專利名稱：建立卷煙葉組配方維護(hù)混合專家系統(tǒng)的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種智能配方維護(hù)系統(tǒng)的建立方法，具體是將自組織特征映射網(wǎng)絡(luò)、進(jìn)化計算全局性優(yōu)化方法、神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)方法與行業(yè)專家經(jīng)驗有機(jī)結(jié)合，建立卷煙葉組配方維護(hù)的混合專家系統(tǒng)的方法。
背景技術(shù)：
在卷煙葉組配方維護(hù)中，行業(yè)專家關(guān)心的是，哪些替代煙葉與未被替換的煙葉組成新葉組后，仍能保持原標(biāo)準(zhǔn)葉組的風(fēng)格、感官質(zhì)量和煙氣含量指標(biāo)。就是說，要知道煙葉之間或小范圍葉組組合間的相似性。由于煙葉包含幾千種化學(xué)成分，而且在吸煙過程中眾多的化學(xué)成分相互作用，刺激人的味覺、嗅覺、觸覺，產(chǎn)生感官評吸的各項指標(biāo)，其關(guān)系極其復(fù)雜，僅僅憑人的經(jīng)驗判斷，從地區(qū)、香型風(fēng)格等較少的因素考慮，不能完全均衡感官評吸(即感覺測試)和煙氣分析各項指標(biāo)，不能保證新葉組的這兩大質(zhì)量指標(biāo)不超出標(biāo)準(zhǔn)葉組維護(hù)允許的波動范圍。
現(xiàn)代Kohonen網(wǎng)絡(luò)具有自組織特征映射功能，實現(xiàn)對輸入模式特征“聚類”，提取輸入數(shù)據(jù)中的重要特征或某種內(nèi)在規(guī)律性。
又，進(jìn)化計算是一種模擬達(dá)爾文進(jìn)化論思想的全局性優(yōu)化算法。其主要內(nèi)容即遺傳算法。它以‘基因編碼’、‘遺傳’、‘變異’、‘雜交’、‘適應(yīng)與自然選擇’、‘種群進(jìn)化’等遺傳學(xué)與進(jìn)化論思想為基礎(chǔ)，形成了一套迭代自適應(yīng)概率性搜索與優(yōu)化方法，比傳統(tǒng)的線性規(guī)劃方法搜索范圍更大，得到最佳或滿意解的可能性更大。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服已有技術(shù)的不足，以建立卷煙葉組配方維護(hù)混合專家系統(tǒng)。本方法一方面運用傳統(tǒng)人工智能專家系統(tǒng)方法，開發(fā)行業(yè)專家經(jīng)驗及推理能力；另一方面又采用進(jìn)化計算、Kohonen網(wǎng)絡(luò)自組織聚類及神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)方法，充分利用大量實際數(shù)據(jù)，發(fā)掘其內(nèi)部知識，實現(xiàn)配方維護(hù)方案優(yōu)化搜索；兩者有機(jī)結(jié)合，建立強(qiáng)有力的卷煙葉組配方維護(hù)混合專家系統(tǒng)。如圖1所示。本方法所建立的系統(tǒng)具有以下主要模塊。
1.Kohonen自組織特征映射模塊本方法利用Kohonen網(wǎng)絡(luò)自組織特征映射功能，實現(xiàn)對輸入模式特征“聚類”，提取輸入數(shù)據(jù)中的重要特征或某種內(nèi)在規(guī)律性。
本系統(tǒng)中，“輸入模式特征”包括煙葉的理化、感官質(zhì)量、煙氣指標(biāo)數(shù)據(jù)，即煙葉的類特征量。同類煙葉具有可替換性，可用作煙葉替換集合。系統(tǒng)先根據(jù)行業(yè)專家經(jīng)驗將煙葉樣本按風(fēng)格分組；在煙葉的理化、感官質(zhì)量、煙氣指標(biāo)數(shù)據(jù)歸一化后，依屬性重要性的不同分配不同的‘聚類參與度’。例如，糖堿比、施木克值、鉀氯比、香氣質(zhì)、香氣量這些重要參數(shù)分配參與度0.9，次要參數(shù)分配參與度0.2。
Kohonen網(wǎng)絡(luò)根據(jù)歐氏距離相似性函數(shù)實現(xiàn)競爭學(xué)習(xí)，采用高斯(Gauss)鄰域函數(shù)關(guān)系調(diào)整網(wǎng)絡(luò)權(quán)重，其中學(xué)習(xí)率和鄰域?qū)挾入S學(xué)習(xí)次數(shù)指數(shù)遞減，逐步調(diào)整各權(quán)重向量收斂到各類的中心向量。在多次實驗經(jīng)驗基礎(chǔ)上，選取一組較好的初始網(wǎng)絡(luò)參數(shù)，提高指標(biāo)參數(shù)細(xì)節(jié)區(qū)別的能力。
2.遺傳算法模塊進(jìn)化計算是一種模擬達(dá)爾文進(jìn)化論思想的全局性優(yōu)化算法，其主要內(nèi)容即遺傳算法。它以‘基因編碼’、‘遺傳’、‘變異’、‘雜交’、‘適應(yīng)與自然選擇’、‘種群進(jìn)化’等遺傳學(xué)與進(jìn)化論思想為基礎(chǔ)，形成了一套迭代自適應(yīng)概率性搜索與優(yōu)化方法，比傳統(tǒng)的線性規(guī)劃方法搜索范圍更大，得到最佳或滿意解的可能性更大。
本方法運用遺傳算法完成葉組配方維護(hù)中煙葉比例的組合優(yōu)化。其中，原標(biāo)準(zhǔn)葉組中保留(即不被替換的)煙葉，加上備選替代煙葉，共同組成多個新葉組配方方案，稱為‘種群’，采用實數(shù)‘基因編碼’；遺傳算法的‘適應(yīng)度’值是用神經(jīng)網(wǎng)絡(luò)預(yù)測模型計算得到，即新葉組與原葉組的感官質(zhì)量指標(biāo)、煙氣分析值之間均方誤差的倒數(shù)。
實踐證明，本方法是一種行之有效的建立卷煙葉組配方維護(hù)混合專家系統(tǒng)的方法。該系統(tǒng)能明顯提高葉組配方維護(hù)的效率與精度，確保原標(biāo)準(zhǔn)葉組配方質(zhì)量的穩(wěn)定性，并能提高企業(yè)庫存管理、資源管理與信息化水平。


下面結(jié)合附圖進(jìn)一步說明本發(fā)明。
圖1智能葉組配方維護(hù)系統(tǒng)的工作流程圖。
圖2智能葉組配方維護(hù)系統(tǒng)的使用管理圖。
圖3智能葉組配方維護(hù)系統(tǒng)的總體結(jié)構(gòu)圖。
具體實施例方式
本發(fā)明用于建立智能葉組配方維護(hù)系統(tǒng)的流程如圖1與3所示，其步驟如下(1)首先根據(jù)行業(yè)專家經(jīng)驗將樣本數(shù)據(jù)按風(fēng)格分組，再依各組內(nèi)煙葉的理化分析(包括氣相色譜分析)、感官評吸(感覺測試)、煙氣分析指標(biāo)數(shù)據(jù)，通過Kohonen網(wǎng)絡(luò)自組織聚類，得到多類的煙葉集合；(2)選擇要維護(hù)的葉組配方名稱，查詢出原葉組的煙葉組成；(3)根據(jù)生產(chǎn)需要，確定葉組中要替換的煙葉，讀取每個被替換煙葉所屬各類集合的信息，推薦給用戶。用戶在此基礎(chǔ)上選擇用作替換的煙葉，加到備選煙葉中；(4)再根據(jù)被替換煙葉所屬大地區(qū)與出產(chǎn)年度，用戶在相近煙葉基礎(chǔ)上選擇可用作替換的煙葉，添加到備選煙葉中；(5)將原葉組未被替換的煙葉與備選煙葉按一定順序組合成若干新葉組。各新葉組中，添加煙葉的品種數(shù)一般應(yīng)大于原被替換煙葉的品種數(shù)；(6)按照遺傳算法步驟，分別對各新葉組配方‘基因編碼’，構(gòu)成若干配方方案‘種群’；系統(tǒng)用組成新葉組配方的各煙葉的理化分析指標(biāo)算出新葉組的理化分析指標(biāo)，調(diào)用卷煙評吸與煙氣指標(biāo)的神經(jīng)網(wǎng)絡(luò)預(yù)測模塊，計算每代‘個體’(各配方維護(hù)方案)的質(zhì)量評價‘適應(yīng)度’值；(7)進(jìn)行‘遺傳操作’，在‘遺傳變異操作’中結(jié)合專家的經(jīng)驗，加快搜索到最佳或滿意方案的速率；例如，每次調(diào)整葉組中煙葉比例的‘遺傳編碼’時，采用‘染色體變異’方法。根據(jù)經(jīng)驗，‘基因位置’和‘基因值’的‘變異’兩種情況的概率各為一半。其中，‘基因位置變異’是指在一個染色體’中隨機(jī)任意選擇兩個基因位，交換兩個基因位的值；‘基因位值的變異’是指在一個‘染色體’中隨機(jī)任意選擇兩個基因位(即煙葉所占比例)值，其中某一種煙葉所占比例增加0.02，另一種煙葉所占比例減小0.02。
(8)在‘進(jìn)化最大代’時間內(nèi)，是否有質(zhì)量評價‘適應(yīng)度’值符合原配方要求的葉組，有則停止，否則循環(huán)至結(jié)束；(9)若運行過程結(jié)束有滿意結(jié)果，則系統(tǒng)輸出搜索到的最佳或滿意的配方維護(hù)方案，同時給出該方案的神經(jīng)網(wǎng)絡(luò)模型預(yù)測的感官評吸和煙氣分析值；否則，提示沒有滿足配方維護(hù)要求的方案。
本方法所建立的智能配方維護(hù)系統(tǒng)的使用管理過程如圖2所示，其步驟如下(1)首先，按系統(tǒng)的用戶界面提示，用戶或技術(shù)人員選擇需維護(hù)的標(biāo)準(zhǔn)葉組配方名稱；(2)查詢出此葉組配方的煙葉組成，及其基本屬性、理化分析、感官評吸、煙氣分析指標(biāo)的數(shù)據(jù)；(3)指明該葉組配方中要替換的煙葉；(4)系統(tǒng)調(diào)用卷煙評吸與煙氣指標(biāo)的神經(jīng)網(wǎng)絡(luò)預(yù)測模塊，讀取各被替換煙葉同類的煙葉信息，供用戶選擇，并添加到備選替換煙葉集合中；(5)系統(tǒng)根據(jù)專家經(jīng)驗推薦煙葉，用戶再從中選擇多種煙葉，并添加到備選替換煙葉集合中；(6)系統(tǒng)調(diào)用遺傳算法模塊，進(jìn)行配方維護(hù)方案搜索與優(yōu)化，逐個新配方葉組通過神經(jīng)網(wǎng)絡(luò)預(yù)測模塊完成感官評吸質(zhì)量指標(biāo)的評價，最終推薦多個滿足要求的方案；(7)與原葉組的各項屬性對比，顯示新葉組配方方案的性能。
本方法用于智能葉組配方維護(hù)系統(tǒng)的樣本數(shù)據(jù)，為行業(yè)專家提出的如下參數(shù)●理化分析指標(biāo)總糖，總煙堿，還原糖，總氮，蛋白質(zhì)，氯氣，鉀，施木克值，糖堿比，鉀氯比，氣相色譜分析成分；●感官評吸指標(biāo)香型，香氣質(zhì)，香氣量，濃度，勁頭，雜氣，刺激性，余味，燃燒性，灰分；●煙氣分析指標(biāo)焦油，煙堿，CO綜上所述，本發(fā)明所建立的智能配方維護(hù)系統(tǒng)，既具有傳統(tǒng)專家系統(tǒng)的功能，以便更好地開發(fā)行業(yè)專家的經(jīng)驗；又采用遺傳算法、神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)方法，從大量數(shù)據(jù)中提取知識，實現(xiàn)高效配方維護(hù)方案的優(yōu)化搜索。這兩者有機(jī)結(jié)合，實現(xiàn)了高效的卷煙配方維護(hù)混合專家系統(tǒng)。
除以上所述內(nèi)容外，隨著經(jīng)驗知識積累，對煙葉成分科學(xué)分析的深入，以及計算智能與神經(jīng)網(wǎng)絡(luò)技術(shù)的改進(jìn)，對本系統(tǒng)的適當(dāng)修改都為本發(fā)明的范圍。
權(quán)利要求
1.建立卷煙葉組配方維護(hù)混合專家系統(tǒng)的方法按先后步驟如下(1)先根據(jù)行業(yè)專家經(jīng)驗將樣本數(shù)據(jù)按風(fēng)格分組，再依各組內(nèi)煙葉的理化分析、感官評吸、煙氣分析指標(biāo)數(shù)據(jù)，通過Kohonen網(wǎng)絡(luò)自組織聚類，得到多類的煙葉集合；(2)選擇要維護(hù)的葉組配方名稱，查詢出原葉組的煙葉組成；(3)根據(jù)生產(chǎn)需要，確定葉組中要替換的煙葉，讀取每個被替換煙葉所屬各類集合的信息，推薦給用戶，用戶在此基礎(chǔ)上選擇用作替換的煙葉，加到備選煙葉中；(4)再根據(jù)被替換煙葉所屬大地區(qū)與出產(chǎn)年度，用戶在相近煙葉基礎(chǔ)上選擇可用作替換的煙葉，添加到備選煙葉中；(5)將原葉組未被替換的煙葉與備選煙葉按一定順序組合成若干新葉組，各新葉組中，添加煙葉的品種數(shù)一般應(yīng)大于原被替換煙葉的品種數(shù)；(6)按照遺傳算法步驟，分別對各新葉組‘基因編碼’，構(gòu)成配方方案‘種群’；系統(tǒng)用組成新葉組配方的各煙葉的理化分析指標(biāo)算出新葉組的理化分析指標(biāo)；調(diào)用已有的卷煙評吸與煙氣指標(biāo)的神經(jīng)網(wǎng)絡(luò)預(yù)測模塊，計算每代各配方維護(hù)方案‘個體’的質(zhì)量評價‘適應(yīng)度’值；(7)進(jìn)行‘遺傳操作’，在‘遺傳變異操作’中結(jié)合專家經(jīng)驗的規(guī)則推理，加快搜索到最佳或滿意配方的速率；(8)在‘進(jìn)化最大代’時間內(nèi)，是否有質(zhì)量評價‘適應(yīng)度’值符合原標(biāo)準(zhǔn)配方質(zhì)量要求的葉組，有則停止，否則循環(huán)至結(jié)束；(9)若運行過程結(jié)束有滿意結(jié)果，則系統(tǒng)輸出搜索到的最佳或滿意配方維護(hù)方案，同時給出神經(jīng)網(wǎng)絡(luò)模型預(yù)測的感官評吸和煙氣分析值；否則，提示沒有滿足配方維護(hù)要求的方案。
2.根據(jù)權(quán)利要求1所述方法的使用管理過程為(1)首先，按系統(tǒng)的用戶界面提示，用戶選擇需維護(hù)的標(biāo)準(zhǔn)葉組配方名稱；(2)查詢出此葉組配方的煙葉組成，及其基本屬性、理化、感官評吸、煙氣指標(biāo)的數(shù)據(jù)；(3)確定該葉組配方中要替換的煙葉；(4)系統(tǒng)從神經(jīng)網(wǎng)絡(luò)知識庫中，讀取各被替換煙葉同類的煙葉信息，供用戶選擇，并添加到備選替換煙葉集合中；(5)系統(tǒng)根據(jù)專家經(jīng)驗推薦煙葉，用戶再從中選擇多種煙葉，并添加到備選替換煙葉集合中；(6)系統(tǒng)調(diào)用遺傳算法模塊，進(jìn)行配方維護(hù)方案搜索與優(yōu)化，逐步逐個通過神經(jīng)網(wǎng)絡(luò)預(yù)測模型評價，最終推薦多個滿足要求的方案；(7)與原葉組的各項屬性對比，顯示新葉組配方方案的性能。
全文摘要
本發(fā)明為建立卷煙葉組配方維護(hù)混合專家系統(tǒng)的方法。本發(fā)明將神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)、遺傳算法與傳統(tǒng)專家系統(tǒng)方法相結(jié)合，建立標(biāo)準(zhǔn)葉組配方維護(hù)的智能系統(tǒng)。該方法先根據(jù)行業(yè)專家經(jīng)驗，將樣本數(shù)據(jù)按風(fēng)格分組；再用Kohonen自組織特征映射的聚類方法，按煙葉的理化分析、感官評吸(感覺測試)、煙氣分析指標(biāo)分類；基于同類煙葉的可替換性，結(jié)合專家經(jīng)驗選擇煙葉，組成新葉組方案，并運用遺傳算法對葉組方案進(jìn)行組合優(yōu)化；調(diào)用卷煙評吸與煙氣指標(biāo)的神經(jīng)網(wǎng)絡(luò)預(yù)測模型，對葉組配方方案做出評價，最終推薦幾組滿足配方維護(hù)要求的方案。該方法將行業(yè)專家經(jīng)驗、數(shù)據(jù)自組織聚類與神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)有機(jī)結(jié)合，能有效地實現(xiàn)葉組的標(biāo)準(zhǔn)配方維護(hù)、提高卷煙質(zhì)量穩(wěn)定性。
文檔編號A24B3/00GK1524460SQ0311189
公開日2004年9月1日 申請日期2003年2月25日 優(yōu)先權(quán)日2003年2月25日
發(fā)明者丁香乾, 王現(xiàn)君, 馮天瑾, 盛志藝, 曹均闊, 徐海濤, 賀英, 李曉, 任立新, 呂健 申請人:中國海洋大學(xué), 頤中煙草(集團(tuán))有限公司