2、智能系统：软计算技术的应用与解析

智能系统：软计算技术的应用与解析

1. 智能系统概述

随着人工智能、软计算等相关科学领域的发展，研究人员在处理复杂和不确定问题及系统时迎来了新的机遇与挑战。传统方法在面对这类问题时往往显得力不从心，因为它们更适用于数学定义明确、模型精确的问题，缺乏自主性和决策能力，难以在不确定和模糊的环境中提供有效的解决方案。

智能系统为解决这些复杂问题提供了新途径，它具有高度自主性、在不确定环境下的推理能力、以目标为导向的高效性能、高度抽象能力、多传感器数据融合能力以及在异构环境中的学习和适应能力等特点。其开发主要包括三个关键组件：知识获取与表示、推理和决策过程。

在描述非线性系统的输入 - 输出或因果关系时，有三种可能的知识或信息表示类型：定量分析模型、数据和启发式规则。当单一类型的信息无法提供关于系统行为的完整和充分知识时，就需要将这三种异构领域的信息结合起来，因此需要考虑不同的建模策略来捕捉不同类型的信息。

神经网络适合表示非线性系统的输入 - 输出关系，若有足够的数据，它可以通过训练提供输入和输出变量之间的合适映射。而启发式信息可以通过模糊逻辑以 if - then 规则的形式捕获，其中每个语言描述的不确定性或模糊性由隶属函数处理。通过组合这些模糊规则，可以构建类似于神经网络的模糊基函数网络。

需要智能控制和优化的系统示例包括发电厂及其分布式网络、军事指挥控制系统、空中交通控制系统、生物系统和制造系统等。

智能系统的开发活动分散在多个学科，通常基于专家系统或软计算技术，如模糊逻辑、神经网络和进化策略。专家系统编程技术在控制设计过程、过程监测和诊断方面的应用可能是智能系统中最先进的领域，但目前的应用使用手工制作的基于规则的算法，通常缺乏