專利名稱：建立卷煙葉組配方維護混合專家系統的方法
技術領域：
本發明涉及一種智能配方維護系統的建立方法，具體是將自組織特征映射網絡、進化計算全局性優化方法、神經網絡專家系統方法與行業專家經驗有機結合，建立卷煙葉組配方維護的混合專家系統的方法。
背景技術：
在卷煙葉組配方維護中，行業專家關心的是，哪些替代煙葉與未被替換的煙葉組成新葉組后，仍能保持原標準葉組的風格、感官質量和煙氣含量指標。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成分，而且在吸煙過程中眾多的化學成分相互作用，刺激人的味覺、嗅覺、觸覺，產生感官評吸的各項指標，其關系極其復雜，僅僅憑人的經驗判斷，從地區、香型風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，不能保證新葉組的這兩大質量指標不超出標準葉組維護允許的波動范圍。
現代Kohonen網絡具有自組織特征映射功能，實現對輸入模式特征“聚類”，提取輸入數據中的重要特征或某種內在規律性。
又，進化計算是一種模擬達爾文進化論思想的全局性優化算法。其主要內容即遺傳算法。它以‘基因編碼’、‘遺傳’、‘變異’、‘雜交’、‘適應與自然選擇’、‘種群進化’等遺傳學與進化論思想為基礎，形成了一套迭代自適應概率性搜索與優化方法，比傳統的線性規劃方法搜索范圍更大，得到最佳或滿意解的可能性更大。

發明內容
本發明的目的在于克服已有技術的不足，以建立卷煙葉組配方維護混合專家系統。本方法一方面運用傳統人工智能專家系統方法，開發行業專家經驗及推理能力；另一方面又采用進化計算、Kohonen網絡自組織聚類及神經網絡專家系統方法，充分利用大量實際數據，發掘其內部知識，實現配方維護方案優化搜索；兩者有機結合，建立強有力的卷煙葉組配方維護混合專家系統。如圖1所示。本方法所建立的系統具有以下主要模塊。
1.Kohonen自組織特征映射模塊本方法利用Kohonen網絡自組織特征映射功能，實現對輸入模式特征“聚類”，提取輸入數據中的重要特征或某種內在規律性。
本系統中，“輸入模式特征”包括煙葉的理化、感官質量、煙氣指標數據，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。系統先根據行業專家經驗將煙葉樣本按風格分組；在煙葉的理化、感官質量、煙氣指標數據歸一化后，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、香氣量這些重要參數分配參與度0.9，次要參數分配參與度0.2。
Kohonen網絡根據歐氏距離相似性函數實現競爭學習，采用高斯(Gauss)鄰域函數關系調整網絡權重，其中學習率和鄰域寬度隨學習次數指數遞減，逐步調整各權重向量收斂到各類的中心向量。在多次實驗經驗基礎上，選取一組較好的初始網絡參數，提高指標參數細節區別的能力。
2.遺傳算法模塊進化計算是一種模擬達爾文進化論思想的全局性優化算法，其主要內容即遺傳算法。它以‘基因編碼’、‘遺傳’、‘變異’、‘雜交’、‘適應與自然選擇’、‘種群進化’等遺傳學與進化論思想為基礎，形成了一套迭代自適應概率性搜索與優化方法，比傳統的線性規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中煙葉比例的組合優化。其中，原標準葉組中保留(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‘基因編碼’；遺傳算法的‘適應度’值是用神經網絡預測模型計算得到，即新葉組與原葉組的感官質量指標、煙氣分析值之間均方誤差的倒數。
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混合專家系統的方法。該系統能明顯提高葉組配方維護的效率與精度，確保原標準葉組配方質量的穩定性，并能提高企業庫存管理、資源管理與信息化水平。


下面結合附圖進一步說明本發明。
圖1智能葉組配方維護系統的工作流程圖。
圖2智能葉組配方維護系統的使用管理圖。
圖3智能葉組配方維護系統的總體結構圖。
具體實施例方式
本發明用于建立智能葉組配方維護系統的流程如圖1與3所示，其步驟如下(1)首先根據行業專家經驗將樣本數據按風格分組，再依各組內煙葉的理化分析(包括氣相色譜分析)、感官評吸(感覺測試)、煙氣分析指標數據，通過Kohonen網絡自組織聚類，得到多類的煙葉集合；(2)選擇要維護的葉組配方名稱，查詢出原葉組的煙葉組成；(3)根據生產需要，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。用戶在此基礎上選擇用作替換的煙葉，加到備選煙葉中；(4)再根據被替換煙葉所屬大地區與出產年度，用戶在相近煙葉基礎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，添加煙葉的品種數一般應大于原被替換煙葉的品種數；(6)按照遺傳算法步驟，分別對各新葉組配方‘基因編碼’，構成若干配方方案‘種群’；系統用組成新葉組配方的各煙葉的理化分析指標算出新葉組的理化分析指標，調用卷煙評吸與煙氣指標的神經網絡預測模塊，計算每代‘個體’(各配方維護方案)的質量評價‘適應度’值；(7)進行‘遺傳操作’，在‘遺傳變異操作’中結合專家的經驗，加快搜索到最佳或滿意方案的速率；例如，每次調整葉組中煙葉比例的‘遺傳編碼’時，采用‘染色體變異’方法。根據經驗，‘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‘進化最大代’時間內，是否有質量評價‘適應度’值符合原配方要求的葉組，有則停止，否則循環至結束；(9)若運行過程結束有滿意結果，則系統輸出搜索到的最佳或滿意的配方維護方案，同時給出該方案的神經網絡模型預測的感官評吸和煙氣分析值；否則，提示沒有滿足配方維護要求的方案。
本方法所建立的智能配方維護系統的使用管理過程如圖2所示，其步驟如下(1)首先，按系統的用戶界面提示，用戶或技術人員選擇需維護的標準葉組配方名稱；(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、煙氣分析指標的數據；(3)指明該葉組配方中要替換的煙葉；(4)系統調用卷煙評吸與煙氣指標的神經網絡預測模塊，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)系統根據專家經驗推薦煙葉，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)系統調用遺傳算法模塊，進行配方維護方案搜索與優化，逐個新配方葉組通過神經網絡預測模塊完成感官評吸質量指標的評價，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系統的樣本數據，為行業專家提出的如下參數●理化分析指標總糖，總煙堿，還原糖，總氮，蛋白質，氯氣，鉀，施木克值，糖堿比，鉀氯比，氣相色譜分析成分；●感官評吸指標香型，香氣質，香氣量，濃度，勁頭，雜氣，刺激性，余味，燃燒性，灰分；●煙氣分析指標焦油，煙堿，CO綜上所述，本發明所建立的智能配方維護系統，既具有傳統專家系統的功能，以便更好地開發行業專家的經驗；又采用遺傳算法、神經網絡專家系統方法，從大量數據中提取知識，實現高效配方維護方案的優化搜索。這兩者有機結合，實現了高效的卷煙配方維護混合專家系統。
除以上所述內容外，隨著經驗知識積累，對煙葉成分科學分析的深入，以及計算智能與神經網絡技術的改進，對本系統的適當修改都為本發明的范圍。
權利要求
1.建立卷煙葉組配方維護混合專家系統的方法按先后步驟如下(1)先根據行業專家經驗將樣本數據按風格分組，再依各組內煙葉的理化分析、感官評吸、煙氣分析指標數據，通過Kohonen網絡自組織聚類，得到多類的煙葉集合；(2)選擇要維護的葉組配方名稱，查詢出原葉組的煙葉組成；(3)根據生產需要，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，用戶在此基礎上選擇用作替換的煙葉，加到備選煙葉中；(4)再根據被替換煙葉所屬大地區與出產年度，用戶在相近煙葉基礎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，添加煙葉的品種數一般應大于原被替換煙葉的品種數；(6)按照遺傳算法步驟，分別對各新葉組‘基因編碼’，構成配方方案‘種群’；系統用組成新葉組配方的各煙葉的理化分析指標算出新葉組的理化分析指標；調用已有的卷煙評吸與煙氣指標的神經網絡預測模塊，計算每代各配方維護方案‘個體’的質量評價‘適應度’值；(7)進行‘遺傳操作’，在‘遺傳變異操作’中結合專家經驗的規則推理，加快搜索到最佳或滿意配方的速率；(8)在‘進化最大代’時間內，是否有質量評價‘適應度’值符合原標準配方質量要求的葉組，有則停止，否則循環至結束；(9)若運行過程結束有滿意結果，則系統輸出搜索到的最佳或滿意配方維護方案，同時給出神經網絡模型預測的感官評吸和煙氣分析值；否則，提示沒有滿足配方維護要求的方案。
2.根據權利要求1所述方法的使用管理過程為(1)首先，按系統的用戶界面提示，用戶選擇需維護的標準葉組配方名稱；(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、煙氣指標的數據；(3)確定該葉組配方中要替換的煙葉；(4)系統從神經網絡知識庫中，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)系統根據專家經驗推薦煙葉，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)系統調用遺傳算法模塊，進行配方維護方案搜索與優化，逐步逐個通過神經網絡預測模型評價，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
本發明為建立卷煙葉組配方維護混合專家系統的方法。本發明將神經網絡專家系統、遺傳算法與傳統專家系統方法相結合，建立標準葉組配方維護的智能系統。該方法先根據行業專家經驗，將樣本數據按風格分組；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)、煙氣分析指標分類；基于同類煙葉的可替換性，結合專家經驗選擇煙葉，組成新葉組方案，并運用遺傳算法對葉組方案進行組合優化；調用卷煙評吸與煙氣指標的神經網絡預測模型，對葉組配方方案做出評價，最終推薦幾組滿足配方維護要求的方案。該方法將行業專家經驗、數據自組織聚類與神經網絡專家系統有機結合，能有效地實現葉組的標準配方維護、提高卷煙質量穩定性。
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 優先權日2003年2月25日
發明者丁香乾, 王現君, 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, 頤中煙草(集團)有限公司