智能设计

出自 MBA智库百科(https://wiki.mbalib.com/)

智能设计(Intelligence Design)

　　智能设计是指应用现代信息技术，采用计算机模拟人类的思维活动，提高计算机的智能水平，从而使计算机能够更多、更好地承担设计过程中各种复杂任务，成为设计人员的重要辅助工具。

　　1)以设计方法学为指导。智能设计的发展，从根本上取决于对设计本质的理解。设计方法学对设计本质、过程设计思维特征及其方法学的深入研究是智能设计模拟人工设计的基本依据。

　　2)以人工智能技术为实现手段。借助专家系统技术在知识处理上的强大功能，结合人工神经网络和机器学习技术，较好地支持设计过程自动化。

　　3)以传统CAD技术为数值计算和图形处理工具。提供对设计对象的优化设计、有限元分析和图形显示输出上的支持。

　　4)面向集成智能化。不但支持设计的全过程，而且考虑到与CAM的集成，提供统一的数据模型和数据交换接口。

　　5)提供强大的人机交互功能。使设计师对智能设计过程的干预，即与人工智能融合成为可能。

　　综合国内外关于智能设计的研究现状和发展趋势，智能设计按设计能力可以分为三个层次：常规设计、联想设计和进化设计。

　　(1)常规设计

　　即设计属性、设计进程、设计策略已经规划好，智能系统在推理机的作用下，调用符号模型(如规则、语义网络、框架等)进行设计。目前，国内外投入应用的智能设计系统大多属于此类，如日本NEC公司用于VLSI产品布置设计的Wirex系统，华中理工大学开发的标准V带传动设计专家系统(JDDES)、压力容器智能CAD系统等。这类智能系统常常只能解决定义良好、结构良好的常规问题，故称常规设计。

　　(2)联想设计

　　目前研究可分为两类：一类是利用工程中已有的设计事例，进行比较，获取现有设计的指导信息，这需要收集大量良好的、可对比的设计事例，对大多数问题是困难的；另一类是利用人工神经网络数值处理能力，从试验数据、计算数据中获得关于设计的隐含知识，以指导设计。这类设计借助于其他事例和设计数据，实现了对常规设计的一定突破，称为联想设计。

　　(3)进化设计

　　遗传算法(GA，即Geneticalgorithms)是一种借鉴生物界自然选择和自然进化机制的、高度并行的、随机的、自适应的搜索算法。20世纪80年代早期，遗传算法已在人工搜索、函数优化等方面得到广泛应用，并推广到计算机科学、机械工程等多个领域。进入20世纪90年代，遗传算法的研究在其基于种群进化的原理上，拓展出进化编程(EP，即Evolutionaryprogramming)、进化策略(ES,即Evolutionarystrategies)等方向，它们并称为进化计算(EC,即Evolutionarycomputation)。

　　进化计算使得智能设计拓展到进化设计，其特点是：

　　*设计方案或设计策略编码为基因串，形成设计样本的基因种群。

　　*设计方案评价函数决定种群中样本的优劣和进化方向。

　　*进化过程就是样本的繁殖、交叉和变异等过程。

　　进化设计对环境知识依赖很少，而且优良样本的交叉、变异往往是设计创新的源泉，所以在1996年举办的“设计中的人工智能”(Artificialinterlligenceindesign’96)国际会议上，M.A.Rosenman提出了设计中的进化模型，进而进化计算作为实现非常规设计的有利工具。

　　(1)原理方案智能设计

　　方案设计的结果将影响设计的全过程，对于降低成、提高质量和缩短设计周期等有至关重要的作用。原理方案设计是寻求原理解的过程，是实现产品创新的关键。原理方案设计的过程是总功能分析——功能分解——功能元(分功能)求解——局部解法组合——评价决策——最佳原理方案。按照这种设计方法，原理方案设计的核心归结为面向分功能的原理求解。面向通用分功能的设计目录能全面地描述分功能的要求和原理解，且隐含了从物理效应向原理解的映射，是智能原理方案设计系统的知识库初始文档。基于设计目录的方案设计智能系统，能够较好的实现概念设计的智能化。

　　(2)协同求解

　　ICAD应具有多种知识表示模式、多种推理决策机制和多个专家系统协同求解的功能，同时需把同理论相关的基于知识程序和方法的模型组成一个协同求解系统，在元级系统推理及调度程序的控制下协同工作，共同解决复杂的设计问题。

　　某一环节单一专家系统求解问题的能力，与其他环节的协调性和适应性常受到很大限制。为了拓宽专家系统解决问题的领域，或使一些互相关联的领域能用同一个系统来求解，就产生了所谓协同式专家系统的概念。在这种系统中，有多个专家系统协同合作，这就是协同式多专家系统。多专家系统协同求解的关键，是要工程设计领域内的专家之间相互联系与合作，并以此来进行问题求解。协同求解过程中信息传递的一致性原则与评价策略，是判断目前所从事的工作是否向着有利于总目标的方向进行。多专家系统协同求解，除在此过程中实现并行特征外，尚需开发具有实用意义的多专家系统协同问题求解的软件环境。

　　(3)知识获取、表达和专家系统技术

　　知识获取、表达和利用技术专家系统技术是ICAD的基础，其面向CAD应用的主要发展方向，可概括为：

　　*机器学习模式的研究，旨在解决知识获取、求精和结构化等问题。

　　*推理技术的深化，要有正、反向和双向推理流程控制模式的单调推理，又要把重点集中在非归纳、非单调和基于神经网络的推理等方面。

　　*综合的知识表达模式，即如何构造深层知识和浅层知识统一的多知识表结构。

　　*基于分布和并行思想求解结构体系的研究。

　　*黑板结构模型

　　黑板结构模型侧重于对问题整体的描述以及知识或经验的继承。这种问题求解模型是把设计求解过程看作是先产生一些部分解，再由部分解组合出满意解的过程。其核心是由知识源、全局数据库和控制结构三部分组成。全局数据库是问题求解状态信息的存放处，即黑板。将解决问题所需的知识划分成若干知识源，它们之间相互独立，需通过黑板进行通信、合作并求出问题的解。通过知识源改变黑板的内容，从而导出问题的解。在问题求解过程中所产生的部分解全部记录在黑板上。各知识源之间的通信和交互只通过黑板进行，黑板是公共可访问的。控制结构则按人的要求控制知识源与黑板之间的信息更换过程，选择执行相应的动作，完成调计问题的求解。黑板结构模型是一种通用的适于大空间解和复杂问题的求解模型。

　　(4)基于实例的推理(CBR)

　　CBR是一种新的推理和自学习方法，其核心精神是用过去成功的实例和经验来解决新问题。研究表明，设计人员通常依据以前的设计经验来完成当前的设计任务，并不是每次都从头开始，CBR的一般步骤为提出问题，找出相似实例，修改实例使之完全满足要求，将最终满意的方案作为新实例存处实例库中。CBR中最重要的支持是实例库，关键是实例的高效提取。

　　CBR的特点是对求解结果进行直接复用，而不用再次从头推导，从而提高了问题求解的效率。另外，过去求解成功或失败的经历可用于动态地指导当前的求解过程，并使之有效地取得成功，或使推理系统避免重犯已知的错误。

　　智能设计系统的关键技术包括：设计过程的再认识、设计知识表示、多专家系统协同技术、再设计与自学习机制、多种推理机制的综合应用、智能化人机接口等。

　　1)设计过程的再认识

　　智能设计系统的发展取决于对设计过程本身的理解。尽管人们在设计方法、设计程序和设计规律等方面进行了大量探索，但从计算机化的角度看，目前的设计方法学还远不能适应设计技术发展的需求，仍然需要探索适合于计算机处理的设计理论和设计模式。

　　2)设计知识表示

　　设计过程是一个非常复杂的过程，它涉及到多种不同类型知识的应用，因此单一知识表示方式不足以有效表达各种设计知识，如何建立有效的知识表示模型和有效的知识表示方式，始终是设计类专家系统成功的关键。

　　3)多专家系统协同技术

　　较复杂的设计过程一般可分解为若干个环节，每个环节对应一个专家系统，多个专家系统协同合作、信息共享，并利用模糊评价和人工神经网络等方法以有效解决设计过程多学科、多目标决策与优化难题。

　　4)再设计与自学习机制

　　当设计结果不能满足要求时，系统应该能够返回到相应的层次进行再设计，以完成局部和全局的重新设计任务。同时，可以采用归纳推理和类比推理等方法获得新的知识，总结经验，不断扩充知识库，并通过再学习达到自我完善。

　　5)多种推理机制的综合应用

　　智能设计系统中，除了演绎推理外，还应该包括归纳推理、基于实例的类比推理、各种基于不完全知识的模糊逻辑推理方式等。上述推理方式的综合应用，可以博采众长，更好地实现设计系统的智能化。

　　6)智能化人机接口

　　良好的人机接口对智能设计系统是十分必要的，对于复杂的设计任务以及设计过程中的某些决策活动，在设计专家的参与下，可以得到更好的设计效果，从而充分发挥人与计算机各自的长处。

　　智能设计的产生可以追溯到专家系统技术最初应用的时期，其初始形态都采用了单一知识领域的符号推理技术——设计型专家系统，这对于设计自动化技术从信息处理自动化走向知识处理自动化有着重要意义，但设计型专家系统仅仅是为解决设计中某些困难问题的局部需要而产生的，只是智能设计的初级阶段。

　　近10年来，CIMS的迅速发展向智能设计提出了新的挑战。在CIMS这样的环境下，产品设计作为企业生产的关键性环节，其重要性更加突出，为了从根本上强化企业对市场需求的快速反应能力和竞争能力，人们对设计自动化提出了更高的要求，在计算机提供知识处理自动化(这可由设计型专家系统完成)的基础上，实现决策自动化，即帮助人类设计专家在设计活动中进行决策。需要指出的是，这里所说的决策自动化决不是排斥人类专家的自动化。恰恰相反，在大规模的集成环境下，人在系统中扮演的角色将更加重要。人类专家将永远是系统中最有创造性的知识源和关键性的决策者。因此，CIMS这样的复杂巨系统必定是人机结合的集成化智能系统。与此相适应，面向CIMS的智能设计走向了智能设计的高级阶段——人机智能化设计系统。虽然它也需要采用专家系统技术，但只是将其作为自身的技术基础之一，与设计型专家系统之间存在着根本的区别。

　　设计型专家系统解决的核心问题是模式设计，方案设计可作为其典型代表。与设计型专家系统不同，人机智能化设计系统要解决的核心问题是创新设计，这是因为在CIMS这样的大规模知识集成环境中，设计活动涉及多领域和多学科的知识，其影响因素错综复杂。CIMS环境对设计活动的柔性提出了更高要求，很难抽象出有限的稳态模式。换言之，即使存在设计模式的自豪感，设计模式也是千变万化，几乎难以穷尽。这样的设计活动必定更多地带有创新色彩，因此创新设计是人机智能化设计系统的核心所在。

　　设计型专家系统与人机智能化设计系统在内核上存在差异，由此可派生出两者在其他方面的不同点，例如，设计型专家系统一般只解决某一领域的特定问题，比较孤立和封闭，难以与其他知识系统集成，而人机智能化设计系统面向整个设计过程，是一种开放的体系结构。

　　智能设计的发展与CAD的发展联系在一起，在CAD发展的不同阶段，设计活动中智能部分的承担者是不同的。传统CAD系统只能处理计算型工作，设计智能活动是由人类专家完成的。在ICAD阶段，智能活动由设计型专家系统完成，但由于采用单一领域符号推理技术的专家系统求解问题能力的局限，设计对象(产品)的规模和复杂性都受到限制，这样ICAD系统完成的产品设计主要还是常规设计，不过借助于计算机机支持，设计的效率大大提高。而在面向CIMS的ICAD，即I3CAD阶段，由于集成化和开放性的要求，智能活动由人机共同承担，这就是人机智能化设计系统，它不仅可以胜任常规设计，而且还可支持创新设计。因此，人机智能化设计系统是针对大规模复杂产品设计的软件系统，它是面向集成的决策自动化，是高级的设计自动化。