第1章 计算智能导论.ppt

进化计算是一种模拟自然界生物进化过程与机制进行问题求解的自组织、自适应的随机有哪些信誉好的足球投注网站技术。它以达尔文进化论的“物竟天择、适者生存”作为算法的进化规则，并结合孟德尔的遗传变异理论，将生物进化过程中的 繁殖（Reproduction） 变异（Mutation） 竞争（Competition） 选择（Selection），引入到了算法中。 white 0.5 green split_y root 进化算法的基础思想 基本思想：(美国密执安大学霍兰德教授1962提出)是使用模拟生物和人类进化的方法来求解复杂问题。它从初始种群出发，采用优胜略汰、适者生存的自然法则选择个体，并通过杂交、变异产生新一代种群，如此逐代进化，直到满足目标为止。 这些方法共同点：它是依靠生产者提供的数字,数据材料进行加工处理,而不是依赖于知识，具有较强的鲁棒性; 这些研究方法各自可以在某些特定方面起到特殊的作用，但是也存在一些固有的局限，将这些智能方法有机地融合起来进行研究，就能为建立一种统一的智能系统和优化方法提供基础。 这就是计算智能 计算智能 计算智能系统是在神经网络、模糊系统、进化计算三个分支发展相对成熟的基础上，通过相互之间的有机融合而形成的新的科学方法，也是智能理论和技术发展的崭新阶段。 这些不同的成员方法从表面上看各不相同，但实际上它们是紧密相关、互为补充和促进的。 近年来的研究发现:神经网络反映大脑思维的高层次结构;模糊系统模仿低层次的大脑结构；进化系统则与一个生物体种群的进化过程有着许多相似的特征。 92年,美国学者James首次提出:计算智能(CI)。它是依靠生产者提供的数字,数据材料进行加工处理,而不是依赖于知识;人工智能(Artificial Intelligence, AI)则是须用知识进行处理. 个人理解：采用各类软计算方法，主要是神经元网络、模糊逻辑和遗传进化算法等去模拟人类决策的一个新兴领域。 1994年6月，IEEE召开一次规模空前的CI大会，论文总数超过1600篇。CI中包含了许多基于数值的计算方法，这些方法在模拟人脑的联想、记忆、发散思维、非线性推理、模糊概念等传统AI难以胜任的方面表现优异，并受到人们的广泛关注。计算智能方法也得到越来越多学者的研究和完善，并与传统的AI技术互相交叉、取长补短，使得AI研究与应用呈现出向上的发展趋势。计算智能（CI，Computational Intelligence）作为人工智能新发展的主流地位就从自确定了。 计算智能 按照Bezdek（贝兹德克）的观点，计算智能是基于操作者提供的数据，而传统人工智能是基于“知识”。计算智能定义为：当一个系统仅仅处理底层的数据，具有模式识别的部分，并且不使用AI意义中的知识，那末这个系统便是计算智能系统。具有如下特点： 具有计算的适应性; 具有计算误差的容忍度; 接近人处理问题的速度; 近似人的误差率。 James在会议上阐述他的观点,智能有三个层次: 生物智能(Biological Intelligence, BI)。由脑的物理化学过程反映出来的, 脑智能的基础. 人工智能(Artificial Intelligence, AI) 是非生物的,人造的,常用符号来表示,AI的来源是人类知识的精华. 计算智能(Computational Intelligence, CI) 是由数学方法和计算机实现的,CI的来源数值计算的传感器. CNN CPR CI ANN APR AI BNN BPR BI 人类知识 (+)传感输入 知识 (+)传感数据 计算 (+)传感器 B~生物的 A~符号的 C~数值的 复杂性 复杂性 输入 层次 贝慈德克的智能的3个层次 从复杂性来看:BI AI CI ;从隶属关系来看 BI 包含AI 包含 CI。 AI是CI到BI的过渡,因为AI中除计算算法之外,还包括符号表示及数值信息处理.模糊集合和模糊逻辑是AI到CI的过渡. 也有些人认为CI不属于AI,仅有部分重合. AI:符号主义,知识,规则,推理. 左脑 CI:连接主义,数据,学习,记忆. 右脑 计算智能是一种智力方式的低层认知，它与人工智能的区别只是认知层次从中层下降至低层而已。中层系统含有知识（精品），低层系统则没有。 计算智能所包含的领域 人工神经网络(Artificial Neural Network, ANN)  模糊系统(Fuzzy System, FS) 进化计算(Evolution Computing, EC)  以自然界，特别是生物体的功能、特点和作用机理为