软计算

軟計算是通過對不確定、不精確及不完全真值的容錯以取得低代價的解決方案和強健性的處理方式，和傳統計算（硬計算）不同。硬計算的主要特徵是嚴格、確定和精確。但是硬計算並不適合處理現實生活中的許多問題，例如駕駛汽車。。它模擬自然界中智能系統的生化過程（人的感知、腦結構、進化和免疫等）來有效處理日常工作。軟計算包括幾種計算模式：模糊邏輯、人工神經網絡、遺傳算法和混沌理論。這些模式是互補及相互配合的，因此在許多應用系統中組合使用。

历史

• 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。
• 近年文献中将混沌理论、遗传算法和模拟退火算法等概率推理（Probabilistic Reasoning）归入软计算。

与传统人工智能的区别

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的补充。

软计算的应用

控制系统 模式识别 优化 自动决策 预测 分类