1、计算智能：理论、方法与应用

计算智能：理论、方法与应用

1. 计算智能概述

计算智能这一术语是在上世纪末由电气与电子工程师协会（IEEE）组织一系列重要会议后提出的，随后IEEE成立了计算智能协会。不过，它所涵盖的学科和问题早已存在。开发具备“智能”特性且可计算（而非仅停留在概念层面）的系统、设备、算法和技术的想法，可追溯到20世纪中叶甚至更早，这与“人工智能”密切相关。但如今，“人工智能”更多地与逻辑、认知、自然语言处理和归纳等方面联系在一起，而“计算智能”则朝着“受自然启发”的方向发展，作为传统计算方法的替代方案。

计算智能的主要组成部分包括：
- 模糊逻辑：一种更贴近人类推理方式的方法。
- 人工神经网络：模拟人类大脑的工作方式。
- 进化算法：模仿基于种群的基因进化过程。
- 基于上述方法的动态进化系统。

此外，一些研究领域如基于信念的Dempster - Shafer理论、混沌理论、群体和集体智能等也被视为计算智能的边缘领域。应用领域如模式识别、图像处理、商业和视频分析等也与计算智能紧密相关，一些接近统计学习的研究领域，如支持向量机、概率论、贝叶斯和马尔可夫模型等，有时也被纳入计算智能的范畴。

计算智能的主要目标是为现有理论和应用中的开放问题提供高效的计算解决方案，这些问题涉及对物理对象、环境或社会过程和现象的理解、表示、建模、可视化、推理、决策、预测、分类、分析和控制，而传统方法（主要是所谓的“第一原理”、确定性的，常以微分方程表示且基于质量和能量平衡）无法提供有效的或实用的解决方案。

计算智能的另一个特点是它提供的解决方案具有通常仅人类才具备的“智能”特征。例如，模糊逻辑系统能像人类一样做出决策，与确定性专家系统和