计算智能（一）

         计算智能

什么是计算智能，它与传统的人工智能有何区别？

第一个对计算智能的定义是由贝兹德克（Bezdek）于1992年提出的。他认为，计算智能取决于制造者提供的数值数据，不依赖于知识；另一方面，人工智能应用知识精品。人工神经网络应当称为计算神经网络。

       把神经网络（NN）归类于人工智能（AI）可能不大合适，而归类于计算智能（CI）更能说明问题实质。进化计算、人工生命和模糊逻辑系统的某些课题，也都归类于计算智能

 

贝兹德克对这些相关术语给予一定的符号和简要说明或定义。他给出有趣的ABC：

　　A－Artificial，表示人工的（非生物的），即人造的

　　B－Biological，表示物理的＋化学的＋(??)＝生物的

　　C－Computational，表示数学＋计算机

下图表示ABC及其与神经网络（NN）、模式识别（PR）和智能（I）之间的关系。

横向：NN->PR->I（神经网络->模式识别->智能）

纵向：C->A->B（数值的->符号的->生物的）

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。

    当一个系统只涉及数值（低层）数据，含有模式识别部分，不应用人工智能意义上的知识，而且能够呈现出：

　　（1）计算适应性；

　　（2）计算容错性；

　　（3）接近人的速度；

　　（4）误差率与人相近，

则该系统就是计算智能系统。

当一个智能计算系统以非数值方式加上知识（精品）值，即成为人工智能系统。

计算智能的分类：

计算智能主要包括三大部分

•   神经计算

       人工神经网络算法

• 模糊计算

       模糊逻辑

• 进化计算

    遗传算法（进化策略、进化规划）

    蚁群优化算法

     粒子群优化算法

       免疫算法

计算智能的特点：

智能性

包括算法的自适应性、自组织性，算法不依赖于问题本身的特点，具有通用性

  并行性

算法基本上是以群体协作的方式对问题进行优化求解，非常适合大规模并行处理

  健壮性

算法具有很好的容错性，同时对初始条件不敏感，能在不同条件下寻找最优解