广义模型智能仿真软件人

最新推荐文章于 2023-01-21 20:57:07 发布

人机与认知实验室

最新推荐文章于 2023-01-21 20:57:07 发布

阅读量848

点赞数

摘要:当前，系统建模与仿真正在向复杂大系统的“协调化、智能化、集成化、网络化”建模与仿真的方向发展。于2008年在第三届“中国系统建模与仿真技术高层论坛”的特邀报告中提出，为了突破传统数学模型的局限性提倡“广义模型”，提高系统仿真的智能化水平，引入“智能仿真”，解决人的建模与仿真的难题。给出了“软件人”的概念，主要内容是论述“广义模型、智能仿真、软件人”的基本概念、理论方法、关键技术、研究开发及应用实例，在此基础上，提出并建议: 研究开发基于“软件人”的拟人仿真系统。

关键词:广义模型; 智能仿真; 软件人; 拟人仿真系统

1 引言

当前，“系统建模与仿真技术”正在向复杂大系统的“协调化、智能化、集成化、网络化”建模与仿真的方向发展。我的发言题目是“广义模型、智能仿真、软件人”。

“广义模型”的提出了“系统建模”是“系统仿真”的前提条件和理论依据。通常，“系统建模”意味着: 建立系统的 “数学模型”，但是，由于传统数学模型的局限性和实际系统的复杂性，在系统建模工作中，还存在不少困难。

数学模型的局限性:

1) 传统的数学模型( 代数方程、微分方程、差分方程、传递函数等) 。难以描述国家政策、法规，领导意图、爱好，专家知识、经验，人际关系、情感等．

2)传统的数学模型主要用于建立机器、设备等“被动系统”，被控对象的模型，难以建立主动系统中“人”的模型，控制者、决策者、指挥者的模型。

实际系统的复杂性:

1) 实际系统是复杂多变的，处在不断改革、发展过程中，具有不确定性、不确知性、主动性、模糊性，非线性、高维性，分散性、分布性等复杂性。

2) 传统的数学模型及建模方法缺乏自学习、自适应、自组织能力，难以适应发展中的复杂大系统建模的实际需要。为了解决复杂大系统建模的实际困难，突破数学模型的局限性，提出“广义模型”的概念和建模方法。
2 “广义模型”的概念

为了解决复杂大系统建模的困难，1994年，在《大系统控制论》中，提出“广义模型”的概念与建模方法，如图 1 所示。

2．1 “广义模型”的建模方法

广义建模方法: 集成化建模，智能化建模，变粒度建模，控制论建模方法．突破传统“数学模型”及建模方法局限性。

1) 不是只用数学模型，而是采用多种模型。

2) 不仅用数学模型，而且用知识模型、关系模型。

3) 不仅用定量模型，而且用定性模型。

4) 不仅建立事物模型，而且建立人的模型。

5) 不仅建立单粒度模型，而且建立多粒度模型。

6) 不仅建立被控制者模型，而且建立控制者模型。

解决复杂大系统建模的实际困难:

1) 用智能模型适应不确定、不确知、多变的发展中系统。

2) 用变粒度模型协调维数、精度，解决高维性困难。

2．2 “广义模型”的应用

“广义模型”的建模方法，适用于建立各种复杂大系统的模型。

1) 广义知识表达树 GKRT 、广义知识表达网 GKRN。适用于建立大型专家系统、多学科知识工程系统的模型。

2) 多层状态空间的模型 MLSS，适用于建立多级、多层复杂大系统的模型，如: 国家机关、军队部门、企业集团的模型。

3) 多重广义算子模型 MLGO，适用于建立多段复杂大系统的模型，如: 多段连续生产过程、导弹多段弹道控制、供应链的模型。
3 智能仿真

3．1 智能仿真的概念

为了提高计算机仿真系统的智能水平，1995年，在《智能管理》专著中，曾提出“智能仿真”的概念，如式( 1) 所示:

AI + ST = IST (1)

式(1) 中: AI—人工智能( Artificial Intelligence)，简称 AI．如: 专家系统、知识工程、模式识别、神经网络，…等。 ST—仿真技术( Simulation Technology) ，简称 ST．如: 仿真模型、仿真算法、仿真语言、仿真软件，…等。IST—智能仿真技术( Intelligent Simulation Technology) ，简称 IST．如: 智能仿真界面、广义仿真模型、智能仿真算法、多库仿真软件，…等。

式( 1) 表示: 在人工智能 AI 与仿真技术 ST 相结合的基础上，研究开发智能仿真技术 IST。

3．2 智能仿真系统方案

根据“智能仿真”的概念，给出了“智能仿真系统”的技术方案，如图2所示。

在图2中，智能仿真系统的关键技术如下:

1) 广义仿真模型应用广义模型的概念、方法和技术，开发适用的广义仿真模型。如: 知识模型、数学模型、网络模型相结合的集成化仿真模型，以提高仿真模型的描述能力，扩大仿真模型的应用范围。

2) 仿真模型生成研究与开发仿真模型生成系统，模型库及其管理系统。利用仿真建模的专业知识、典型仿真模型模块、通用仿真语言工具，根据用户的需求及环境条件，进行模型选用、赋值、组装、构造及验证，以生成面向用户实用系统的仿真模型。

3) 智能仿真算法引用专家系统、人工神经网络、模式识别方法和技术，与常用的仿真算法相结合，开发适用于广义仿真模型的、具有知识推理、逻辑判断、学习训练，或联想识别的性能的，集成化的智能仿真算法。

4) 智能仿真界面多媒体智能接口技术与仿真技术相结合，开发人－机友好交互、自然通信的文、图、声并茂的智能仿真界面，便于在仿真过程中，用户可以输入启发信息，进行动态监控与示教学习，实现人—机结合的协同智能仿真。

5) 仿真结果分析开发仿真结果分析系统，辅助用户对仿真结果进行解释。根据关于仿真对象的知识，输入的初始参数、边界条件及仿真模型、方法特性，对输出的仿真结果的可信度、灵敏度进行分析，解释仿真结果的物理意义和应用价值。

6) 多库仿真软件为了对广义仿真模型、智能仿真算法、智能仿真界面及仿真结果分析，提供有效的软件支持环境，以便采集、存储、调用，管理和维护多媒体的仿真信息，需要开发由数据库、知识库、模型库、图形库、图像库、音素库、语料库等组成的多库仿真软件技术。

7) 综合仿真语言广义仿真模型及智能仿真算法的程序实现需要综合仿真语言，为此要在已有的通用和专用仿真语言、人工智能程序设计语言、通用计算机语言相结合的基础上，进行联结、嵌套、组装、集成，开发综合仿真语言。

8) 仿真信息预处理系统仿真、方案仿真、预测仿真都需要输入大量数据和有关信息。为了提高输入信息的可信度和效率，需要开发计算机辅助的输入信息预处理技术。如: 输入数据的统计处理、输入知识的编辑整理等。

智能仿真系统是智能化、集成化、协调化的仿真系统，具有下列特性:

1) 智能性

由于人工智能的应用、人—机智能结合，所以，在仿真输入信息预处理、仿真模型生成、仿真算法的灵活性、有效性、仿真结果的分析与解释等方面，体现出较高智能水平。

2) 适用性

拥有适用范围大的广义仿真模型，求解效率高的智能仿真算法，编程方便的综合仿真语言，多库协同的仿真软件支持环境，文、图、声并茂的人机界面。所以，适用性好。

3) 友好性

通过多媒体智能仿真界面进行“人机”友好交互，辅助用户采集数据、建立模型、整理结果，便于用户输入启发信息，监控仿真过程，接受仿真输出信息，进行分析和理解。

3．3 面向知识经济的“智能仿真”

1999年，在《计算机仿真》上，发表了“面向知识经济的智能仿真”。主要研讨:

1) 如何将仿真技术应用于社会经济领域，为发展知识经济服务?

2) 如何引入数据挖掘、知识发现等知识工程的新方法、新技术?

3)如何在知识工程与仿真技术相结合的基础上，研究开发面向知识经济时代的智能仿真系统?

3．4 基于智体的“智能仿真”

由于互联网( Internet、 Extranet、 Intranet) 与 Web 技术的迅速发展与广泛应用，促进了分布式人工智能 DAI 与面向 “智体” ( Agent) 的软件工程的发展，为网络化，分布式智能仿真技术的开发与应用，提供了新方法，新技术、新机遇。基于“智体”的智能仿真技术是计算机网络环境下具有分布式人工智能的计算机仿真技术，如式(2) 所示。

DAI + CNST = NDIST (2)

式(2) 中: DAI—分布式人工智能( Distributed Artificial Intelligence) ，如: MAS－多智体系统(Multi－Agent System)，MAT－动智体技术(Mobile Agent Technology)。CNST—计算机网络仿真技术( Computer Network Simulation Technology) ， NDIST—网络化分布式智能仿真技术( Networking Distributed Intelligent Simulation Technology) ，即基于智体的智能仿真技术。

4 软件人

“人”为万物之“灵”，是地球上最聪明、最灵巧、最高等的生物，如何建立“人”的模型? 如何仿真“人” ? 是重大的课题。

4．1 “软件人”的概念

2002年，在人工生命、数字生命、分布式人工智能、人工情感、计算机网络、计算机动画、计算机游戏等相关研究工作。