课程设计人工智能

人工智能课程设计人工智能在数字城市中的应用专业：网络工程班级：1202班组员：邹欣琦、贺燕蓉学号：12号、15号日期：2015/11/192目录第一章绪论...................................................................................................................31.1摘要...............................................................................................................................................31.2研究背景.......................................................................................................................................31.3城市交通信号控制概述...............................................................................................................31.4城市交通信号灯控制的发展方向...............................................................................................3第二章城市智能交通控制的基本理论.......................................................................42.1模糊逻辑(FuzzyLogic)................................................................................................................42.2人工神经网络(ArtificialNeuralNetworks).................................................................................42.3遗传算法(GeneticAlgorithm)......................................................................................................42.4蚁群算法(AntColonyOptimization)...........................................................................................42.5粒子群算法(ParticleSwarmOptimization)..................................................................................42.6多智能体技术(Multi-agent).........................................................................................................5第三章多智能体技术介绍............................................................................................53.1智能体(Agent)..............................................................................................................................53.2Agent的特点................................................................................................................................53.3多智能体系统在交通控制领域的优越性...................................................................................5第四章基于RBF神经网络的单交叉口自学习控制系统.......................................64.1引言...............................................................................................................................................64.2问题描述.......................................................................................................................................64.3控制器的设计及其算法...............................................................................................................7第五章结论...................................................................................................................83人工智能在数字城市中的应用——人工智能在城市交通信号控制中的应用第一章绪论1.1摘要随着社会的进步，人工智能在数字城市中的应用越来越多，城市化进程加快，城市人口和车辆日益增多，城市交通问题日益突出，严重影响城市发展。先进的城市交通信号控制系统能提高现有道路的通行能力，改善交通状况，达到疏导交通、保证交通安全、畅通，智能交通系统就是其中之一，智能交通系统的发展，城市交通信号控制己成为最重要的研究方向。由于城市交通的复杂性，采用传统的控制方法己无法有效地解决交通信号控制问题，本文研究人工智能控制的方法在城市交通信号控制中的应用。1.2研究背景城市交通是城市经济活动的命脉，对城市经济的发展，人民生活水平的提高起着十分重要的作用。从1886年第一辆小汽车在德国问世，增加了人类在交通领域的机动性，便捷性，同时促进了城市道路和高速公路的发展。随着汽车工业的迅速发展，汽车己经成为人们日常生活中必不可少的交通工具。现在，人类社会的科学技术和经济力己经发展到了相当高的水平，机动车辆迅速增加，有关资料表明:1978年至1995年全国城市机动车的保有量的增长速度是道路增长速度的80倍。从70年代末起，我国城市汽车拥有量以每年平均12%-14%的速度增长。1978年，我国民用汽车总量仅有135.84万辆，到2001年超过1845万辆，机动车总数达到6852万辆。其中，私人汽车由1985年的28.45万辆增加到770万辆，这些民用汽车特别是私人汽车，多集中在我国的城市地区，而且增长趋势迅猛。1.3城市交通信号控制概述随着人工智能研究热潮的兴起，人工智能方法为智能交通系统的研究提供了坚实的理论基础.针刘传统交通控制的固有缺陷和局限性，许多学者将模糊逻辑、神经网络、遗传算法、蚁群算法、多智能体技术等人工智能基础研究方法同传统的交通控制方法结合应用.一方面，交通系统结构复杂、影响因素多、随机性很强的，利用数学方法解决交通问题的难度很大，所建立的模型往往过于复杂，难于求解，同时交通流系统的多样性也很难用一种或儿种模型来体现;另一方面，交通系统又是一个动态的时变系统，交通竹理与控制的实时性要求非常高.因此，从实际情况出发，基于数学描述的交通竹理控制方法难以满足在线实时控制的要求，可操作性较差.而人工智能的方法(包括模糊逻辑、人工神经网络、遗传算法等)，借鉴人类求解问题的方法，通过知识的表达、推理和学习解决复杂的问题，将以往用纯数学来描述交通系统转变为用知识或知识与数学模型相结合来描述.1.4城市交通信号灯控制的发展方向越来越多的资料显示表明，城市交通信号控制的研究主要体现在以下三个方面:(1)人工智能(AI)在城市交通信号控制问题中的应用有利于提高当前交通信号控制系统的性能(2)利用离散时间、滚动区域法(rollinghorizon)研究交通信号控制系统(3)分散控制系统仍是未来的一个研究方向4第二章城市智能交通控制的基本理论.从理论研究上来看，传统的城市智能交通控制方法是通过对城市交通系统建立一定的数学模型，然后运用最优控制理论来求解控制变量.在这类方法中，为了简化问题和解决某些数学技术上的具体限制，在建模时通常需要对模型进行理想化和一些不确定条件的人为设定，而这些简化与现代城市，尤其是特大型城市的交通系统所具有的非线性、动态时变性等特点是相矛盾的，因此造成了所用最优方法在实际中并非最优，或者面对大规模城市无法对交通数据进行实时有效的计算等缺点.新的技术和方法的引入显得十分必要和非常迫切，计算机的出现和广泛应用促成了人工智能研究热潮的掀起，而这又必然会导致包括系统体系结构及控制策略等各方面的调整和改进.许多专家学者从智能控制的角度出发，利用模糊逻辑、人工神经网络等理论来研究这个问题.2.1模糊逻辑(FuzzyLogic)模糊逻辑是一种处理不确定性、非线性等问题的有力工具，它与人类思维的某些特征相一致，因此，嵌入到推理技术中具有良好效果.模糊逻辑不需要获取模型中的复杂关系，不需要建立精确的数学模型，是一种基于规则的智能控制方式，特别适用于具有较大随机性的城市交通控制系统.2.2人工神经网络(ArtificialNeuralNetworks)人工神经网络是模拟生物的神经结构及其处理信息方式的一种算法.它具有自适应、自组织和自学习能力，在认知处理、模式识别等方面有很强的优势，最显著特点是具有学习功能.人工神经网络适用于非线性时变性系统的模拟与在线控制，II适合于交通控制系统这一非线性、时变系统。2.3遗传算法(GeneticAlgorithm)遗传算法是运用仿生原理实现在解空间的快速搜索，广泛应用于解决大规模组合优化问题.它是一种比较先进的参数寻优算法，对于不易建立数学模型的场合其实用价值较为突出，是以同样适用于交通系统。2.4蚁群算法(AntColonyOptimization)蚁群算法是一种模拟进化算法，它是一种求解组合最优化问题的新型通用启发式方法，该方法具有，反馈、分布式计算和富于建设性的贪婪启发式搜索的特点.闻育应用蚁群算法搜索各路日的最优信号灯相位序列，对算法复杂度作了理论分析，并通过仿真实验与单路日感应式信号控制技术进行比较，结果表明效果较好，总停车时间降低7.2%}19}.闻育还提出一种基于改进蚁群算法的降阶滚动优化算法，基于宏观交通流模型建立了区域交通控制滚动优化模型，在蚁群算法中设计了层状解结构图，应用降阶方法将大规模区域分解为一系列了区域，仿真结果显示，区域滚动优化控制比感应式控制的总停车时间下降了8.2%2.5粒子群算法(ParticleSwarmOptimization)粒了群优化算法是由Eberhart博士和kennedy博士于1