP（面向方向的编程） 1995: Vapnik提出SVM（支持向量机），它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。 1996:中科院计算所多主体系统MAPE 1996: DARPA启动HPKB计划 军事上的“Grand Challenge”问题分析和求解 1997: IBM 深蓝II (Deep Blue)击败Garry Kasparov 2000:中科院计算所多主体环境MAGE，知识发现系统MSMiner1.3 人工智能的计算机模拟人类思维策略初级信息处理生理过程计算机程序计算机语言计算机硬件计算机低层中层高层中

24、枢神经神经元大脑1.3 人工智能的计算机模拟 研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。 典型代表为IBM的深蓝。1.3 人工智能的计算机模拟抽象思维形象思维感知思维抽象处理单元形象处理单元1感知处理单元1形象处理单元2感知处理单元2形象处理单元3感知处理单元3外界信号1.4 人工智能的目的 通过计算机技术模拟人脑智能，替代人类解决生产、生活中的具体问题。 通过计算机技术延伸人类智力，提高人类解决生产、生活中的具体问题的能力。 通过计算机技术研究和推动人类智力发展1.5 人工智能的方法 将对象信

25、息转换为计算机内码（数字化信息） 建立相关知识库和知识应用模型（包括各种算法和知识推理的逻辑运算方法） 通过计算机程序语言实现 对象信息的加工处理。无论是替代、延伸，还是研究和推动人脑信息，我们必须首先明确：人工智能是对机器智能的发现科学？还是一种实用工程技术？从人工智能的定义看，人工智能只是一种实用工程技术。1.5 人工智能的方法 既然是一种实用工程技术，就必须建立人工智能技术开发的规范性方法。其具体工作至少应该包括： 分析处理对象与工具的关系：在问题解决过程中，哪些知识需要并且可能数字化？规则化？模型化？逻辑运算化？何种计算机程序语言可以实现所选择的信息处理方案？ 人工智能与人脑智能的效率

26、比较：虽然计算机对可建立信息处理规则的数字化信息的计算、搜索、模式识别即快又准，但由于人类知识普遍具有或然性和可变性，从应用价值角度分析，“全自动的并不是最好的”，因此需从精确性、灵敏性、完整性等进行比较。1.5 人工智能的方法 选择人工智能系统的人机互助方案：凡是不可能建立完整的计算机信息处理规则的信息系统，信息处理过程中的人工参与将不可避免。因此，电脑能力和人脑能力如何优化组合是一个关键问题。人机能力组合技人机能力组合技术的科学性、功能完整性、普遍适用性水平，决定了术的科学性、功能完整性、普遍适用性水平，决定了一个人工智能系统的实用价值一个人工智能系统的实用价值。 人工智能系统的成本效益分

27、析：任何实用工程技术，必须考虑开发成本和使用价值之比。因此，对人工智能技术的价值（效率）评价、人工智能系统的人机互助方案选择，必须进行开发成本和市场效益分析。1.6 人工智能发展面临的难题 理论不够成熟目前的智能控制理论，或多或少老师依据一定的工程背景或特殊的应用场合才逐步发展起来的，因此，人工智能控制理论的发展呈现出不同的理论算法只适用于特定的领域或工程背景，理论的通用性和可移植性较弱。 符号主义观点在面对非确定性问题、非逻辑问题时常常显得力不从心，它要求待处理的信息完整、精确，而现实中的许多问题都不满足这些条件 ，这也就限制了符号主义的进一步发展。1.6 人工智能发展面临的难题 联结主义试

28、图模仿人脑的结构和功能这一想法虽然很有吸引力，但是在人们对人脑结构和人脑工作机制认识还不全面、不深入的情况下只靠一些简单的结构模仿就想实现研究目标显然是不切实际的。1.6 人工智能发展面临的难题 行为主义的观点虽然强调感知和行动，但是它缺乏完整的理论体系，有待进一步研究。同时，它认为智能不需要知识、不需要表示、不需要推理，这明显是不符合人类认识发展历程的。1.7 人工智能的发展趋势 从独立进行的过程仿真走向与相关技术进行组合的功能仿真。 从机器替代走向机器参与。 从机器思维走向机器辅助人脑思维。 从机器学习走向机器帮助人学习。 21世纪，人工智能将会涉及人性化智能机器人人性化智能机器人、生命生

29、命科学科学和脑科学脑科学等领域的研究。1.8 人工智能在电力系统的应用 由于大规模电力系统一般具有先进的自动控制水平，且电力系统研究的大量问题已具备相应的数学模型和数值算法，因此在AI早期对电力部门的吸引力不大。 随着专家系统应用的巨大成功亦启发电力部门研究人员去尝试，很快发现AI在电力系统的应用也是很大的。同时加上电力系统具备AI应用的技术基础，因此AI在电力系统的应用研究发展很快。1.8 人工智能在电力系统的应用 由于大规模电力系统一般具有先进的自动控制水平，且电力系统研究的大量问题已具备相应的数学模型和数值算法，因此在AI早期对电力部门的吸引力不大。 随着专家系统应用的巨大成功亦启发电力

30、部门研究人员去尝试，很快发现AI在电力系统的应用也是很大的。同时加上电力系统具备AI应用的技术基础，因此AI在电力系统的应用研究发展很快。1.8 人工智能在电力系统的应用 由于大规模电力系统一般具有先进的自动控制水平，且电力系统研究的大量问题已具备相应的数学模型和数值算法，因此在AI早期对电力部门的吸引力不大。 随着专家系统应用的巨大成功亦启发电力部门研究人员去尝试，很快发现AI在电力系统的应用也是很大的。同时加上电力系统具备AI应用的技术基础，因此AI在电力系统的应用研究发展很快。1.8.1 AI在电力系统的应用范围机组启停机组启停检修计划检修计划负荷预测负荷预测发电厂控发电厂控制与保护制与

31、保护潮流优化潮流优化电力系统电力系统安全分析安全分析电力系统电力系统稳定分析稳定分析无功优化无功优化分配分配控制优化控制优化继电保护继电保护经济调度经济调度黑启动黑启动1.8.1 AI在电力系统的应用范围电力质量电力质量控制控制系统设计系统设计优化优化电力规划电力规划电气设备电气设备故障诊断故障诊断变电所运变电所运行控制行控制电力系统电力系统可靠性可靠性电力系统电力系统网架重构网架重构系统恢复系统恢复供电供电电力系统电力系统建模建模1.8.1 AI在电力系统的应用范围 电力系统的运行与控制电力系统的运行与控制由相对简单的局部控制的协同作用构成整个电力系统复杂的实时控制。实时控制有2种形式，即离

32、散控制和连续控制。继电保护继电保护：一种离散控制离散控制，系统状态评估是实现保护动作的关键。由于AI的逻辑思维和快速处理能力，AI已成为在线状态评估的重要工具。在继电保护中存在大量的模模糊知识与方法糊知识与方法。1.8.1 AI在电力系统的应用范围 切负荷切负荷：另一种离散控制离散控制。系统元件突然丢失，当负荷超出系统供应容量，就必须降低负荷以避免大范围的供电中断。这时，需通过对负荷需求和系统行为的分析和启发式知识来控制继电器及时动作。 ANN具有对函数映射的逼近功能和并行处理能力，因而用ANN进行电力系统的切负荷控制有着良好的适应性和实时性。对输入特征量的选取和获得足以描述函数映射的样本，是

33、用神经网络神经网络进行切负荷控制的关键问题。1.8.1 AI在电力系统的应用范围 励磁控制励磁控制：是重要的实时连续控制系统实时连续控制系统，对维持电力系统的稳定性起主要作用，完成该功能的设备为PSS。由于大容量机组的投入和快速励磁系统的应用，系统的动态稳定性问题愈来愈突出。将模糊集理论模糊集理论用于励磁控制系统，较传统基于线性系统理论的PSS有更好的控制效果。1.8.1 AI在电力系统的应用范围 电力系统的智能故障诊断电力系统的智能故障诊断 专家系统诊断专家系统诊断：应用大量人类专家的知识和推理方法求解复杂实际问题的一种人工智能计算机程序。一般包括知识库、数据库、推理机、人机接口及知识库管理

34、系统、解释系统等。 人工神经网络诊断人工神经网络诊断：以其大规模并行处理能力、自适应学习能力、分布式信息存储、鲁棒性、容错性和推广能力等特点在故障检测和诊断领域受到广泛重视。1.8.1 AI在电力系统的应用范围 模式识别诊断模式识别诊断：将系统的工作流程经过仿真和分析，加上人的经验，建成各种故障模式，并根据测量信息，确定系统属于哪种模式，从而检测和分离故障。 故障树分析法故障树分析法：一种自上而下逐层展开的演绎分析法。它以系统或设备最不可能发生的故障为顶层事件，向下逐层查出导致该事件发生的全部原因，以一种特殊的倒立树状逻辑因果关系图，表示事件的逻辑关系，并进行定性、定量的安全性和可靠性分析。1

35、.8.1 AI在电力系统的应用范围 模糊诊断模糊诊断：模糊概念是内涵确定而外延不确定的概念，如“电压过大”，“电机过热”等。正是由于这些模糊知识及故障诊断中的经验知识存在，所以模糊诊断技术具有较多的使用场合。1.8.1 AI在电力系统的应用范围 灰色系统理论诊断灰色系统理论诊断：灰色概念是外延确定而内涵不确定的概念，如“机器人失控”。灰色系统是指部分信息清楚而部分信息不清楚的系统，是控制论观点和方法的延伸。它从系统的角度出发研究如何利用已知信息去揭示未知信息，即系统的“白化问题白化问题”。一个运一个运行中的设备实际就是一个复杂的灰色系统行中的设备实际就是一个复杂的灰色系统。故障诊断就是利用已知

36、信息去认识含有不可知信息系统的特性、状态和发展趋势，并对未来作出预测和决策，实际上是一个灰色系统的白化过程。1.8.1 AI在电力系统的应用范围 遗传算法诊断遗传算法诊断：主要特点是群体搜索策略和群体中各个体之间的信息转化，可并行地爬多个峰，搜索不依赖于梯度信息，采用概率的变迁规则来指导它的搜索方向。尤其适用于处理传统搜索方法中难以解决的复适用于处理传统搜索方法中难以解决的复杂问题和非线性问题杂问题和非线性问题，不仅避免了局部优化算法的缺陷，而且可以利用固有知识缩小搜索空间，避免其他全局优化算法产生搜索的组合爆炸。1.8.2 AI在电力系统的发展趋势 混合智能混合智能：人工智能中的4种主要工具

37、，即专家系统、人工神经网络、模糊集理论、启发式搜索，各有优点和局限，缺少一种普遍有效的方法应用于电力系统的各个领域。混合智能，即综合多种智能技术，成为AI的重要发展方向之一。1.8.2 AI在电力系统的发展趋势 分布式人工智能（分布式人工智能（DAI）：80年代发展起来的人工智能研究的一个分支，是伴随着并行分布式计算的发展而产生的，包括3个方面的内容： 分布式问题求解：针对某个特定的问题，将工作分割为多个模块，在知识共享和划分的层次上协作找到问题的解决方法。 并行人工智能：主要开发与人工智能相关的并行计算系统的机构、语言和算法。1.8.2 AI在电力系统的发展趋势 多代理系统多代理系统：关于一系统自主的智能代理之间的行为研究，包括如何协调他们的知识、目标、技能、规划以使他们共同采取行动来解决问题。多代理系统中的单个代理的工作目标可以是同一个，也可以是相互关联的独立目标。应用多代理系统的主要困难是如何实现任务协调，在缺乏全局控制或全局共享目标的开放式系统中，问题更为复杂。