遗传算法、神经法、退火算法、模糊算法.ppt

计算智能 计算智能 智能：在给定任务或目的下，能根据环境条件制定正确的策略和决策，并能有效地实现其目的的过程或能力。 信息：信息是用来消除观察者认识上的不确定性的度量。 智能信息处理：利用各种智能手段进行信息变换的过程，这里的各种智能手段包括人工智能、机器智能和计算智能等。 计算智能 智能：有效地获取、传递、处理、再生和利用信息，使其在任意环境下成功地达到预定目标的能力。 人工智能:研究如何用人工的方法模拟、延伸和扩展智能。 计算智能 人工智能的三个学派 ? 符号主义学派– 以知识为基础，通过推理来进行问题求解，功能模拟的方法。 ? 联接主义学派– 始于1943年的M-P模型， 1982年Hopfiled提出的用硬件模拟神经网络, BP算法，结构-功能模拟的方法。 ? 行为主义学派– 进化主义或控制论学派，行为模拟的方法。 计算智能 计算智能 定义一：以数据为基础，以计算为手段来建立功能上的联系（模型），而进行问题求解，以实现对智能的模拟和认识。 定义二：用计算科学与技术模拟人的智 能结构和行为。 计算智能 计算智能与软计算 计算智能是强调通过计算的方法来实现 生物内在的智能行为。 软计算是受智能行为启发的现代优化计 算方法,强调计算和对问题的求解。 计算智能 软计算方法是指利用所允许的不精确性、不确定性和部分真实性得到易于处理、鲁棒性强和成本较低的解决方案,它区别于用精确、固定和不变的算法表达和解决问题的硬计算。 软计算作为一种创建计算智能系统的新颖方法,正在引起人们的关注.目前已经认识到,复杂的实际问题需要智能系统对各种不同来源的知识、技术和方法进行组合. 在解决实际计算问题时,协同地而不是互斥地采用几种计算技术通常具有优越性,所产生的系统被称为互补的混合智能系统。 计算智能 软计算不是一种单一的方法，而是多种方法的结合与协作，构成软计算的三个主要元素是模糊逻辑、神经计算和进化算法，这三者分别提供不同方面的能力，其中模糊逻辑主要处理非精确性和进行近似推理，神经网络使系统获得学习和适应的能力，进化算法则提供进行随机有哪些信誉好的足球投注网站和优化的能力。 1. 神经网络 1 .1 神经网络的发展历史 所谓人工神经网络就是基于模仿生物大脑的结构和功能而构成的一种信息处理系统。 Nielsen的定义 人工神经网络是一个并行、分布处理结构，它由处理单元及其称为联接的无向讯号通道互连而成。 这些处理单元具有局部内存，可以完成局部操作，即它必须仅仅依赖于经过输入联接到达处理单元的所有输入信号的当前值和存储在处理单元局部内存中的值。 每个处理单元有一个单一的输出联接，输出信号可以是任何需要的数学模型。 1 .1 神经网络的发展历史 初始（萌发）期——人工神经网络的兴起 1943年，美国神经生理学家Warren Mcculloch和数学家Walter Pitts合写了一篇关于神经元如何工作的开拓性文章：“A Logical Calculus of Ideas Immanent in Nervous Acitivity”。该文指出，脑细胞的活动像断/通开关，这些细胞可以按各种方式相互结合，进行各种逻辑运算。 1949年，心理学家Donala Hebb写了一本书：“The Organization of Behavior”。在该书中，他强调了心理学和生理学间的联系和沟通，指出脑细胞间的思路每当通过参与某种活动时将被加强，这就是后来的Hebb学习规则。 1 .1 神经网络的发展历史 到了二十世纪50年代，随着计算机的发展和软硬件的进步，有些神经系统功能的理论开始在计算机上进行模拟，拓宽了研究的路子。 IBM的研究室在Hebb工作的基础上，对神经网络的模型进行了软件模拟，虽然开始时失败了，但在使得模型像人那样适应环境的实验上取得了一定程度的成功。 1 .1 神经网络的发展历史 第一次高潮期 —感知器模型和人工神经网络 1957年，计算机专家Frank Rosenblatt开始从事感知器的研究，并制成硬件，通常被认为是最早的神经网络模型。 1959年，两位电机工程师Bernard Widrow和Marcian Haff开发出一种叫作自适应线性单元（ADALINE）的网络模型，并在他们的论文“Adaptive Switching Circuits”中描述了该模型和它的学习算法（ Widrow- Haff算法）。该网络通过训练，可以成功用于抵消通信中的回波和噪声，也可用于天气预报，成为第一个用于实际问题的神经网络。 1 .1 神经网络的发展历史 1962年，Rosenblatt出版了一本书“The Principles of Neurodynamics”，详述了他的感知器模型。该感知器具有