计算智能概要

发布网友发布时间：2024-08-20 01:22

共1个回答

热心网友时间：2024-08-23 14:40

计算智能主要依靠多种方法来实现，其中包括人工神经网络、遗传算法、遗传程序、演化程序、局部搜索、模拟退火等。这些方法的核心要素如下：自适应的结构设计，初始状态随机生成或人为设定，通过适应度函数来评估性能，结构的修改过程，系统状态的储存机制，以及设定停止计算的条件和结果指示手段，同时控制过程的参数也十分重要。

这些方法表现出显著的智能特性，如自学习、自组织和自适应，以及其简单、通用、具有高鲁棒性，特别适合于并行处理。它们在并行搜索、联想记忆、模式识别和知识自动获取等领域展现出广泛的应用价值。

值得注意的是，遗传算法、免疫算法、模拟退火算法、蚁群算法和微粒群算法等，作为计算智能的典型代表，它们基于仿生学原理，即“从大自然中汲取智慧”。这些算法借鉴自然界中的规律，通过人类对生物进化的理解，构建出一套强大的计算工具，用于寻找最优解并实现全局优化。

扩展资料

计算智能是以生物进化的观点认识和模拟智能。按照这一观点，智能是在生物的遗传、变异、生长以及外部环境的自然选择中产生的。在用进废退、优胜劣汰的过程中，适应度高的（头脑）结构被保存下来，智能水平也随之提高。因此说计算智能就是基于结构演化的智能。