[发明专利]一种目标驱动、基于遗传算法的自适应系统规划生成方法

权利要求书

1.一种目标驱动、基于遗传算法的自适应系统规划生成方法，其特征在于，包括以下步骤：

S1：基于图的自适应系统建模，包括系统结构建模和环境建模；

S2：基于步骤S1中的系统结构模型和环境模型，采用带标签有向结构表示，将两者模型转换为通用图模型--系统状态模型，表示系统和环境的当前状态；

S3：在步骤S2中系统状态模型的基础上，采用图变换规则对基于图的自适应系统的行为进行建模，获得系统行为模型；

S4：基于图的自适应系统建模包括面向图匹配的目标建模，目标模型中，从根目标开始，目标被递归精化，直至无法再精化，无法再精化的目标称为可观测目标，可被精化的目标则称为非可观测目标；可观测目标的满意度直接在系统运行时观测，非可观测目标的满意度依赖于其子目标的满意度；

S5：目标驱动的规划生成，基于遗传算法搜索机制，利用目标模型结构信息和语义信息驱动规划的生成；

所述步骤S4中，目标模型为一单源有向无环图，节点表示目标，目标包括父目标和子目标；

所述步骤S4中，Go表示目标模型中的观测目标集合，S表示自适应系统的状态集合态，将目标集合中的可观测目标组通过观测函数obs衡量可观测目标满意度，定义函数值在[0,1]区间，函数值为1表示需求被完全满足，函数值为0表示未满足，函数值在(0,1)间则表示部分满足；其中观测函数obs为

obs(g,s)＝v|vin[0,1]

其中，g∈Go，g为可观测目标，s∈S，s为自适应状态，v为满意度，其取值区间为[0,1]；

所述步骤S4中，通过目标满意度函数sat衡量非可观测目标的满意度，定义函数值在[0,1]区间，函数值为1表示需求被完全满足，函数值为0表示未满足，函数值在(0,1)间则表示部分满足；其中目标满意度函数sat为

其中，R代表目标之间的精化关系，g为可观测目标，g'为g的子目标，w代表精化关系到权重值之间的函数，∩代表与，∪代表或；

其中，自适应系统为智能房屋，

系统状态为灯的状态、房间的亮度、人的位置；

系统结构为灯，环境为房间亮度。

2.根据权利要求1所述的一种目标驱动、基于遗传算法的自适应系统规划生成方法，其特征在于，所述步骤S1中，环境是指系统无法控制、对系统功能和性能产生影响的因素。

3.根据权利要求1所述的一种目标驱动、基于遗传算法的自适应系统规划生成方法，其特征在于，所述步骤S2中，带有标签有向图结构：由节点和带标签边组成，其中节点表示实体和实体状态，边表示对象/状态间的关系，标签表示关系类型。

4.根据权利要求1所述的一种目标驱动、基于遗传算法的自适应系统规划生成方法，其特征在于，所述步骤S3中的图变换规则，是指从原始图像创建出新图的技术，采用图表示系统操作的前置条件和后置条件，通过参数化对行为进一步抽象，用图表示计算的当前状态，后续的计算则被表示为图变换规则。

5.根据权利要求1所述的一种目标驱动、基于遗传算法的自适应系统规划生成方法，其特征在于，所述步骤S5中，遗传算法包括选择、交叉和变异。