计算智能算法研究.docVIP

计算智能算法研究 　　摘 要：智能计算方法的发展对智能计算的应用有深广的意义。本文对计算智能的主要算法进行了介绍，并对计算智能所取得的成就和存在的问题进行了剖析，对当前广泛关注的热点问题提出了一些新的思路和解决方法，最后对该领域的发展趋势进行了预测。 　　关键词：计算智能 神经网络 模拟退火 模糊逻辑 　　 　　1 概述 　　 　　什么是计算智能，并没有确切的定义。如同人工智能一样，不同的人对计算智能有不同的理解。我们不必急于为计算智能下定义，更不必像争论“智能计算机”一样在名词上浪费时间，重要的是弄明白“计算智能”究竟包含哪些新思想。广义地讲，人工智能也是试图用计算机来实现人的智能，所以人工智能也可以看作计算智能。当加拿大的学者创办“计算智能”学术刊物时，人们只觉得增添了一种人工智能学报，并未仔细考虑这两者的区别。随着人工神经网络、遗传算法、进化程序、混沌计算等研究逐渐兴旺，而每年召开的人工智能学术会议，如AAAI(美国人工智能协会)等，又不太乐意接受这方面的论文与产品演示，从事上述研究的学者逐步组织自己的有相当规模的国际学术会议，取名为计算智能，似乎造成一种与人工智能分庭抗礼的局面。但从学术上讲，把计算智能看成人工智能研究的新方向也许更恰当［１］。 　　计算智能是在1994年IEEE举办的首届计算智能世界大会上提出的，它以连接主义和进化主义思想为基础，计算智能中的主要算法自适应的结构、随机产生的或指定的初始状态、适应度的评测函数、修改结构的操作、系统状态存储器、终止计算的条件、指示结果的方法、控制过程参数等共同要素，具有自学习、自组织、自适应的特征和简单、通用、鲁棒性强、易并行处理等特点，这些特征已被用于信息安全、模式识别、数据分类与挖掘、优化设计、故障诊断、机器学习、联想记忆和控制等领域［２］。本文从计算智能主要算法的角度来对计算智能的研究现状作分析。［２］ 　　 　　2 计算智能的主要算法 　　 　　计算智能的主要算法有神经网络、模拟退火、模糊逻辑、遗传与演化算法、禁忌搜索算法、DNA软计算、人工免疫系统、蚁群算法、粒子群算法、多代理（Agent）系统等。 　　计算智能的算法虽然有很多种，但它们多是受自然或生物界规律的启迪，根据其原理、思想来模仿求解问题的算法。这样它们也就具有自然界或生物界的一些特性，同时它们通过长时间的发展变化，逐渐成熟，形成了自己独有的特点。下面对它们的共同特点作一个介绍：（1）它们大都引入了随机因素，具有不确定性。很多计算过程实际上是在计算机上作随机过程的模拟。比如著名的蒙特卡罗模拟。（2）它们大多具有自适应机制的动力体系或随机动力体系，并且在计算过程中体系结构还在不断作自我调整。（3）它们都是针对通用的一般目标而设计的，它们不同于针对特殊问题而设计的算法。（4）一些算法在低维或简单的情况下显得很笨，但是到了高维复杂的情形下具有很强的竞争力。［３］ 　　 　　3 主要的计算智能算法 　　 　　3.1 人工神经网络 　　神经系统的基本构造是神经元(神经细胞)，它是处理人体内各部分之间相互信息传递的基本单元。据神经生物学家研究的结果表明，人的一个大脑一般有1010―1011个神经元。每个神经元都由一个细胞体，一个连接其他神经元的轴突和一些向外伸出的其它较短分支――树突组成。轴突的功能是将本神经元的输出信号(兴奋)传递给别的神经元。其末端的许多神经末梢使得兴奋可以同时传送给多个神经元。树突的功能是接受来自其它神经元的兴奋。神经元细胞体将接受到的所有信号进行简单处理(如加权求和，即对所有的输入信号都加以考虑且对每个信号的重视程度――体现在权值上――有所不同)后由轴突输出。神经元的树突与另外的神经元的神经末梢相连的部分称为突触。 　　“人工神经网络”（artificial neural network：简称ANN）是在对人脑组织结构和运行机制的认识理解基础之上模拟其结构和智能行为的一种工程系统，是对人大脑神经细胞的简单近似的模拟。大量的神经元广泛互连而成的系统，它的这一结构特点决定着人工神经网络具有高速信息处理的能力。人脑的每个神经元大约有103―104个树突及相应的突触，一个人的大脑总计约形成1014―1015个突触。用神经网络的术语来说，即是人脑具有1014―1015个互相连接的存储潜力。虽然每个神经元的运算功能十分简单，且信号传输速率也较低(大约100次/秒)，但由于各神经元之间的极度并行互连功能，最终使得一个普通人的大脑在约1秒内就能完成现行计算机至少需要数10亿次处理步骤才能完成的任务。 　　因为人工神经网络的结构特点和其信息存储的分布式特点，使得它相对于其它的判断识别系统，如专家系统等，具有另一个显著的优点：健壮性。生物神经网络不会因为个别神经元的损失而