正確認(rèn)識(shí)當(dāng)下智能計(jì)算機(jī)過程控制的新管理方式，有關(guān)當(dāng)前計(jì)算機(jī)職業(yè)教學(xué)上的新應(yīng)用方式有哪些呢，應(yīng)該如何來存進(jìn)現(xiàn)在教學(xué)的新管理技巧呢?本文就是一篇有關(guān)職業(yè)教學(xué)的論文呢。

　　摘要：智能計(jì)算過程的優(yōu)化控制備受關(guān)注,對(duì)于智能計(jì)算間歇過程的優(yōu)化,需要控制的變量通常不會(huì)很多,其中,溫度、流量必須實(shí)施控制。在一個(gè)時(shí)間段,控制計(jì)算中的的一個(gè)變量,保持其他變量的恒定。此外,優(yōu)化策略大多采取串極方式,對(duì)定制進(jìn)行跟蹤。串極外環(huán)為其內(nèi)環(huán)設(shè)置定制軌線,外環(huán)被觸發(fā)后,對(duì)設(shè)定值軌線進(jìn)行修正,是其趨于最優(yōu)狀態(tài)。

　　關(guān)鍵詞：計(jì)算機(jī)過程,職業(yè)教學(xué),教學(xué)論文投稿

　　1 智能計(jì)算的概念

　　智能計(jì)算指的是借鑒、利用了自然界當(dāng)中的一些自然現(xiàn)象或者生物機(jī)理,開發(fā)出能夠適應(yīng)環(huán)境變化的一種計(jì)算的方法。智能計(jì)算的相關(guān)技術(shù)問題大多是通過一些特定數(shù)學(xué)模型來描述,使智能計(jì)算成為了一門可計(jì)算、可編程、可視化、可操作的學(xué)科,具有很強(qiáng)的自學(xué)習(xí)性、并行性和自適應(yīng)性等重要特點(diǎn),并且在生物學(xué)、工程控制學(xué)科以及神經(jīng)學(xué)等多門學(xué)科了領(lǐng)域得到良好的發(fā)展、應(yīng)用。智能計(jì)算設(shè)計(jì)面非常廣泛,本文主要介紹了三種智能計(jì)算方法, 并探討計(jì)算過程的控制與優(yōu)化。

　　論文網(wǎng)推薦：《微計(jì)算機(jī)信息》，《微計(jì)算機(jī)信息》Control & Automation(月刊)1984年創(chuàng)刊，是以信息產(chǎn)業(yè)、信息技術(shù)、信息資源改造、提升傳統(tǒng)產(chǎn)業(yè)，以計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)通信技術(shù)、自動(dòng)控制技術(shù)、傳感器及儀器儀表技術(shù)、電子技術(shù)為工業(yè)和國(guó)防領(lǐng)域，大眾服務(wù)的技術(shù)創(chuàng)新媒體。

　　2 智能算法種類

　　2.1遺傳算法

　　遺傳算法模擬了生物界的自然選擇和自然的遺傳機(jī)制以及進(jìn)化過程,形成了一種具有很強(qiáng)的自適應(yīng)能力、全局性、隨機(jī)化的搜索算法。這種算法模擬了自然界生物進(jìn)化基本的過程,然后通過選擇、交叉和變異遺產(chǎn)算子來模擬生物進(jìn)化的過程,通過不斷的更新、換代,提高每代種群平均的適應(yīng)度,然后適應(yīng)度函數(shù)而引導(dǎo)種群進(jìn)化。

　　2.2蟻群算法

　　蟻群算法是根據(jù)蟻群的一些真實(shí)行為開展研究而誕生的,這是一種模擬蟻群進(jìn)化的算法,也是屬于隨機(jī)搜索的算法。研究人員在研究的過程當(dāng)中發(fā)現(xiàn),螞蟻之間幾乎都是利用外激素物質(zhì)來進(jìn)行信息的互相傳遞,從而達(dá)到個(gè)體之間的互相協(xié)作,以完成復(fù)雜任務(wù)。在螞蟻的運(yùn)動(dòng)過程當(dāng)中,在其運(yùn)動(dòng)的范圍中留下這種外激素物質(zhì),并且能夠被其他螞蟻感知到,以此來指導(dǎo)自身運(yùn)動(dòng)的方向。因?yàn)檫@種外激素物質(zhì)性極強(qiáng),所以,螞蟻就會(huì)傾向于高強(qiáng)度方向去移動(dòng),已到達(dá)信息交流或者搜索食物等目的。而蟻群算法就是模擬螞蟻的運(yùn)動(dòng)行為來進(jìn)行優(yōu)化的,在計(jì)算過程當(dāng)中就是通過個(gè)體間信息交流、互相協(xié)作之后以找到最優(yōu)解。

　　2.3粒子群優(yōu)化算法

　　粒子群優(yōu)化算法屬于進(jìn)化算法,最早是模擬一些鳥群的覓食行為發(fā)展起來,是一種群體的協(xié)作、隨機(jī)搜索的算法。PSO模擬鳥群捕食行為,鳥在空中飛行覓食的過程當(dāng)中,每只鳥都能夠準(zhǔn)確記住自己飛過的最高位置,然后再隨機(jī)靠近這個(gè)最高位置。不同種類的鳥可以進(jìn)行相互交流、溝通,使彼此都盡量去靠近整個(gè)鳥群飛過的最高位置,如此,就可以很容易的找到相似的最高點(diǎn)。PSO在不斷經(jīng)歷改進(jìn)之后,除去原來算法當(dāng)中的一些無(wú)關(guān)、冗余變量,然后又加入一些隨機(jī)的變化量,使鳥群運(yùn)動(dòng)給予空間微粒運(yùn)動(dòng)更加相似,因此,被稱為微粒群算法[9]。

　　三種智能算法都有著各自的優(yōu)點(diǎn),在運(yùn)用計(jì)算的過程當(dāng)中能夠得到有效的控制,將智能計(jì)算的優(yōu)點(diǎn)更好的發(fā)揮出來,這三種方法的特點(diǎn)分析如表1所示。

　　智能計(jì)算方法特點(diǎn)對(duì)比分析

　　方法 特點(diǎn)

　　遺傳算法 通用性好、運(yùn)算效果良好、實(shí)現(xiàn)簡(jiǎn)單,解決問題以串集搜索、減少最優(yōu)解風(fēng)險(xiǎn)、應(yīng)用范圍廣

　　蟻群算法 智能搜索、較強(qiáng)的魯棒性、易與其他算法結(jié)合、全局優(yōu)化、分布式計(jì)算、正反饋

　　粒子群優(yōu)化算法 計(jì)算流程簡(jiǎn)單、參數(shù)簡(jiǎn)潔、無(wú)復(fù)雜調(diào)整、算法容易局部最優(yōu)

　　表1

　　3 迭代控制與優(yōu)化

　　迭代學(xué)習(xí)控制屬于高級(jí)智能化控制的方法。其通過反復(fù)迭代修正以改善控制目標(biāo)。迭代控制有很強(qiáng)的特點(diǎn)性,可以用一些簡(jiǎn)單的方式去處理一些非線性、線性系統(tǒng),并且能夠有效的減少計(jì)算量,對(duì)中能計(jì)算過程有良好的控制效果。

　　4結(jié)語(yǔ)

　　智能計(jì)算屬于人工智能研究的重要部分之一,目前,智能計(jì)算在很多領(lǐng)域已經(jīng)得到了蓬勃的發(fā)展。雖然當(dāng)前智能計(jì)算的研究水平還很難讓智能機(jī)器具備人類智能,但是智能計(jì)算未來必然有更好的發(fā)展。人工智能不僅只是模仿一些生物功能,而是將其充分結(jié)合起來,使人工智能擁有更廣的發(fā)展方向,并且,隨著人工智能的不斷發(fā)展,智能優(yōu)化控制又將成為重點(diǎn)研究的內(nèi)容,智能控制和控制方法將會(huì)不斷增多,使智能計(jì)算優(yōu)化控制實(shí)現(xiàn)方式不斷豐富,對(duì)智能計(jì)算今后的發(fā)展有著非常重要的意義。