第1期 涂序彦：再论广义智能系统工程” 9。 SOM自组织模型(selforgan izing model),如：基 可以对系统进行历史评估、现状分析与前景预测，如 于模型库的可组合可重构模型 图3所示 基于广义模型化”方法，作者开发了面向复杂 大系统的2种典型的广义模型： GISEp 历史评估 I)多层状态空间模型MLSS“多层状态空间” 模型(multi--layer state pace),简称MLSS,由各层的 GISA GISA. 现状分析 变粒度状态空间模型和纵向、横向关系模型组成，适 用于具有多级递阶结构的复杂大系统 2)多种广义算子模型MKG0.“多种广义算子” 前景预测 模型(multi-kind generalized operators),简称MKGO, GISF 由多种广义算子、多种联接方式组成，适用于具有多 段流程结构的复杂大系统 图3广义智能系统分析 这里，可以将广义模型化”方法应用于“系统 Fig 3 Analysis of generalized intelligent systams 工程建模，研究开发广义智能系统模型，如式(6) 在图(3)中： 所示： 1)广义智能系统历史评估GSE.采用广义智 GM+SE→GIM (6) 能系统历史评估GSE的方法和技术，如：案例推 式(6)表示：在广义模型”GM与系统工程SE相结 理、数据挖掘、知识发现、统计回归、机器学习等.对 合的基础上，研究开发广义智能系统模型”GSM 系统的性能、行为、功能、结构、效益和问题进行历史 例如：研究开发面向广义智能系统工程”GSE 评估 的集成广义模型IGM、智能广义模型GM,适用于 2)广义智能系统现状分析GS4。.采用广义智 复杂大系统工程的“多层状态空间糢型MLSS、“多 能系统现状分析GS4.方法和技术，如：多层状态空 种广义算子模型MKGO 间、多种广义算法、情景树、有限状态机、peti网等. 对系统当前运行性能、行为、功能、结构、效益和问题 4广义智能系统分析” 进行现状分析 基于广义智能系统模型”GSM,在“广义人工 3)广义智能系统前景预测GSF采用广义智 智能”GAI与系统分析SA(systems analysis))相结合 能系统前景预测GSF:方法和技术，如：统计预测、 的基础上，可研究开发“广义智能系统分析”GS4 情景预测、贝叶斯网络、人工神经网络、专家系统等」 的方法和技术，如式(7)所示： 对系统未来发展进行前景预测 GAI+SA→GISA (7) 5广义智能系统综合 而“系统分析泡括：历史评估、现状分析、前景 预测等，如式(8)所示： 基于“广义智能系统模型”GSM,在广义人工智 SA =(SE,SA,SF). 8) 能GAI与系统综合SS(systems synthesis)相结合的 式中：S4系统分析，SE系统历史评估(sys 基础上，可研究开发广义智能系统综合”GSS的方 tems evaluation of history),SA.—系统现状分析 法和技术，如式(10)所示： (systems analysis of current),SF,—系统前景预测 GAI+SS→GISS (10) systems orecast of future). 而系统综合包括：系统优化、系统决策、系统规 由式(7)与式(8)可得式(9) 划等，如式(11)所示： GISA =GISE,GISA,GISFr). (9) SS ={SD SO,SP. (11) 式中：GS4广义智能系统分析，GSE广义 式中：SD系统决策（systems decision),SO 智能系统历史评估(GI systems evaluation of hist- 系统优化(systems opti ization),SP—系统规划 y),GSA。广义智能系统现状分析(GI systems systems p lann ing). analysis of current),GSF广义智能系统前景预 由式(10)与式(11)可得式(12)如下： (GI systems forecast of future). GISS =(GISD,GISO,GISP).(12) 采用广义智能系统分析GS4的方法和技术， 式中：GISD广义智能系统决策(GI systems deci- 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved http://www.cnki.netSOM———自组织模型 ( self2organizing model) ,如 :基 于模型库的可组合可重构模型. 基于“广义模型化 ”方法 ,作者开发了面向复杂 大系统的 2种典型的广义模型 : 1)多层状态空间模型 MLSS.“多层状态空间 ” 模型 (multi2layer state space) ,简称 MLSS,由各层的 変粒度状态空间模型和纵向、横向关系模型组成 ,适 用于具有多级递阶结构的复杂大系统. 2)多种广义算子模型 MKGO.“多种广义算子 ” 模型 (multi2kind generalized operators) ,简称 MKGO, 由多种广义算子、多种联接方式组成 ,适用于具有多 段流程结构的复杂大系统. 这里 ,可以将“广义模型化 ”方法应用于“系统 工程 ”建模 ,研究开发广义智能系统模型 ,如式 ( 6) 所示 : GM + SE → GISM. (6) 式 (6)表示 :在“广义模型 ”GM与系统工程 SE相结 合的基础上 ,研究开发“广义智能系统模型 ”GISM. 例如 :研究开发面向“广义智能系统工程 ”GISE 的集成广义模型 Ig GM、智能广义模型 Il GM,适用于 复杂大系统工程的“多层状态空间 ”模型 MLSS、“多 种广义算子 ”模型 MKGO. 4 “广义智能系统分析 ” 基于“广义智能系统模型 ”GISM,在“广义人工 智能 ”GA I与系统分析 SA ( system s analysis)相结合 的基础上 ,可研究开发“广义智能系统分析 ”GISA 的方法和技术 ,如式 (7)所示 : GA I + SA → GISA. (7) 而“系统分析 ”包括 :历史评估、现状分析、前景 预测等 ,如式 (8)所示 : SA = {SEh , SAc , SFf }. (8) 式中 : SA———系统分析 , SEh ———系统历史评估 ( sys2 tem s evaluation of history) , SAc ———系统现状分析 ( system s analysis of current) , SFf ———系统前景预测 ( system s forecast of future). 由式 (7)与式 (8)可得式 (9). GISA = {GISEh , GISAc , GISFf }. (9) 式中 : GISA———广义智能系统分析 , GISEh ———广义 智能系统历史评估 ( GI system s evaluation of histo2 ry) , GISAc ———广义智能系统现状分析 ( GI system s analysis of current) , GISFf ———广义智能系统前景预 测 ( GI system s forecast of future). 采用广义智能系统分析 GISA 的方法和技术 , 可以对系统进行历史评估、现状分析与前景预测 ,如 图 3所示. 图 3 广义智能系统分析 Fig. 3 Analysis of generalized intelligent system s 在图 (3)中 : 1)广义智能系统历史评估 GISEh . 采用广义智 能系统历史评估 GISEh 的方法和技术 ,如 :案例推 理、数据挖掘、知识发现、统计回归、机器学习等. 对 系统的性能、行为、功能、结构、效益和问题进行历史 评估. 2)广义智能系统现状分析 GISAc . 采用广义智 能系统现状分析 GISAc 方法和技术 ,如 :多层状态空 间、多种广义算法、情景树、有限状态机、petri网等. 对系统当前运行性能、行为、功能、结构、效益和问题 进行现状分析. 3)广义智能系统前景预测 GISFf . 采用广义智 能系统前景预测 GISFf 方法和技术 ,如 :统计预测、 情景预测、贝叶斯网络、人工神经网络、专家系统等. 对系统未来发展进行前景预测. 5 “广义智能系统综合 ” 基于“广义智能系统模型 ”GISM,在广义人工智 能 GA I与系统综合 SS( system s synthesis)相结合的 基础上 ,可研究开发“广义智能系统综合 ”GISS的方 法和技术 ,如式 (10)所示 : GA I + SS → GISS. (10) 而系统综合包括 :系统优化、系统决策、系统规 划等 ,如式 (11)所示 : SS = {SD , SO, SP}. (11) 式中 : SD———系统决策 ( system s decision) , SO——— 系统优化 ( system s op tim ization ) , SP———系统规划 ( system s p lanning). 由式 (10)与式 (11)可得式 (12)如下 : GISS = {GISD, GISO, GISP}. (12) 式中 : GISD———广义智能系统决策 ( GI system s deci2 第 1期 涂序彦 :再论“广义智能系统工程 ” ·9· © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net