3 智能優(yōu)化方法
3.1 智能優(yōu)化方法的目標(biāo)
智能優(yōu)化方法，是智能管理方法中具有共性的關(guān)鍵技術(shù)。優(yōu)化是管理的核心,既是管理的目的，又是管理的手段。在管理活動(dòng)過程中的各個(gè)環(huán)節(jié)，如：規(guī)劃、決策、指揮、調(diào)度、協(xié)調(diào)等，都存在優(yōu)化問題。優(yōu)化的思想貫穿于管理話動(dòng)的全過程，優(yōu)化的方法應(yīng)用于管理活動(dòng)各方面。
現(xiàn)代化管理的主要目的和任務(wù)，就是實(shí)現(xiàn)最優(yōu)化管理。即在一定的約束條件下，取得管理效益的最優(yōu)化或次優(yōu)化。
傳統(tǒng)的最優(yōu)化方法主要是基于數(shù)學(xué)模型建立的，例如，包括基于代數(shù)方程（線性、非線性）模型、運(yùn)籌學(xué)線性規(guī)劃與非線性規(guī)劃等的靜態(tài)優(yōu)化方法；基于微分方程或差分方程模型與最優(yōu)控制理淪中的極大值原理及動(dòng)態(tài)規(guī)劃等的動(dòng)態(tài)優(yōu)化方法。由于數(shù)學(xué)模型的描述能力和求解方法存在著局限性，使傳統(tǒng)的最優(yōu)化方法在工程中的實(shí)際應(yīng)用受到了很大的限制。目前，仍存在井急待解決的主要問題如下：
?。?）人的因素
人是管理系統(tǒng)的第一重要因素，在優(yōu)化問題中,必須首先考慮人的因素。例如，在優(yōu)化目標(biāo)和約束條件中，如何符合國(guó)家政策、貫徹領(lǐng)導(dǎo)意圖、符合業(yè)主需求？又如何考慮人的文化技術(shù)素質(zhì)與民俗？在優(yōu)化方法中，如何發(fā)揮專家和“智囊團(tuán)”的作用？如何利用管理人員的寶貴工作經(jīng)驗(yàn)等等。
（2）多目標(biāo)問題
實(shí)際管理系統(tǒng)的優(yōu)化，往往是多目標(biāo)的。例如，優(yōu)質(zhì)、高產(chǎn)、低耗、節(jié)能、少污染等目標(biāo)之間通常是存在矛盾的，我們的任務(wù)是如何正確處理這些矛眉，以求得多目標(biāo)優(yōu)化問題的滿意解。
?。?）局部解問題
復(fù)雜的優(yōu)化問題可能存在多個(gè)解。其中，往往有若干個(gè)具有局部極大值或極小值的局部解。智能優(yōu)化方法的任務(wù)是，如何避開或跳出局部解以求得所需的全局解。
(4)不確定性
管理活動(dòng)過程存在許多不確定性。例如，關(guān)系到人的思想、認(rèn)識(shí)、情緒、愛好、語言、行為等問題時(shí)均具有模糊性，是不能用確定性數(shù)學(xué)模型描述的。優(yōu)化的任務(wù)是：如何建立不確定系統(tǒng)的優(yōu)化模型，以求解不確定性優(yōu)化問題。
?。?）未確知性
由于人們的認(rèn)識(shí)能力與觀測(cè)手段的限制，即使客觀事物本身是確定性的，也未必能完全精確地認(rèn)識(shí)和了解。因而不可避免地存在數(shù)據(jù)的不精確、知識(shí)的不充分、信息的不完備等問題。上述“未確知性”導(dǎo)致建立精確數(shù)字模型與求精確解的困難。
(6)維數(shù)災(zāi)
即使能建立可用的數(shù)學(xué)模型，但由于系統(tǒng)的復(fù)雜性，將出現(xiàn)因狀態(tài)變量數(shù)目太多而導(dǎo)致的模型維數(shù)過高，或者由于存在非線性、變系數(shù)、變結(jié)構(gòu)、分布參數(shù)、非平穩(wěn)特性等復(fù)雜因素，導(dǎo)致優(yōu)化計(jì)算的工作量急劇上升，出現(xiàn)所謂“維數(shù)災(zāi)”、“組合爆炸”或“病態(tài)解”等現(xiàn)象，最終造成求最優(yōu)解的困難。
提出智能優(yōu)化的概念和方法，就是為了尋求解決上述問題的新途徑。智能優(yōu)化方法，實(shí)質(zhì)是人工智能的知識(shí)推理方法、人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法與運(yùn)籌學(xué)、控制理論的靜態(tài)、動(dòng)態(tài)優(yōu)化方法相結(jié)合的優(yōu)化方法。例如，啟發(fā)式線性規(guī)劃方法、啟發(fā)式動(dòng)態(tài)規(guī)劃方法、自學(xué)習(xí)非線性規(guī)劃方法。自學(xué)習(xí)優(yōu)化調(diào)度方法、自尋優(yōu)風(fēng)險(xiǎn)決策方法等。該類方法適用于智能建筑工程的全過程，已開始用于通信自動(dòng)化系統(tǒng)（CAS）、樓宇設(shè)備自動(dòng)控制系統(tǒng)（BAS）與辦公自動(dòng)化系統(tǒng)（OAS）。
3.2智能優(yōu)化方法的技術(shù)路線
為了解決上述優(yōu)化任務(wù)，在人工智能與運(yùn)籌學(xué)、控制理論、大系統(tǒng)理論等學(xué)科相結(jié)合的基礎(chǔ)上，提出了智能化方法（Intelligent Optimization Method，簡(jiǎn)稱IOM）。
智能優(yōu)化方法的基本思路在于：運(yùn)用人工智能、思維科學(xué)的啟發(fā)推理、學(xué)習(xí)訓(xùn)練、聯(lián)想識(shí)別與模糊邏輯等方法，并與運(yùn)籌學(xué)、控制理論及大系統(tǒng)理論中的靜態(tài)優(yōu)化、動(dòng)態(tài)優(yōu)化、多級(jí)優(yōu)化等方法相結(jié)合，以尋求解決包括人的因素、多目標(biāo)、局部解、不確定、未確知、維數(shù)災(zāi)等問題的集成新途徑。
(1)啟發(fā)優(yōu)化
運(yùn)用人工智能啟發(fā)推理、啟發(fā)程序設(shè)計(jì)等技術(shù)，將業(yè)主需求、領(lǐng)導(dǎo)意圖、人員素質(zhì)、員工福利等人的因素引入到優(yōu)化目標(biāo)和約束條件中；將專家的知識(shí)與經(jīng)驗(yàn)、邏輯思維的啟發(fā)信息等，用于優(yōu)化求解的推理和搜索過程，并與現(xiàn)有的優(yōu)化方法相結(jié)合，研究啟發(fā)優(yōu)化方法，從而提高求解的速度和效率，以有助于正確處理多目標(biāo)之間的矛盾，避開或跳出局部解，求得減少或延緩“維數(shù)災(zāi)”、“組合爆炸”和“病態(tài)解”，以求取滿意解、全局解。