CN100421585C - 建立卷烟叶组配方维护混合专家系统的方法 - Google Patents
建立卷烟叶组配方维护混合专家系统的方法 Download PDFInfo
- Publication number
- CN100421585C CN100421585C CNB031118941A CN03111894A CN100421585C CN 100421585 C CN100421585 C CN 100421585C CN B031118941 A CNB031118941 A CN B031118941A CN 03111894 A CN03111894 A CN 03111894A CN 100421585 C CN100421585 C CN 100421585C
- Authority
- CN
- China
- Prior art keywords
- tobacco leaf
- group
- formulation
- tobacco
- expert system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Images
Abstract
本发明为建立卷烟叶组配方维护混合专家系统的方法。本发明将神经网络专家系统、遗传算法与传统专家系统方法相结合，建立标准叶组配方维护的智能系统。该方法先根据行业专家经验，将样本数据按风格分组；再用Kohonen自组织特征映射的聚类方法，按烟叶的理化分析、感官评吸(感觉测试)、烟气分析指标分类；基于同类烟叶的可替换性，结合专家经验选择烟叶，组成新叶组方案，并运用遗传算法对叶组方案进行组合优化；调用卷烟评吸与烟气指标的神经网络预测模型，对叶组配方方案做出评价，最终推荐几组满足配方维护要求的方案。该方法将行业专家经验、数据自组织聚类与神经网络专家系统有机结合，能有效地实现叶组的标准配方维护、提高卷烟质量稳定性。
Description
技术领域
本发明涉及一种智能配方维护系统的建立方法，具体是将自组织特征映射网络、进化计算全局性优化方法、神经网络专家系统方法与行业专家经验有机结合，建立卷烟叶组配方维护的混合专家系统的方法。
背景技术
在卷烟叶组配方维护中，行业专家关心的是，哪些替代烟叶与未被替换的烟叶组成新叶组后，仍能保持原标准叶组的风格、感官质量和烟气含量指标。就是说，要知道烟叶之间或小范围叶组组合间的相似性。由于烟叶包含几千种化学成分，而且在吸烟过程中众多的化学成分相互作用，刺激人的味觉、嗅觉、触觉，产生感官评吸的各项指标，其关系极其复杂，仅仅凭人的经验判断，从地区、香型风格等较少的因素考虑，不能完全均衡感官评吸(即感觉测试)和烟气分析各项指标，不能保证新叶组的这两大质量指标不超出标准叶组维护允许的波动范围。
现代Kohonen网络具有自组织特征映射功能，实现对输入模式特征“聚类”，提取输入数据中的重要特征或某种内在规律性。
又，进化计算是一种模拟达尔文进化论思想的全局性优化算法。其主要内容即遗传算法。它以‘基因编码’、‘遗传’、‘变异’、‘杂交’、‘适应与自然选择’、‘种群进化’等遗传学与进化论思想为基础，形成了一套迭代自适应概率性搜索与优化方法，比传统的线性规划方法搜索范围更大，得到最佳或满意解的可能性更大。
发明内容
本发明的目的在于克服已有技术的不足，以建立卷烟叶组配方维护混合专家系统。本方法一方面运用传统人工智能专家系统方法，开发行业专家经验及推理能力；另一方面又采用进化计算、Kohonen网络自组织聚类及神经网络专家系统方法，充分利用大量实际数据，发掘其内部知识，实现配方维护方案优化搜索；两者有机结合，建立强有力的卷烟叶组配方维护混合专家系统。如图1所示。本方法所建立的系统具有以下主要模块。
1.Kohonen自组织特征映射模块
本方法利用Kohonen网络自组织特征映射功能，实现对输入模式特征“聚类”，提取输入数据中的重要特征或某种内在规律性。
本系统中，“输入模式特征”包括烟叶的理化、感官质量、烟气指标数据，即烟叶的类特征量。同类烟叶具有可替换性，可用作烟叶替换集合。系统先根据行业专家经验将烟叶样本按风格分组；在烟叶的理化、感官质量、烟气指标数据归一化后，依属性重要性的不同分配不同的‘聚类参与度’。例如，糖碱比、施木克值、钾氯比、香气质、香气量这些重要参数分配参与度0.9，次要参数分配参与度0.2。
Kohonen网络根据欧氏距离相似性函数实现竞争学习，采用高斯(Gauss)邻域函数关系调整网络权重，其中学习率和邻域宽度随学习次数指数递减，逐步调整各权重向量收敛到各类的中心向量。在多次实验经验基础上，选取一组较好的初始网络参数，提高指标参数细节区别的能力。
2.遗传算法模块
进化计算是一种模拟达尔文进化论思想的全局性优化算法，其主要内容即遗传算法。它以‘基因编码’、‘遗传’、‘变异’、‘杂交’、‘适应与自然选择’、‘种群进化’等遗传学与进化论思想为基础，形成了一套迭代自适应概率性搜索与优化方法，比传统的线性规划方法搜索范围更大，得到最佳或满意解的可能性更大。
本方法运用遗传算法完成叶组配方维护中烟叶比例的组合优化。其中，原标准叶组中保留(即不被替换的)烟叶，加上备选替代烟叶，共同组成多个新叶组配方方案，称为‘种群’，采用实数‘基因编码’；遗传算法的‘适应度’值是用神经网络预测模型计算得到，即新叶组与原叶组的感官质量指标、烟气分析值之间均方误差的倒数。
实践证明，本方法是一种行之有效的建立卷烟叶组配方维护混合专家系统的方法。该系统能明显提高叶组配方维护的效率与精度，确保原标准叶组配方质量的稳定性，并能提高企业库存管理、资源管理与信息化水平。
附图说明
下面结合附图进一步说明本发明。
图1智能叶组配方维护系统的工作流程图。
图2智能叶组配方维护系统的使用管理图。
图3智能叶组配方维护系统的总体结构图。
具体实施方式
本发明用于建立智能叶组配方维护系统的流程如图1与3所示，其步骤如下：
(1)首先根据行业专家经验将样本数据按风格分组，再依各组内烟叶的理化分析(包括气相色谱分析)、感官评吸(感觉测试)、烟气分析指标数据，通过Kohonen网络自组织聚类，得到多类的烟叶集合；
(2)选择要维护的叶组配方名称，查询出原叶组的烟叶组成；
(3)根据生产需要，确定叶组中要替换的烟叶，读取每个被替换烟叶所属各类集合的信息，推荐给用户。用户在此基础上选择用作替换的烟叶，加到备选烟叶中；
(4)再根据被替换烟叶所属大地区与出产年度，用户在相近烟叶基础上选择可用作替换的烟叶，添加到备选烟叶中；
(5)将原叶组未被替换的烟叶与备选烟叶按一定顺序组合成若干新叶组。各新叶组中，添加烟叶的品种数一般应大于原被替换烟叶的品种数；
(6)按照遗传算法步骤，分别对各新叶组配方‘基因编码’，构成若干配方方案‘种群’；系统用组成新叶组配方的各烟叶的理化分析指标算出新叶组的理化分析指标，调用卷烟评吸与烟气指标的神经网络预测模块，计算每代‘个体’(各配方维护方案)的质量评价‘适应度’值；
(7)进行‘遗传操作’，在‘遗传变异操作’中结合专家的经验，加快搜索到最佳或满意方案的速率；
例如，每次调整叶组中烟叶比例的‘遗传编码’时，采用‘染色体变异’方法。根据经验，‘基因位置’和‘基因值’的‘变异’两种情况的概率各为一半。其中，‘基因位置变异’是指：在一个‘染色体’中随机任意选择两个基因位，交换两个基因位的值；‘基因位值的变异’是指：在一个‘染色体’中随机任意选择两个基因位(即烟叶所占比例)值，其中某一种烟叶所占比例增加0.02，另一种烟叶所占比例减小0.02。
(8)在‘进化最大代’时间内，是否有质量评价‘适应度’值符合原配方要求的叶组，有则停止，否则循环至结束；
(9)若运行过程结束有满意结果，则系统输出搜索到的最佳或满意的配方维护方案，同时给出该方案的神经网络模型预测的感官评吸和烟气分析值；否则，提示没有满足配方维护要求的方案。
本方法所建立的智能配方维护系统的使用管理过程如图2所示，其步骤如下：
(1)首先，按系统的用户界面提示，用户或技术人员选择需维护的标准叶组配方名称；
(2)查询出此叶组配方的烟叶组成，及其基本属性、理化分析、感官评吸、烟气分析指标的数据；
(3)指明该叶组配方中要替换的烟叶；
(4)系统调用卷烟评吸与烟气指标的神经网络预测模块，读取各被替换烟叶同类的烟叶信息，供用户选择，并添加到备选替换烟叶集合中；
(5)系统根据专家经验推荐烟叶，用户再从中选择多种烟叶，并添加到备选替换烟叶集合中；
(6)系统调用遗传算法模块，进行配方维护方案搜索与优化，逐个新配方叶组通过神经网络预测模块完成感官评吸质量指标的评价，最终推荐多个满足要求的方案；
(7)与原叶组的各项属性对比，显示新叶组配方方案的性能。
本方法用于智能叶组配方维护系统的样本数据，为行业专家提出的如下参数：
●理化分析指标：总糖，总烟碱，还原糖，总氮，蛋白质，氯气，钾，施木克值，糖碱比，钾氯比，气相色谱分析成分；
●感官评吸指标：香型，香气质，香气量，浓度，劲头，杂气，刺激性，余味，燃烧性，灰分；
●烟气分析指标：焦油，烟碱，CO
综上所述，本发明所建立的智能配方维护系统，既具有传统专家系统的功能，以便更好地开发行业专家的经验；又采用遗传算法、神经网络专家系统方法，从大量数据中提取知识，实现高效配方维护方案的优化搜索。这两者有机结合，实现了高效的卷烟配方维护混合专家系统。
除以上所述内容外，随着经验知识积累，对烟叶成分科学分析的深入，以及计算智能与神经网络技术的改进，对本系统的适当修改都为本发明的范围。
Claims (2)
1. 建立卷烟叶组配方维护混合专家系统的方法按先后步骤如下：
(1)先根据行业专家经验将样本数据按风格分组，再依各组内烟叶的理化分析、感官评吸、烟气分析指标数据，通过Kohonen网络自组织聚类，得到多类的烟叶集合；
(2)选择要维护的叶组配方名称，查询出原叶组的烟叶组成；
(3)根据生产需要，确定叶组中要替换的烟叶，读取每个被替换烟叶所属各类集合的信息，推荐给用户，用户在此基础上选择用作替换的烟叶，加到备选烟叶中；
(4)再根据被替换烟叶所属大地区与出产年度，用户在相近烟叶基础上选择可用作替换的烟叶，添加到备选烟叶中：
(5)将原叶组未被替换的烟叶与备选烟叶按一定顺序组合成若干新叶组，各新叶组中，添加烟叶的品种数一般应大于原被替换烟叶的品种数；
(6)按照遗传算法步骤，分别对各新叶组‘基因编码’，构成配方方案‘种群’；系统用组成新叶组配方的各烟叶的理化分析指标算出新叶组的理化分析指标；调用己有的卷烟评吸与烟气指标的神经网络预测模块，计算每代各配方维护方案‘个体’的质量评价‘适应度’值；
(7)进行、‘遗传操作’，在‘遗传变异操作’中结合专家经验的规则推理，加快搜索到最佳或满意配方的速率；
(8)在‘进化最大代’时间内，是否有质量评价‘适应度’值符合原标准配方质量要求的叶组，有则停止，否则循环至结束；
(9)若运行过程结束有满意结果，则系统输出搜索到的最佳或满意配方维护方案，同时给出神经网络模型预测的感官评吸和烟气分析值；否则，提示没有满足配方维护要求的方案。
2. 根据权利要求1所述方法，其特征在于，该方法的使用管理过程为：
(1)首先，按系统的用户界面提示，用户选择需维护的标准叶组配方名称；
(2)查询出此叶组配方的烟叶组成，及其基本属性、理化、感官评吸、烟气指标的数据；
(3)确定该叶组配方中要替换的烟叶；
(4)系统从神经网络知识库中，读取各被替换烟叶同类的烟叶信息，供用户选择，并添加到备选替换烟叶集合中：
(5)系统根据专家经验推荐烟叶，用户再从中选择多种烟叶，并添加到备选替换烟叶集合中；
(6)系统调用遗传算法模块，进行配方维护方案搜索与优化，逐步逐个通过神经网络预测模型评价，最终推荐多个满足要求的方案；
(7)与原叶组的各项属性对比，显示新叶组配方方案的性能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB031118941A CN100421585C (zh) | 2003-02-25 | 2003-02-25 | 建立卷烟叶组配方维护混合专家系统的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB031118941A CN100421585C (zh) | 2003-02-25 | 2003-02-25 | 建立卷烟叶组配方维护混合专家系统的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN1524460A CN1524460A (zh) | 2004-09-01 |
| CN100421585C true CN100421585C (zh) | 2008-10-01 |
Family
ID=34283550
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNB031118941A Expired - Lifetime CN100421585C (zh) | 2003-02-25 | 2003-02-25 | 建立卷烟叶组配方维护混合专家系统的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN100421585C (zh) |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100444153C (zh) * | 2005-11-28 | 2008-12-17 | 颐中烟草(集团)有限公司 | 基于回归函数估计svm的卷烟内在质量指标评估方法 |
| CN100454290C (zh) * | 2005-11-28 | 2009-01-21 | 颐中烟草(集团)有限公司 | 卷烟感官质量定性指标评估方法 |
| CN100525658C (zh) * | 2006-04-24 | 2009-08-12 | 中国烟草总公司郑州烟草研究院 | 一种打叶复烤配方模块建立的方法 |
| CN101049181B (zh) * | 2007-05-14 | 2012-05-23 | 云南烟草科学研究院 | 制丝工艺中烟叶模块分析加工的方法 |
| CN101147623B (zh) * | 2007-10-12 | 2010-09-29 | 云南烟草科学研究院 | 卷烟辅料精益组合搭配方法 |
| CN101419207B (zh) * | 2008-10-27 | 2012-09-05 | 川渝中烟工业有限责任公司 | 烤烟烟气主要指标的预测方法 |
| CN102488309B (zh) * | 2011-12-16 | 2014-08-06 | 湖南中烟工业有限责任公司 | 一种智能配烟方法 |
| CN102799741B (zh) * | 2012-07-30 | 2015-01-21 | 中国海洋大学 | 基于遗传算法的初烤烟配方打叶优化设计方法 |
| CN103218746A (zh) * | 2013-04-25 | 2013-07-24 | 广东中烟工业有限责任公司 | 一种烟叶数据处理方法及资源处理器 |
| CN103330276B (zh) * | 2013-06-24 | 2015-12-02 | 云南烟草科学研究院 | 一种叶组配方中单体烟叶的替换方法 |
| CN103330279B (zh) * | 2013-06-24 | 2014-12-24 | 云南烟草科学研究院 | 一种配方梗中烟梗的替换方法 |
| CN104585856B (zh) * | 2014-12-18 | 2016-03-16 | 红云红河烟草(集团)有限责任公司 | 一种基于原料品质动态变化的烟叶分组方法 |
| CN105300921B (zh) * | 2015-10-10 | 2018-01-09 | 中国农业大学 | 一种烟叶配方的改良方法 |
| WO2018085643A1 (en) * | 2016-11-04 | 2018-05-11 | Google Llc | Mixture of experts neural networks |
| CN107341613B (zh) * | 2017-07-07 | 2021-05-25 | 云南中烟工业有限责任公司 | 一种辅助叶组配方平衡替换的方法 |
| CN109907351A (zh) * | 2019-03-21 | 2019-06-21 | 杭州电子科技大学 | 一种基于混合协同过滤的卷烟配方维护方法及系统 |
| CN110250553A (zh) * | 2019-06-25 | 2019-09-20 | 红云红河烟草(集团)有限责任公司 | 一种维持卷烟烟丝质量稳定的配方替换方法 |
| CN110269269B (zh) * | 2019-06-25 | 2021-07-27 | 红云红河烟草(集团)有限责任公司 | 一种维持卷烟烟丝质量稳定的配方自动替换方法 |
| CN110432539B (zh) * | 2019-08-06 | 2022-01-11 | 河南中烟工业有限责任公司 | 一种卷烟原料余缺替代方法 |
| CN112395553A (zh) * | 2019-08-16 | 2021-02-23 | 湖南中烟工业有限责任公司 | 一种基于经验配方网络游走模型的数字化调香方法 |
| CN110751989B (zh) * | 2019-10-09 | 2022-02-11 | 深圳市远光宙科技有限公司 | 护肤品配方研制方法及系统 |
| CN114304698B (zh) * | 2022-01-24 | 2023-02-28 | 红云红河烟草(集团)有限责任公司 | 一种打叶复烤分切打叶物料混合的动态比例掺配方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1359646A (zh) * | 2000-12-21 | 2002-07-24 | 青岛海洋大学 | 建立卷烟感官质量评价的模糊—神经网络专家系统的方法 |
-
2003
- 2003-02-25 CN CNB031118941A patent/CN100421585C/zh not_active Expired - Lifetime
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1359646A (zh) * | 2000-12-21 | 2002-07-24 | 青岛海洋大学 | 建立卷烟感官质量评价的模糊—神经网络专家系统的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN1524460A (zh) | 2004-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100421585C (zh) | 建立卷烟叶组配方维护混合专家系统的方法 | |
| Höppner et al. | Profit driven decision trees for churn prediction | |
| CN111428147B (zh) | 结合社交和兴趣信息的异源图卷积网络的社交推荐方法 | |
| Cordón et al. | MOGUL: A methodology to obtain genetic fuzzy rule‐based systems under the iterative rule learning approach | |
| Haupt et al. | Practical genetic algorithms | |
| Coello | Evolutionary algorithms for solving multi-objective problems | |
| Michalewicz | Heuristic methods for evolutionary computation techniques | |
| CN103984721B (zh) | 基于交互式进化优化的图书个性化搜索方法 | |
| Harrison | Resource allocation and agrarian class formation: the problem of social mobility among Russian peasant households, 1880–1930 | |
| CN109741120B (zh) | 用于用户需求的产品深度个性化定制方法 | |
| CN100421586C (zh) | 建立卷烟叶组配方设计的混合专家系统的方法 | |
| CN101419454B (zh) | 基于人工免疫方法的卷烟叶组配方维护方法 | |
| Buditjahjanto et al. | An intelligent decision support based on a subtractive clustering and fuzzy inference system for multiobjective optimization problem in serious game | |
| CN102163249B (zh) | 用于窗帘设计的交互式进化优化方法 | |
| Dodangeh et al. | Best project selection by using of Group TOPSIS method | |
| CN112734510A (zh) | 基于融合改进模糊聚类和兴趣衰减的商品推荐方法 | |
| Czajkowski et al. | Steering the interpretability of decision trees using lasso regression-an evolutionary perspective | |
| Cai | User preference adaptive fitness of interactive genetic algorithm based ceramic disk pattern generation method | |
| Ramasubramanian et al. | Strategies to assure optimal trade-offs among competing objectives for the genetic improvement of soybean | |
| Sasaki et al. | Portfolio optimization by fuzzy interactive genetic algorithm | |
| Furze et al. | Mathematical methods to quantify and characterise the primary elements of trophic systems | |
| Ducheyne | Multiple objective forest management using GIS and genetic optimisation techniques | |
| Sen et al. | Improved classification algorithm by minsup and minconf based on ID3 | |
| Salhi et al. | Population-Based Heuristics | |
| Laine | Agent-based model selection framework for complex adaptive systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CX01 | Expiry of patent term | ||
| CX01 | Expiry of patent term |
Granted publication date: 20081001 |