计算智能综述剖析.ppt

什么是计算智能？ 计算智能（Computational Intelligence，CI） 定义 借鉴仿生学思想，基于生物体系的生物进化、细胞网络的机制，用数学语言抽象描述的计算方法，用以模仿生物体系和人类的智能机制。 J.C.Bezdek：一个系统是计算智能的，当它仅处理低层次的数据信息，具有模式识别原件，没有使用AI意义上的知识。 软计算与硬计算 软计算：人工神经网络、进化计算、模糊集理论——非精确算法，即便是对象模型和边界条件不够精确和完整也能够得出合理的解，CI本质上讲属于软计算。 硬计算：精确、严格的计算，要求系统的精确模型参数和严格的边界条件。 计算智能的特点 计算智能（Computational Intelligence，CI） 重要特征 适应性运算能力 计算的容错能力 人脑的计算速度 与人脑一样决策和思维的正确率 重要特征（共识） CI与AI不同，CI主要依赖的是生产者提供的数字材料，而不是依赖于知识，主要借助于数字计算方法 CI的内容本身具有明显的数值计算信息处理特征 CI强调用“计算”的方法来研究和处理智能问题 CI概念的积极意义在于促进了基于计算的或基于计算和基于符号物理相结合的各种智能理论、模型、方法的综合集成，解决更复杂问题 计算智能的特点 计算智能（Computational Intelligence，CI） 从硬件上看 计算神经网络是低层次的 人工神经网络是中等层次的，=由计算神经网络+知识 生物神经网络是高层次的，就是人脑 从软件上看 计算智能是低层次的算法，计算地推理 人工智能是中等层次的模型，=计算智能+知识 生物智能是高层次的，是人脑中的思维 计算智能（Computational Intelligence） 计算智能（Computational Intelligence，CI） 三层次智能关系 从复杂性来看：BIAICI; 从所属关系来看：AI是CI到BI的过渡，因为AI中除计算算法之外，还包括符号表示及数值信息处理。模糊集合和模糊逻辑是CI到AI的过渡。 BI?AI?CI 计算智能（Computational Intelligence） 计算智能（Computational Intelligence，CI） 三层次智能关系——另一种观点 AI和CI是不同的范畴，虽然它们之间有部分重合，但CI是一个全新的学科领域 无论是生物智能还是机器智能，CI都是最核心部分，而AI是外层 CI的根本性质 对象特征：非线性和不确定性的问题 基石：人工神经网络 实现途径：数值计算 计算智能（Computational Intelligence） 计算智能的研究方法 基础：模型、算法、实验 模型 符号系统及其上的操作，是三元组(数据集，操作，规则) CI研究对象是具有以下特征的数学模型 符合模型的严格定义而又非常具体 兼有生物学背景知识 描述某一智能行为 计算智能（Computational Intelligence） 计算智能的研究方法 算法 以计算理论、计算技术和计算工具研究对象模型的核心CI研究对象是具有以下特征的数学模型 特征：具有计算功能的算法，一般应具有数值构造性、迭代性、收敛性、稳定性和实效性 数值构造性：解是由数值量构造的 迭代性：计算公式上表现为递推，理论上表现为动力学性质，算法实现上表现为循环 收敛性：算法结束于稳定的结果上（能够找到解） 稳定性：初始误差在迭代过程中可以得到控制 实效性：在有限的存储空间和有效的运算时间内得到有意义的计算结论 计算智能（Computational Intelligence） 计算智能的研究方法 实验 对算法的有效性、实效性以及效果性能评价，在许多情况下是借助于实验来进行的，甚至难以用理论分析来替代的 程序设计是实验环境建设的核心问题 程序设计的依据是算法 数学算法：面向问题，数据在于表示 程序算法：面向计算机，数据在于存储 经过数据存储逻辑结构的选择，由数学算法得到程序算法 计算智能（Computational Intelligence） 计算智能所包含的领域 人工神经网络（Artificial Neural Network，ANN） 人工神经网络是指模拟人脑神经系统的结构和功能，运用大量的处理部件，由人工方式构造的网络系统。 进化计算（Evolution Computing，EC） 进化计算是采用简单的编码技术来表示各种复杂的结构，并通过简单的遗传操作和优胜劣汰的自然选择来指导学习和确定搜索的方向。主要包括三个分支：遗传算法、进化规划、进化策略。 计算智能（Computational Intelligence） 计算智能所包含的领域 模糊系统（Fuzzy System，FS）