计算智能(Computing Intelligence)
目录 |
计算智能是指以数据为基础，以计算为手段来建立功能上的联系（模型），而进行问题求解，以实现对智能的模拟和认识。也指用计算科学与技术模拟人的智能结构和行为。计算智能是强调通过计算的方法来实现生物内在的智能行为。
计算智能包括神经网络、模糊逻辑和进化计算.对神经网络、模糊逻辑的研究已有较长历史和较丰富的研究成果，而对进化计算的研究则相对较晚，并仍处在研究和应用的活跃期.
计算智能的研究内容包括人工神经网络、遗传算法、模糊逻辑、人工免疫系统、群体计算模型（ACO,PSO等）、支撑向量机、模拟退火算法、粗糙集理论与粒度计算、量子计算、DNA计算、智能代理模型等等。
计算智能的主要方法有人工神经网络、遗传算法、遗传程序、演化程序、局部搜索、模拟退火等等。这些方法具有以下共同的要素：自适应的结构、随机产生的或指定的初始状态、适应度的评测函数、修改结构的操作、系统状态存储器、终止计算的条件、指示结果的方法、控制过程的参数。计算智能的这些方法具有自学习、自组织、自适应的特征和简单、通用、鲁棒性强、适于并行处理的优点。
计算智能的主要应用领域有：模式识别、优化计算、经济预测、金融分析、智能控制、机器人学、数据挖掘、信息安全、医疗诊断等等。
算法：以计算理论、技术和工具研究对象模型的核心，它具有数值构造性、迭代性、收敛性、稳定性和实效性。
实验：对许多复杂问题，难以进行理论分析，数值实验和实验模拟成为越来越重要的研究手段，并获得了很大的成功（分叉、混沌、孤波等）。