邢立宁 研究员 新兴信息技术条件下 智能优化的若干发展趋势 国防科学技术大学 信息系统与管理学院 2015年6月14日.

Presentation on theme: "邢立宁 研究员 新兴信息技术条件下 智能优化的若干发展趋势 国防科学技术大学 信息系统与管理学院 2015年6月14日."— Presentation transcript:

1 邢立宁 研究员 新兴信息技术条件下 智能优化的若干发展趋势 国防科学技术大学 信息系统与管理学院 2015年6月14日

2 大数据环境下智能优化的发展趋势 物联网环境下智能优化的发展趋势 一 二 云计算环境下智能优化的发展趋势 三 移动互联环境下智能优化的发展趋势 四

3 大数据环境下智能优化的发展趋势 物联网环境下智能优化的发展趋势 一 二 云计算环境下智能优化的发展趋势 三 移动互联环境下智能优化的发展趋势 四

4 4 Face- book 社交网络 … 淘宝、 EBAY 电子商务 … 微博、 Apps 移动互联 … 互联网（社交、搜索、电商） 移动互联网（微博） 物联网（传感器，智慧地球） 车联网、GPS 医学影像、安全监控 金融（银行、股市、保险） 电信（通话、短信） 都在疯狂产生着数据 21 世纪是数据信息大发展的时代，移动互联、社交 网络、电子商务等极大拓展了互联网的边界和应用范围， 各种数据正在迅速膨胀并变大。

5 5 只有具备这些特点的数据才是大数据 体量Volume 多样性Variety 价值密度 Value 速度Velocity 非结构化数据的超大规模和增长 总数据量的 80~90% 比结构化数据增长快 10 倍到 50 倍 是传统数据仓库的 10 倍到 50 倍 非结构化数据的超大规模和增长 总数据量的 80~90% 比结构化数据增长快 10 倍到 50 倍 是传统数据仓库的 10 倍到 50 倍 大数据的异构和多样性 很多不同形式（文本、图像、视频、机器数据） 无模式或者模式不明显 不连贯的语法或句义 大数据的异构和多样性 很多不同形式（文本、图像、视频、机器数据） 无模式或者模式不明显 不连贯的语法或句义 大量的不相关信息 对未来趋势与模式的可预测分析 深度复杂分析（机器学习、人工智能） VS 传统商务智能 ( 咨询、报告等） 大量的不相关信息 对未来趋势与模式的可预测分析 深度复杂分析（机器学习、人工智能） VS 传统商务智能 ( 咨询、报告等） 实时分析而非批量式分析 数据输入、处理与丢弃 立竿见影而非事后见效 实时分析而非批量式分析 数据输入、处理与丢弃 立竿见影而非事后见效

6 6 大数据 挑战 数据 展现速度越来越慢； 农夫山泉数据量变得越来越大，分销表中数据基数大，增速快，数据 展现速度越来越慢； 数据运算速度越来越慢，已经让人无法忍受，影响业务的正常进行； 数据运算速度越来越慢，已经让人无法忍受，影响业务的正常进行； 数据更新慢， 数据更新慢，采用传统的 ETL( 数据抽取、转换、装载 ) ，农夫山泉的分 析系统数据基本上一天才能更新一次。 需求 能够应对海量数据的挑战，实现高效的逻辑运算、实时的数据分析以及 快速的数据展现的解决方案。 采用大数 据方案后 价值体现 实现了快速的数据展现 与原有商业智能报表展现方案相比，新方案数据展现速度快 25-30 倍 形成了强大逻辑计算能力 测试了 120 多张已经上线的报表，基本上速度提升 100 ～ 150 倍； SAP HANA 和 Business Objects 4.0 组合只用了 46 秒就完成原来需要 24 小时 才能完成的逻辑计算 实现了数据的实时、同步 HANA 使得数据从业务系统中转换到 HANA 中时基本上没有任何延迟 SAP HANA

7 7 1948 年辽沈战役开始之后，在东北野战军前线指挥 所里面，每天深夜都要进行例常的 “ 每日军情汇报 ” ：由 值班参谋读出下属各个纵队、师、团用电台报告的当日 战况和缴获情况。那几乎是重复着千篇一律的枯燥无味 的数据：每支部队歼敌多少、俘虏多少；缴获的火炮、 车辆多少、枪支、物资多少 …. 为什么缴获的短枪与长枪的比例比其它战斗略高 为什么缴获和击毁的小车与大车的比例比其它战斗略高 为什么俘虏和击毙的军官与士兵的比例比其它战斗略高

8 8 数据驱动（Data Driven）

9 9 Determination of anisotropic yield coefficients by a data- driven multi-objective evolutionary and genetic algorithm Evolutionary design of nickel-based superalloys using data- driven genetic algorithms and related strategies Data-driven Genetic algorithm in Bayesian estimation of the abrupt atmospheric contamination source Dynamic Data-Driven Genetic Algorithm for forest fire spread prediction Parallel dynamic data driven genetic algorithm for forest fire prediction Computational steering strategy to calibrate input variables in a dynamic data driven genetic algorithm for forest fire spread prediction Applying a dynamic data driven genetic algorithm to improve forest fire spread prediction

10 10

11 11 多源异构知识建模、挖掘、融合及其应用

12 12

13 13

14 14 大数据环境下智能优化的发展趋势 物联网环境下智能优化的发展趋势 一 二 云计算环境下智能优化的发展趋势 三 移动互联环境下智能优化的发展趋势 四

15 15 通过射频识别（ RFID ）、红外感应器、全球定位系统、激 光扫描器等信息传感设备，按约定协议把任何物品与互联 网相连接，进行信息交换和通信，以实现对物品的智能化 识别、定位、跟踪、监控和管理的一种网络

16 16 网络化 调度主体分布协同、 JIT 调度流程网络化 实时性 实时感知调度状态信息 快速响应调度 自主性 连续决策 自主规划调度 高动态 物联网动态自组织（ ad hoc ） 任务动态到达

17 17 “ 精细化农业 ”—— 大唐移动农业物联网解决方案 系统采用三层架构，分别是感知层、传输层、应用层 将现实世界的农业物理量实时并自动 的转化为虚拟世界可处理的数字化信 息或者数据，采集的信息主要有：传 感信息：如温度、湿度等；物品属性 信息：如名称、型号等；工作状态信 息：如仪器参数； 地理位置信息 将采集到大范围内的农业信息，通过 网络技术汇总、整合，以供处理。传 输层是农业物联网的神经中枢和大脑 信息传递和处理 将汇总信息进行分析和处理，对现实 世界的实时情况形成数字化的认知。 应用层是农业物联网的社会分工与农 业行业需求结合，实现广泛智能化

18 18

19 19 Model-based genetic algorithm optimization for fuel economy of Atkinson cycle engine Wind tunnel evaluation-based optimization for improvement of flow control by plasma actuator using kriging model-based genetic algorithm Application of a domain evolution model-based genetic algorithm on volatile oil recycling procedure of Chinese traditional medicine Model-based optimization of compressor mounting using genetic algorithms Latency detection in motor responses: A model-based approach with genetic algorithm optimization Multi-objective genetic algorithm based on a new model and analysis of its performance Machine cell formation using a mathematical model and a genetic-algorithm-based heuristic

20 20

21 21

22 22

23 23 组件式（Component-based）

24 24 可配置(Configurable) 算子推荐(Operators Recommendation) 组件式(Component-based) 可重构(Reconfigurable)

25 25 大数据环境下智能优化的发展趋势 物联网环境下智能优化的发展趋势 一 二 云计算环境下智能优化的发展趋势 三 移动互联环境下智能优化的发展趋势 四

26 26 蓝蓝的天上白云飘 如果数据是财富，那么大数据就是宝藏，而云计算就是 挖掘和利用宝藏的利器！没有强大的计算能力，数据宝 藏终究是镜中花；没有大数据的积淀，云计算也只能是 杀鸡用的宰牛刀！ 白云下面数据跑

27 27 云计算是为用户提供无限计算资源的商业服务，是 能够自我管理计算资源的系统平台，是应用服务按 需定制、易于扩展的软件架构。 并行计算分布式计算网格计算 CPU 运算资源 存储资源网络带宽

28 28 云计算的三种基本服务模式  IaaS ： Infrastructure as a Service ，基础设施 即服务。服务的提供者将计算机基础设施作为 计量服务提供给用户  PaaS ： Platform as a Service ，平台即服务。 服务的提供者将软件应用的开发环境、运行环 境等作为计量服务提供给用户  SaaS ： Software as a Service ，软件即服务。 服务的提供者将应用软件部署在服务器上，用 户根据需求通过互联网访问应用并获得服务 云计算体现了IT服务化的思想

29 29 软件是代码VS软件是服务

30 30 制造企业服务化  由物品提供者向服务提供者转变  从以生产产品为中心转向以提供服务为中心  提供“产成品+服务”的“包”  服务在整个“包”中居主导地位  企业和产品都处于服务之中

31 31 差异化定制  通过服务正反馈实现需求为导向的差异化定制  在服务过程中强调主动性服务  主动将客户引进产品制造、应用服务过程  主动发现顾客需求，展开针对性服务

32 32 大数据环境下智能优化的发展趋势 物联网环境下智能优化的发展趋势 一 二 云计算环境下智能优化的发展趋势 三 移动互联环境下智能优化的发展趋势 四

33 33 移动互联网 传统互联网 移动化 通信阶段 ① 打电话 ② 发短信 ③ 手机上网 ④ 生活应用 ⑤ 工作应用 手机QQ 新浪微博 手机音乐 珠海公共自行车 灵犀 珠海惠生活 移动OA 139邮箱 企业彩云 会务通 智能交通 移动互联网发展的 5 个层次 将移动通信和互联网二者合为一体

34 34 三个时期5个阶段基本能力支撑能力典型应用应用时间 移动互联网 工作应用 3G高速上网、 大屏幕、支持 客户端、4核 号码认证、移动定 位、二维码 移动OA、企业彩云、资 料云、统一通讯录、会 务通等 移动办公 时间 生活应用 支持客户端 号码认证、移动定 位、移动支付、二 维码 南航客户端、飞常准、 商家优惠券、影院在线 日常生活 时间 传统互联网 移动化 手机上网 手机具备上网 功能 高像素、摄像功能、 媒体播放 新闻浏览、手机游戏、 无线音乐、移动微博 碎片时间 通信阶段 发短信 短信编辑、转发、 存储 定时发送 打电话 号码存储、黑白 名单 主叫显示、来电提醒、呼 叫转移

35 35

36 36 群智  自我感知  在线协同  自主决策  柔性配置

37 37  相互影响的相邻的个体  个体的行为简单  既有竞争又有协作  智能化的集体行为  个体之间不仅可以交换信息而 且可以处理信息，根据信息来 改变自身行为  没有一个集中控制中心  作为群体协作工作时，能够突 显出非常复杂的行为特征

38 38 发展 趋势 数据 驱动 群智 面向 服务 组件 式 模型 驱动

39 39 敬请批评指正！