由浅入深介绍智能之计算智能二

董垚

计算智能一词的出现至今已近30年，期间吸引了国内外中国学者的研究。计算智能的研究范畴已由最初的模糊系统、神经网络和进化计算逐渐被扩展，与其他学科理论得交叉与融合使计算智能设计的领域更加广泛，一些基于统计和数学的方法，如支持向量机、粗糙集、贝叶斯网络、概率推理，甚至是统计自然语言处理也被包含进计算智能的主题中。而数值优化方法、近似理论、统计方法等更是超出其计算智能范畴。
计算智能是受到大自然智慧和人类智慧的启发，基于不同的观点和视野而设计出的一类方法的统称。这些方法或模仿生物界的进化过程，或模仿生物的生理构造和身体机能，或模仿动物的群体行为，或模仿人类的思维、语言和记忆过程的特性，或模仿自然界的物理现象。计算智能方法主要包括模糊逻辑、神经网络、遗传算法、进化策略、进化规划、人工免疫系统、人工生命、群体智能、DNA软计算、模拟退火、禁忌搜索等，这些方法有着相同的要素，即自适应的结构、随机产生或指定的初始状态、适应度评价函数、修改结构的操作、系统状态存储、终止计算条件、指示结果的方法、控制过程的参数等。此外，计算智能的方法还具有自学习、自组织、自适应的特征和计算简单、通用、鲁棒性强、适于并行处理的特点。
模糊计算是计算智能的另一个重要方面。美国科学家Zadeh在1965年首次提出模糊集合的概念，即用模糊集合来描述模糊事物的概念，经过二十多年的发展，发展成模糊数学的学科，并在工程应用中迅猛发展。模糊计算方法的重要性在于它可以表现事物本身性质的内在不确定性，因此可以模拟人脑认识客观事件的非精确、非线性的信息处理能力。另外，模糊计算可以对人的自然语言进行量化及模糊处理，在社会学方面也颇有成效。
在大自然中存在的确定性现象和随机现象之间，还有一类可由确定性方程描述的非确定性现象——混沌现象。指的是貌似随机的事件背后存在着内在联系。混沌学科着眼于发现隐藏的模式、细微的差别、事物的敏感性、还有不可预测的事物千变万化的规则。
生物免疫系统是一个高度进化的生物系统，它旨在区分外部有害抗原和自身组织，从而清除病原并保持有机体的稳定。从计算的角度来看，生物免疫系统是一个高度并行、分布、自适应、自组织的系统，具有很强的学习、识别、记忆、特征提取能力和强大的信息处理能力。人们从生物免疫系统的运行机制中获取灵感，并开发面向应用的免疫系统计算模型——人工免疫系统，用于解决工程实际问题。