物流信息技术与应用 课件 8.项目八 智能分析与计算技术

——·IntelligentAnalysisandComputingTechnology·——INTELLIGENTLOGISTICS主讲教师：覃毅康智能分析与计算技术目录CONTENTS02人工智能技术应用03仿真模拟技术应用01云计算技术应用04边缘计算技术应用云计算技术应用PART01云计算发展方向云计算简单地说，就是简单的分布式计算，解决任务分发，并进行计算结果的合并。因此云计算要求具备有以下3种主要方向：弹性和灵活性：能根据实际需求快速调整其计算能力。成本效益和自动化：实行按需付费，无服务器计算，简化设施。安全性和全球性覆加盖：密数据，建设多个数据中心提高访问速度，确保可用性。云计算技术基础云计算技术基础包括硬件基础和网络技术基础。服务器与数据中心架构：是基础设施里的核心。存储设备：硬盘阵列、固态硬盘等。网络设备：负责数据之间的连接和传输，如：路由器、交换机等。硬件基础云计算技术基础云计算技术基础包括硬件基础和网络技术基础。网络技术基础计算机网络通信协议实现通信和数据交换的规则和约定数据通信技术传输数据的方法和技术云计算技术基础云计算技术基础包括硬件基础和网络技术基础。网络技术基础宽带技术一种数据传输技术卫星通信技术一种通过卫星传输数据和信息的技术云计算核心技术这是一种资源管理技术，是将计算机的各种实体资源予以抽象、划分、转换后呈现出来。虚拟化技术分布式技术是一种基于网络的计算机处理技术。分布式技术云安全通常包括两个方面的内涵：一是云计算安全，二是安全云。云安全技术人工智能技术应用PART02人工智能技术研究内容人工智能英文缩写为AI，是新一轮科技革命和产业变革的重要驱动力量。人工智能技术的主要研究内容有以下：是将现实世界中的信息、事实、概念等抽象化和形式化的过程。常见的人工智能知识表示方法有：语义网络表示和框架表示。知识表示语义网络表示框架表示人工智能技术研究内容是基于已知的信息和规则，通过逻辑推断或模型学习，从而得出新的结论、信息或解决问题的过程。知识推理人工智能技术研究内容通过传感器和设备使计算机系统能够感知和理解外部世界的能力。机器感知人工智能技术的技术基础人工智能技术的技术基础有以下：人工神经网络是一种仿造神经元运作的函数演算，能接受外界资信输入的刺激，且根据不同刺激影响的权重转换成输出的反应，或用以改变内部函数的权重结构，以适应不同环境的数学模型。人工神经网络人工智能技术研究内容又叫做人工智慧，它包括弱人工智慧和强人工智慧两部分。机器学习人工智能技术研究内容自然语言处理可先简单理解分为进、出计算机。从人类到计算机——让计算机把人类的语言转换成计算机可以处理的形式；从计算机回馈到人——将计算机所演算的成果转换成人类可以理解的语言表达出来。自然语言处理人工智能技术的研究范式人工智能技术的研究范式包括以下内容：又称逻辑主义、心理学派或计算机学派，是一种基于逻辑推理的智能模拟方法，认为人工智能源于数学逻辑，其主要是利用物理符号系统及有限合理性原理来实现人工智能。符号主义深蓝超级计算机人工智能技术的研究范式人工智能技术的研究范式包括以下内容：又称仿生学派或生理学派，是一种基于神经网络和网络间的连接机制与学习算法的智能模拟方法。连接主义强调智能活动是由大量简单单元通过复杂连接后，并行运行的结果，其基本思想是生物智能由神经网络产生，通过人工方式构造神经网络，再训练人工神经网络产生智能。连接主义DeepMind击败围棋冠军李世石人工智能技术的研究范式人工智能技术的研究范式包括以下内容：又称进化主义或控制论学派，是一种基于“感知—行动”的行为智能模拟方法，思想来源是进化论和控制论。其原理为控制论以及感知—动作型控制系统，该学派认为：智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理，不同的行为表现出不同的功能和不同的控制结构。行为主义六足行走机器人人工智能技术的实践与应用——智慧物流智慧物流是指通过智能软硬件、物联网、大数据、人工智能等智慧化技术手段，实现物流各环节精细化、动态化、可视化管理，提高物流系统智能化分析决策和自动化操作执行能力，提升物流运作效率的现代化物流模式。AGV仿真模拟技术应用PART03物理仿真（模拟仿真）仿真模拟技术研究类型物理仿真也称实体仿真。一般仿真的过程是以物理性质和几何形状相似为基础，其他性质不变的仿真，而物理仿真是在系统的物理模型上进行试验的技术。物理模型是用几何相似或物理类比方法建立的，它可以描述系统的内部特性，也可以描述试验所必需的环境条件。风洞试验半物理仿真（混合仿真）仿真模拟技术研究类型半物理仿真，又称为硬件在回路中的仿真（HardwareintheLoopSimulation），是指在仿真实验系统的仿真回路中接入部分实物的实时仿真。半物理仿真仿真模拟技术研究类型物理仿真技术支撑数学建模数值计算计算机科学图形学技术半物理仿真技术支撑物理建模传感器技术实时计算技术控制系统的理论和实践计算机仿真（数字仿真）技术支撑建模与仿真软件算法与数学方法数据处理和验证了解人工智能技术的基础是理解其工作原理的关键。这包括对底层算法、数据结构、数学模型等方面的理解，有助于揭示人工智能系统如何从数据中学习、推断和做出决策。仿真模拟技术的优缺点优点风险降低成本效益数据收集和分析教育和培训测试和优化缺点准确性和可靠性问题高成本和技术要求复杂性和时间消耗过度依赖道德和法律问题边缘计算技术应用PART04边缘计算技术发展相关模型边缘计算一种在物理上靠近数据源头的网络边缘检测，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务的计算模式。EdgeComputing简单点讲，边缘计算是将从终端采集到的数据，直接在靠近数据产生的本地设备或网络中进行分析，无须再将数据传输至云端数据处理中心。与云计算相比，边缘计算的主要优势在于实时性、低延迟和高可靠性。边缘计算解决了与有限带宽和延迟相关的问题，在一些应用中计算必须非常迅速地进行。边缘计算的发展意味着边缘人工智能变得越来越重要，尤其是在处理延迟和数据隐私方面。边缘计算技术发展相关模型在传统的数据库系统中，数据是以集中的方式存储和管理的。然而，随着互联网和大数据时代的到来，传统方法已经无法满足对海量数据存储和访问的需求。这时分布式数据库系统便应运而生。分布式数据库系统将数据分散存储在多台服务器上，并通过网络连接来实现数据的共享和访问。分布式数据库模型分布式数据库边缘计算技术发展相关模型服务器是网络中最容易受到攻击的节点，一旦海量地向服务器发出服务请求，就能导致服务器瘫痪，以致所有客户都不能得到服务响应，为了解决这种问题，就出现了对等计算（P2P）模型，也称为点对点或者端对端。对等计算模型对等计算模型边缘计算技术发展相关模型CDN的全称是ContentDeliveryNetwork，即内容分发网络。其基本思路是尽可能避开互联网上有可能影响数据传输速度和稳定性的瓶颈和环节，使内容传输得更快、更稳定。通过在网络各处放置节点服务器所构成的，在现有的互联网基础之上的一层智能虚拟网络，CDN系统能够实时地根据网络流量和各节点的连接、负载状况以及到用户的距离和响应时间等综合信息将用户的请求重新导向离用户最近的服务节点上。内容分发网络模型边缘计算技术发展相关模型传统的云计算是集中式的，也就是将数据，算力都集中在一起，从而为终端的用户提供服务。但是据估计，在不久的将来，数以百亿计的边缘设备将被部署，它们的处理器速度将按照摩尔定律呈指数增长。获取分布在网络边缘的大量空闲计算能力和存储空间，可以为移动设备执行计算密集型和延迟关键型任务提供足够的能力。移动边缘计算模型移动边缘计算边缘计算关键技术虚拟机（VirtualMachine，VM）技术是虚拟化技术的一种，所谓虚拟化技术就是将事物从一种形式转变成另一种形式，具体而言是指在一个宿主计算机体系结构上进行客户机各种操作系统模拟运行，对宿主计算机、客户机体系结构无明确要求，例如可以在一个x86计算机上运行基于ARM体系结构而不需要做任何修改的系统。虚拟机和容器典型的容器结构边缘计算关键技术（SoftwareDefinedNetwork，SDN）本质上是软件化物理网络，即像升级软件、安装软件一样去管理现有物理网络。如此一来，各种应用程序就可以快速部署到网络上。如果把现有的网络看成手机，那么SDN的目标就是做出一个网络界的Android系统，可以在手机上安装升级，同时还能安装更多、更强大的手机APP。软件定义网络SDN系统架构边缘计算关键技术内容分发网络（CDN）的目的是让用户能够更快速地得到请求的数据。简单来讲，CDN就是用来加速的，它能够让用户就近访问数据，这样就可以更快地获取到需要的数据。内容分发网络CDN工作过程边缘计算技术的硬件和软件基础边缘设备边缘计算的核心是在物理世界中的边缘设备上进行计算。这些设备可以包括传感器、嵌入式系统、智能终端、边缘服务器等。边缘网关边缘网关位于边缘设备和云之间，负责协调和管理设备与云端的通信。它可以处理一部分数据，执行简单的计算任务，并过滤掉一些不必要传输到云端的数据。边缘服务器在一些场景中，边缘服务器也被部署在边缘位置，提供更强大的计算和存储能力，以支持复杂的边缘应用。专用硬件加速器为了提高边缘设备的计算性能，一些场景可能会使用专用硬件加速器，如GPU、TPU等，用于加速机器学习和深度学习任务。硬件基础边缘计算技术的硬件和软件基础边缘操作系统专门设计用于边缘设备的操作系统，通常是轻量级的，以适应有限的资源，如Linux嵌入式系统、FreeRTOS等。边缘计算框架提供在边缘设备上进行分布式计算的框架，如OpenFaaS、AWSGreengrass、MicrosoftAzureIoTEdge等。这些框架支持将计算任务从云端移动到边缘，从而提高响应速度。边缘数据库为