计算智能主要算法研究 2010-08-04 10:02:08 】
本文介绍了计算智能及其四种主要算法：人工神经网络、模糊算法、进化算法、蚁群算法。详细描述了每个算法的生物学基础、计算原理及其特点，以及基于每个算法的优化设计，并对它们已有的成果及在工程应用中所存在问题作简要的讨论。最后总结了四种算法的优势并预测了计算智能的发展趋势。
2.2 模糊算法
2.2.1 模糊计算描述
模糊计算通过对人类处理模糊现象的认知能力的认识，用模糊集合和模糊逻辑去模拟人类的智能行为。它是一种精确处理不精确不完全信息的方法,可以比较自然地处理人的概念,即利用模糊规则,通过模糊化和反模糊化方便实现模糊推理。模糊逻辑本身并不模糊,而是用来对“模糊”进行处理以达到消除模糊的逻辑。
模糊计算最大特点是用它可以自然地处理人类的概念。主要应用有:模糊控制、模糊决策、模糊模式识别、模糊综合评判、模糊聚类分析、模糊建模等。由于输入、输出均为实型变量,所以特别适用于工程应用系统。模糊计算的知识表达易于理解,但难于利用数值信息,自学习能力较差。目前，关于模糊控制自适应、自学习、自组织策略研究颇多,但现场真正成功应用的很少,亟待技术实用化研究。
2.2.2 基于模糊计算的优化设计
工程设计存在大量的模糊信息,如:设计标准的模糊性、设计准则(规范)的模糊性、外部环境作用的模糊性等。由于模糊信息不能用准确的数量来表达,必须用模糊计算的方法来处理,包括:模糊变量、模糊约束、模糊目标函数、模糊推理计算等。模糊优化设计包括三个方面的内容:①模糊优化设计方法;②自适应模糊优化系统模型;③模糊专家系统。
最典型的基于模糊计算的优化设计应用是模糊逻辑在火灾监控系统中的应用。传统监控系统的一个主要缺点是利用单一传感器来监控单一监控点，由于传感器内部品质和系统外部噪声的影响使得系统的可靠性不理想。而多传感器数据融合技术可以改善单一传感器信息的局部性和片面性，克服传感器自身品质、性能和噪声带来的影响。可见监控系统是一类典型的不确定性问题。模糊逻辑是处理不确定性问题的基本数学工具。我们可以用数据融合技术把互相独立的传感器变为互相联系的整体，增加信息的冗余度，然后利用模糊逻辑把数据很好地融合在一起，最终大大提高系统的可靠性，降低系统的虚警率。
2.3 进化算法
2.3.1 进化计算的生物学基础
进化是自然界最为壮丽的过程。进化的自然法则是过度繁殖、生存斗争、遗传和变异、优胜劣汰、适者生存。这一法则的选择结果就是物种的优化。进化过程也是自然界的优化过程。进化计算是模仿自然界进化过程的计算方法。该方法无须明确描述问题的全部特征,只需根据自然法则来产生新的更好的解。
2.3.2 进化计算描述
进化计算采用简单的编码技术表示各种复杂的结构,并通过对一组编码表示进行简单的遗传操作和优胜劣汰的自然选择策略来指导学习和确定搜索方向。通过对群体进行复制、杂交和变异等遗传操作来进行学术研究。进化算法可以在解空间的不同区域中对多个点进行搜索,它能以很大的概率找到全局最优解而不易陷入局部最优情况。
进化计算的最大特点是对待求解问题本身一无所知,但只要给出了表示方案、适应函数、遗传算子、控制参数、终止准则等内容,算法就可以按不依赖于问题本身的方式对未知空间进行有效的搜索,最后找出问题的解。进化算法还具有简单、通用、稳健性强、适合于并行处理等特点,及自组织、自适应、自学习等智能特性,已被成功地应用到那些难以用传统的方法进行求解的复杂问题之中。特别是在系统识别、故障诊断、机器学习及神经网络设计等领域,进化计算已经显示出它的魅力。然而,作为一个新的、跨学科的研究课题,进化计算的理论研究还有待进一步完善,其中包括基础理论、编码机制、控制参数的选择策略、收敛性分析等等。
2.3.3 基于遗传算法的优化设计
进化计算包括遗传算法、进化策略、进化规划和遗传规划。遗传算法为求解复杂系统优化问题提供一个通用的框架，它不依赖于问题的具体领域，因此基于遗传算法的优化设计广泛存在于很多领域之中。其主要应用领域有[3]:
【中安网原创稿件声明】转载中安网文章时应遵循以下三个规则：1、保持原创文章中图表、图片、音视频的完整性；2、完整标注文章作者［文章前后有说明］；3、转载中安网原创中部分内容也要完整标注来源“中安网”，违者本网将依法追究。
