软计算

维基百科,自由的百科全书
跳转至: 导航搜索

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。软计算通过对不确定、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。

历史[编辑]

与传统人工智能的区别[编辑]

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[编辑]

控制系统 模式识别 优化 自动决策 预测 分类