1．摘要

在计算机科学领域， 一个最有意义， 也是空前困难的挑战性问题就是对人类智能的模拟。计算智能三借助现代计算工具模拟人的智能机制，生命演化和人工智能行为而进行的信息获取、处理(求解问题)、利用的理论和方法。它是人工智能的深化和发展。如果说人工智能是以知识库为基础、那么计算智能则是以模型为基础、以分步、并行、仿生计算为特征含数据、算法和实现的信息系统。前者强调规则的形式和表示，后者强调模型的建立和构成；前者依赖专家知识，后者强调系统的自组织、自学习和自适应。

计算只能的三个主要分支是：人工神经网络，遗传算法，模糊逻辑。

2．关键词

计算智能；神经网络 ；遗传算法 ；模糊逻辑

3．计算智能的分支和应用

3.1 神经网络

人工神经网络系统是由大量简单的处理单元,即神经元广泛地连接而形成的复杂网络系统。在人工神经网络中, 计算是通过数据在网络中的流动来完成的。在数据的流动过程中, 每个神经元从与其连接的神经元处接收输入数据流, 对其进行处理以后, 再将结果以输出数据流的形式传送到与其连接的其它神经元中去。网络的拓扑结构和各神经元之间的连接权值Wi 是由相应的学习算法来确定的。算法不断地调整网络的结构和神经元之间的连接权值, 一直到神经网络产生所需要的输出为止。通过这个学习过程, 人工神经网络可以不断地从环境中自动地获取知识, 并将这些知识以网络结构和连接权值的形式存储于网络之中。

人工神经网络具有良好的自学习、自适应和自组织能力, 以及人规模并行、分布式信息存储和处理等特点, 这使得它非常适合于处理那些需要同时考虑多个因素的、不完整的、不准确的信息处理问题。目前, 人工神经网络已经受到学术界的高度重视, 并在众多领域得到了越来越广泛的应用。但应该看到, 在神经网络的设计过程中, 对各种参数的设置及网络结构的确定等都带有很强的经验性, 无完整的理论可循, 其规模也远未达到人脑所具有的上百亿个神经元的规模。而且, 人工神经网络是基于脑模型的, 它的研究受到脑科学研究成果的限制, 在没有对人脑的思维规律和认知过程有一个清楚的了解之前, 很难真正实现对人脑的模拟。

3.2 遗传算法

在几十亿年的进化过程中, 自然界中的生物体己经形成了一种优化自身结构的内在机制, 它们能够不断地从环境中学习, 以适应不断变化的环境。对于大多数生物体, 这个过程是通过自然选择和有性生殖来完成的。自然选择决定了群体中哪些个体能够存活并繁殖: 有性生殖保证了后代基因的混合与重组。进化计算受这种自然界进化过程的启发,它从模拟自然界的生物进化过程入手, 从基因的层次探寻人类某些智能行为发展和进化的规律, 以解决智能系统如何从环境中进行学习的问题。

进化计算的理论基础是达尔文的进化论, 它是计算机科学和生物遗传学相互结合渗透而形成的一种新的计算方法。进化计算采用简单的编码技术表示各种复杂的结构, 并通过对一组编码表示进行简单的遗传操作和优胜劣汰的自然选择策略来指导学习和确定搜索方向。通过对群体进行复制、杂交和变异等遗传操作来进行学术研究。进化算法可以在解空间的不同区域中对多个点进行搜索, 它能以很大的概率找到全局最优解而不易陷入局部最优情况。进化算法的基本结构如下：

{随机产生一个初始群体, 计算群体中每个个体的适应值;

while不满足终止准则do

{应用遗传操作( 复制、杂交、变异等) 产生下一代群体:计算群体中每个个体的适应值}}.

进化算法对待求解问题本身一无所知, 但只要给出了表示方案、适应函数、遗传算子、控制参数、终止准则等内容, 算法就可以按不依赖于问题本身的方式对未知空间进行有效的搜索, 最后找出问题的解。进化算法还具有简单、通用、稳健性强、适合于并行处理等特点, 及自组织、自适应、自学习等智能特性, 已被成功地应用到那些难以用传统的方法进行求解的复杂问题之中。特别是在系统识别、故障诊断、机器学习及神经网络设计等领域, 进化计算已经显示出它的魅力。然而, 作为一个新的、跨学科的研究课题, 进化计算的理论研究还有待进一步完善,其中包括基础理论、编码机制、控制参数的选择策略、收敛性分析等等。

3.3模糊逻辑

为了表示和处理现实世界中的许多不精确和不确定性, Zadeh于1965年提出了模糊集合理论。在模糊集合中, 集合的边界并不清晰, 集合成员的资格也不是肯定或否定, 它采用隶属函数来描述现象差异的中间过渡, 从而突破了古典集合中属于或不属于的绝对关系。在模糊集合中, 每个个体被分配一个值以表示它隶属于该集合的程度, 这个值反映的是该个体与模糊集合所表示的概念的相近似程度:隶属度越大, 属于该集合的程度也越大, 反之亦然。模糊系统以模糊集合理论、模糊逻辑推理为基础, 它试图从一个较高的层次模拟人脑表示和求解不精确知识的能力。在模糊系统中, 知识是以规则的形式存储的, 它采用一组模糊IF THEN规则来描述对象的特性, 并通过模糊逻辑推理来完成对不确定性问题的求解。模糊系统善于描述利用学科领域的知识, 具有较强的推理能力。近10多年来,模糊系统已被广泛地应用于专家系统、智能控制、故障诊断等领域, 并取得了一些令人振奋的成果。但它在模糊规则的自动提取及隶属函数的自动生成等问题上还需要做进一步的研究。

4．结束语

计算智能( CI) 作为一个新的名词, 其所包含的三个领域: 神经网络、模糊系统、进化计算的研究都已经取得广泛而深远的影响。但是计算智能可以使三者融合成为一个有机的整体, 从而可实现优势互补, 这样融合后的系统将比单一技术更加有效, 并且能够取得更大的成果。新兴的计算智能拓展了传统的计算模式和智能理论, 适用于无法用数学模型精确描述的复杂系统, 在机械工程领域得到越来越广泛的应用, 取得了一定的效果。但是, 计算智能在理论和实际应用中仍存在着许多不足之处( 比如神经网络的学习问题等) , 制约着计算智能的实用性, 其改善还有待于广大研究人员进一步的努力。

参考文献

[1]  张立明. 人工神经网络的模型及其应用[M]. 上海: 复旦大学出版社, 1993.

[2]  阎平凡, 等. 人工神经网络与模糊进化计算[M]. 北京: 清华大学出版社。

[3]  陈国良, 等. 遗传算法与应用[M]. 北京: 人民邮电出版社。