信阅平台

内容介绍

《产品免疫概念设计理论及应用》在全面总结国内外产品概念设计和人工免疫系统发展现状的基础上，介绍了免疫决策的理论体系：免疫Agent、多目标免疫应答激活算法、补体激活算法、克隆激活算法、基于免疫网络的Q-学习算法。在此基础上，以产品概念设计为工程背景，提出了基于免疫决策理论的方案设计、方案评价、评价指标协商等概念设计方法，构建了基于免疫Agent的群体决策支持系统，并基于提出的理论和方法开发了带式输送机传动方案协同开发系统。 《产品免疫概念设计理论及应用》对提升产品设计人员的产品创新开发能力具有重要的参考价值，也可供计算机科学、信息科学、人工智能和自动化技术等领域从事人工免疫系统优化与决策研究的相关专业技术人员参考。

展开

精彩书摘

第1章绪论 概念设计是产品设计中的重要阶段，在这个阶段，设计人员不断地进行产品方案的设计与评估决策，以期得到一个最优的产品设计方案。随着人工智能的兴起，人工智能理论和决策分析技术相结合而产生的智能决策已经在决策中得到了关注。实际上，人工智能与决策存在深刻的联系，几乎所有的智能行为都是通过决策来实现的，因此，智能决策问题是人类智能的核心问题。在生物免疫系统中，抗原的识别、抗体的产生、抗原的杀死过程实际上是一个多种免疫细胞、免疫分子协同决策的过程。本章首先介绍了产品概念设计和智能决策的研究现状，然后通过抽取生物免疫系统原理提出了免疫决策的思想。 1.1 引言 在产品设计过程中，概念设计是产品整个生命周期的初始阶段，是在整个设计过程中最能体现设计人员经验与智慧、最富创造性的过程；产品概念设计结果在很大程度上决定着产品的技术和经济效益。据统计，产品概念设计实际投入的费用虽然仅占总成本的5％，却决定了产品总成本的70％。由此可见，产品概念设计是产品设计的关键所在，其设计结果很难用后续更为详细的细节设计来弥补。正是由于产品概念设计的重要地位，越来越多的国内外学者对其理论及方法进行研究。

展开

前言 第1章绪论 1.1 引言 1.2 概念设计 1.2.1 概念设计概述 1.2.2 概念设计发展 1.2.3 概念设计中的决策分析 1.2.4 概念设计存在的问题 1.3 智能决策 1.3.1 决策 1.3.2 智能决策的概念 1.3.3 智能优化与决策的关系 1.3.4 智能决策研究现状 1.3.5 智能决策存在的问题 1.4 免疫决策 1.4.1 免疫决策思想的提出 1.4.2 免疫决策的研究现状 1.5 带式输送机传动方案设计概述 1.6 本书的结构 1.7 本章小结 参考文献 第2章免疫系统 2.1 引言 2.2 生物免疫系统 2.2.1 生物免疫的概念 2.2.2 生物免疫系统的组成 2.2.3 免疫机制 2.2.4 生物免疫系统的特征 2.3 补体系统 2.4 人工免疫系统 2.4.1 免疫算法 2.4.2 免疫网络模型 2.5 本章小结 参考文献 第3章免疫Agent 3.1 引言 3.2 免疫Agent概述 3.2.1 免疫Agent的生物来源 3.2.2 免疫Agent的定义及特征 3.2.3 免疫Agent的种类及工作流程 3.3 多免疫Agent系统 3.3.1 体系结构 3.3.2 形式化描述 3.3.3 免疫Agent之间的协作模式 3.3.4 应答Agent的动力学形式化模型 3.3.5 多免疫Agent系统的特点 3.4 本章小结 参考文献 第4章基于多目标免疫应答激活算法的方案设计 4.1 引言 4.2 免疫应答原理 4.3 补体激活原理 4.3.1 经典激活途径 4.3.2 旁路激活途径 4.4 多目标免疫应答激活算法 4.4.1 基本定义 4.4.2 邻居排挤算法 4.4.3 操作算子的构造 4.4.4 多目标免疫应答激活算法流程 4.4.5 算法的收敛性分析 4.4.6 实验测试 4.5 产品方案设计模糊信息建模 4.5.1 模糊理论 4.5.2 方案设计模糊信息描述 4.6 带式输送机的传动方案设计 4.6.1 传动方案建模 4.6.2 带式输送机传动方案的求解 4.7 本章小结 参考文献 第5章基于克隆激活算法的方案评价 5.1 引言 5.2 基本定义 5.3 补体激活算法 5.3.1 补体激活算法流程 5.3.2 补体激活算法的实验 5.4 克隆激活算法 5.4.1 克隆激活算法流程 5.4.2 克隆激活算法的收敛性分析 5.4.3 实验测试 5.5 基于克隆激活算法的多目标群决策方法 5.5.1 多目标决策问题 5.5.2 多目标决策的权重处理 5.5.3 多目标决策方法 5.5.4 多目标群决策方法 5.6 本章小结 参考文献 第6章基于免疫学习算法的评价指标协商 6.1 引言 6.2 冲突消解方法 6.3 多方多议题协商体系 6.3.1 协商模型 6.3.2 协商协议 6.4 强化学习 6.4.1 强化学习概述 6.4.2 Q-学习算法 6.4.3 多Agent强化学习 6.5 基于免疫网络的Q-学习算法 6.6 带式输送机传动方案的评价指标协商 6.6.1 评价指标体系的建立 6.6.2 带式输送机传动方案评价指标协商实验 6.7 本章小结 参考文献 第7章基于免疫Agent的群体决策支持系统 7.1 群体决策支持系统 7.1.1 群体决策支持系统概述 7.1.2 群体决策支持系统的体系结构 7.2 基于免疫Agent的群体决策支持系统 7.2.1 体系结构 7.2.2 决策过程 7.2.3 知识表示 7.3 带式输送机传动方案群体决策支持系统 7.3.1 系统结构 7.3.2 各Agent的实现 7.3.3 数据层 7.3.4 带式输送机传动方案协同开发系统 7.4 本章小结 参考文献 附录A 测试问题 附录B 基本术语

展开