-
软计算
- 软计算(Soft Computing,SC)通过对不确定、不精确及不完全真值的容错以取得低代价的解决方案和 鲁棒性 。
目录
概述编辑
传统计算(
硬计算)的主要特征是严格、确定和精确。但是硬计算并不适合处理现实生活中的许多问题
,例如驾驶汽车。而软计算(Soft Computing,SC)通过对不确定、不精确及不完全真值的容错以取得低代价的解决方案和
鲁棒性。它模拟自然界中智能系统的
生化过程(人的感知、脑结构、进化和免疫等)来有效处理日常工作。软计算包括几种计算模式:
模糊逻辑、
人工神经网络、
遗传算法和混沌理论。这些模式是互补及相互配合的,因此在许多应用系统中组合使用。
软计算的概念编辑
软计算的宗旨是将这些技术相辅助、相融合地加以利用;
基于宽容性的概念,不强求高度的精确性及确定性,降低成本,易处理,具有
鲁棒性;
通过低精度的计算,解决精确的或不精确的模式化问题的一种新的计算方法。
发展历史编辑
1943年,McClulloch和Pitts发表神经元的
数学模型。
1965年,L. Zadeh提出
模糊逻辑理论。
1975年,J. Holland提出
遗传算法。
1975年,J. Yorke和T.Y. Li给出"混沌"的严格定义。
1991年,L. Zadeh指出
人工神经网络、模糊逻辑及遗传算法与传统计算模式的区别,将它们命名为软计算。
传统人工智能进行符号操作,这基于一种假设:人的智能存储在符号化的知识库中。但是符号化知识的获得和表达限制了人工智能的应用(即
符号主义的缺点)。一般的,软计算不进行太多的符号操作。因此,从某种意义上说,软计算是传统人工智能(TAI)的补充。传统的人工智能加上软计算就可成为
智能计算。
与传统的人工相比,软计算的特点编辑
1、不需要建立问题本身的精确数学或
逻辑模型,而是直接对输入数据进行处理得出结果;
2、更适用于解决那些传统AI技术难以有效地处理、甚至无法处理的问题;
3、只有数值数据可利用时可以用
神经网络;
5、从多个组合中选优,可以使用
遗传算法。