人工智能研究的目标与内容之软计算是什么？

软计算通常包括人工神经网络计算、模糊计算和进化计算。一般来说，软计算多应用于缺乏足够的先验知识，只有一大堆相关的数据和记录的问题求解方面。

人工神经网络（Artificial Neural Network，ANN）是一种应用类似于大脑神经突触连接的结构进行信息处理的数学模型。

在这一模型中，大量的节点之间相互连接构成网络，即“神经网络”，以达到处理信息的目的。

人工神经网络模型及其学习算法曾经想利用数学来描述人工神经网络的动力学过程，从而建立相应的模型，然后在该模型的基础上，对于给定的学习样本，找出一种能以较快的速度和较高的精度调整神经元间互连权值，使系统达到稳定状态，满足学习要求的算法。

模糊计算处理的是模糊集合和逻辑连接符，旨在描述现实世界中类似人类处理的推理问题。模糊集合包含论域中的所有元素，而这些元素需要具有[0,1]区间的可变隶属度值。

模糊集合最初由美国加利福尼亚大学教授扎德（L.A.Zadeh）在系统理论中提出，后来又扩充并应用于专家系统中的近似计算。

进化计算是通过模拟自然界中生物进化机制进行搜索的一种算法，遗传算法（Genetic Algorithm，GA）是进化计算的典型代表。

遗传算法是一种随机算法，它是模拟生物进化中“优胜劣汰”自然法则的进化过程而设计的算法。

该算法模仿生物染色体中基因的选择、交叉和变异的自然进化过程，通过个体结构不断重组，形成一代代的新群体，最终收敛于近似优化解。

好啦，这次的分享就到这里，我们下期再见！欢迎在评论区补充和留言。