1．摘要
在電腦科學領域， 乙個最有意義， 也是空前困難的挑戰性問題就是對人類智慧型的模擬。計算智慧型三借助現代計算工具模擬人的智慧型機制，生命演化和人工智慧行為而進行的資訊獲取、處理（求解問題）、利用的理論和方法。它是人工智慧的深化和發展。如果說人工智慧是以知識庫為基礎、那麼計算智慧型則是以模型為基礎、以分步、並行、仿生計算為特徵含資料、演算法和實現的資訊系統。前者強調規則的形式和表示，後者強調模型的建立和構成；前者依賴專家知識，後者強調系統的自組織、自學習和自適應。
計算只能的三個主要分支是：人工神經網路，遺傳演算法，模糊邏輯。
計算智慧型；神經網路 ；遺傳演算法 ；模糊邏輯
3．計算智慧型的分支和應用
3.1 神經網路
人工神經網路系統是由大量簡單的處理單元,即神經元廣泛地連線而形成的複雜網路系統。在人工神經網路中, 計算是通過資料在網路中的流動來完成的。在資料的流動過程中, 每個神經元從與其連線的神經元處接收輸入資料流, 對其進行處理以後, 再將結果以輸出資料流的形式傳送到與其連線的其它神經元中去。網路的拓撲結構和各神經元之間的連線權值wi 是由相應的學習演算法來確定的。演算法不斷地調整網路的結構和神經元之間的連線權值, 一直到神經網路產生所需要的輸出為止。通過這個學習過程, 人工神經網路可以不斷地從環境中自動地獲取知識, 並將這些知識以網路結構和連線權值的形式儲存於網路之中。
人工神經網路具有良好的自學習、自適應和自組織能力, 以及人規模並行、分布式資訊儲存和處理等特點, 這使得它非常適合於處理那些需要同時考慮多個因素的、不完整的、不準確的資訊處理問題。目前, 人工神經網路已經受到學術界的高度重視, 並在眾多領域得到了越來越廣泛的應用。但應該看到, 在神經網路的設計過程中, 對各種引數的設定及網路結構的確定等都帶有很強的經驗性, 無完整的理論可循, 其規模也遠未達到人腦所具有的上百億個神經元的規模。而且, 人工神經網路是基於腦模型的, 它的研究受到腦科學研究成果的限制, 在沒有對人腦的思維規律和認知過程有乙個清楚的了解之前, 很難真正實現對人腦的模擬。
3.2 遺傳演算法
在幾十億年的進化過程中, 自然界中的生物體己經形成了一種優化自身結構的內在機制, 它們能夠不斷地從環境中學習, 以適應不斷變化的環境。對於大多數生物體, 這個過程是通過自然選擇和有性生殖來完成的。自然選擇決定了群體中哪些個體能夠存活並繁殖: 有性生殖保證了後代基因的混合與重組。進化計算受這種自然界進化過程的啟發,它從模擬自然界的生物進化過程入手, 從基因的層次探尋人類某些智慧型行為發展和進化的規律, 以解決智慧型系統如何從環境中進行學習的問題。
進化計算的理論基礎是達爾文的演化論, 它是電腦科學和生物遺傳學相互結合滲透而形成的一種新的計算方法。進化計算採用簡單的編碼技術表示各種複雜的結構, 並通過對一組編碼表示進行簡單的遺傳操作和優勝劣汰的自然選擇策略來指導學習和確定搜尋方向。通過對群體進行複製、雜交和變異等遺傳操作來進行學術研究。進化演算法可以在解空間的不同區域中對多個點進行搜尋, 它能以很大的概率找到全域性最優解而不易陷入區域性最優情況。進化演算法的基本結構如下： }.
進化演算法對待求解問題本身一無所知, 但只要給出了表示方案、適應函式、遺傳運算元、控制引數、終止準則等內容, 演算法就可以按不依賴於問題本身的方式對未知空間進行有效的搜尋, 最後找出問題的解。進化演算法還具有簡單、通用、穩健性強、適合於並行處理等特點, 及自組織、自適應、自學習等智慧型特性, 已被成功地應用到那些難以用傳統的方法進行求解的複雜問題之中。特別是在系統識別、故障診斷、機器學習及神經網路設計等領域, 進化計算已經顯示出它的魅力。然而, 作為乙個新的、跨學科的研究課題, 進化計算的理論研究還有待進一步完善,其中包括基礎理論、編碼機制、控制引數的選擇策略、收斂性分析等等。
3.3模糊邏輯
為了表示和處理現實世界中的許多不精確和不確定性, zadeh於2023年提出了模糊集合理論。在模糊集合中, 集合的邊界並不清晰, 集合成員的資格也不是肯定或否定, 它採用隸屬函式來描述現象差異的中間過渡, 從而突破了古典集合中屬於或不屬於的絕對關係。在模糊集合中, 每個個體被分配乙個值以表示它隸屬於該集合的程度, 這個值反映的是該個體與模糊集合所表示的概念的相近似程度:隸屬度越大, 屬於該集合的程度也越大, 反之亦然。模糊系統以模糊集合理論、模糊邏輯推理為基礎, 它試圖從乙個較高的層次模擬人腦表示和求解不精確知識的能力。在模糊系統中, 知識是以規則的形式儲存的, 它採用一組模糊if then規則來描述物件的特性, 並通過模糊邏輯推理來完成對不確定性問題的求解。模糊系統善於描述利用學科領域的知識, 具有較強的推理能力。近10多年來,模糊系統已被廣泛地應用於專家系統、智慧型控制、故障診斷等領域, 並取得了一些令人振奮的成果。但它在模糊規則的自動提取及隸屬函式的自動生成等問題上還需要做進一步的研究。
4．結束語
計算智慧型( ci) 作為乙個新的名詞, 其所包含的三個領域: 神經網路、模糊系統、進化計算的研究都已經取得廣泛而深遠的影響。但是計算智慧型可以使三者融合成為乙個有機的整體, 從而可實現優勢互補, 這樣融合後的系統將比單一技術更加有效, 並且能夠取得更大的成果。新興的計算智慧型拓展了傳統的計算模式和智慧型理論, 適用於無法用數學模型精確描述的複雜系統, 在機械工程領域得到越來越廣泛的應用, 取得了一定的效果。但是, 計算智慧型在理論和實際應用中仍存在著許多不足之處( 比如神經網路的學習問題等) , 制約著計算智慧型的實用性, 其改善還有待於廣大研究人員進一步的努力。
參考文獻
[1] 張立明. 人工神經網路的模型及其應用[m]. 上海: 復旦大學出版社, 1993.
[2] 閻平凡, 等. 人工神經網路與模糊進化計算[m]. 北京: 清華大學出版社。
[3] 陳國良, 等. 遺傳演算法與應用[m]. 北京: 人民郵電出版社。
商業智慧型的研究，主要集中在哪三個方面？
商業智慧型技術提供使企業迅速分析資料的技術和方法，包括收集 管理和分析資料，將這些資料轉化為有用的資訊，然後分發到企業各處。商業智慧型的研究主要集中在三個方面 支撐技術的研究 體系結構的研究 應用系統的研究。1 支撐技術的研究。商業智慧型是乙個跨學科領域，主要借助兩大學科的成果，一是計算機技術，其中...
雲計算建設，主要劃分為哪三個階段？
雲計算建設分為三個階段 基礎雲階段 平台雲階段 服務雲階段。企業首先需要將現有的資訊架構變成雲架構，即實現虛擬化的資料中心 然後，在這個基礎的雲架構上部署基礎軟體，也就是中介軟體，實現it資源平台化 第三步是在中介軟體平台雲的基礎上，實施部署面向業務的應用軟體，能夠為企業業務提供it服務。1 基礎雲...
關於領域邏輯的三個主要模式
領域模型 領域模型是一張物件 資料 業務規則 實體等 連線成的網。對於簡單領域模型，一般來說，乙個資料庫表對應乙個物件 複雜領域模型則由很多細粒度物件組成，通過繼承 策略和其他設計模式，模擬複雜的領域邏輯。複雜領域模型需要使用資料對映器。表模組 按照我自己的理解，表模組可以簡單看作通過一系列的類來模...