软计算研究综述

总结
随着信息技术的发展， 人们获得大量结构复杂 、内容不确 定的数据， 如何快速有效地从这些数据中取出有用的知识 成为一个重要问题 软计算方法是解决该问题的有效工具， 然而每个软计算方法在理论上和应用上都存在一些不足， 融合而不是互斥地使用各种方法将可以进一步提高软计算 方法的发展水平， 拓宽软计算方法的实际应用范围 。
粗糙集
粗糙集理论是波兰科学家Pawlak在1982年提出的，借鉴了 逻辑学和哲学中对不精确、模糊的各种定义，针对知识库， 提出不精确范畴等概念，并在此基础上形成了完整的理论 体系——粗糙集理论。
粗糙集理论的中心观点是集合的近似表示：任何在其上的 集合概念都能用它的下近似集合和上近似集合表示。粗糙 集理论是一种处理不精确、不确定和不完整数据的新的数 学计算理论，能够有效地处理不确定的信息，并从中发现 隐含知识，揭示事物与事件之间的内在联系。
1994年,他提出了将计算分成两类：硬计算(Hard Computing,HC)和 软计算。软计算(Soft Computing,SC)概念由此形成并被广泛接受。
软计算概述
软计算( Soft Computing) 方法是将模糊技 术与智能技术相结合来解决不确定性问题而 提出的， 是能够处理现实环境中一种或多种 复杂信息的方法集合。
模糊逻辑
模糊逻辑指模仿人脑的不确定性概念判断、推理思维方 式，对于模型未知或不能确定的描述系统，以及强非线 性、大滞后的控制对象，应用模糊集合和模糊规则进行 推理，表达过渡性界限或定性知识经验，模拟人脑方式， 实行模糊综合判断，推理解决常规方法难于对付的规则 型模糊信息问题。模糊逻辑善于表达界限不清晰的定性 知识与经验，它借助于隶属度函数概念，区分模糊集合， 处理模糊关系，模拟人脑实施规则型推理，解决因“排 中律”的逻辑破缺产生的种种不确定问题 。
软计算研究综述
人工神经网络
神经网络是由大量处理单元(神经元、处理元件等)广泛互连 而成的网络，它是在现代神经科学研究成果的基础上提出的， 反映了人脑功能的基本特性。但它并不是人脑的真实描写， 而是人脑的某种抽象、简化与模拟。网络的信息处理由神经 元之间的相互作用来实现，知识与信息的存贮表现在网络元 件互连间分布式的物理联系，网络的学习和识别则是决定于 各神经元连接权系数的动态演化过程。 从仿生学角度提出的神经元一般由三部分组成：加权求各部 分、线性动态系统部分和非线性函数映射部分。
概率推理
概率推理就是根据某一类事件中部分事件出现的概率,推 出该类所有事件出现的概率的推理。 其方法可以分为两类：单值(single一value)系统和间隔 取值(interval一value)系统。 概率计算提供了一种估计随机性对系统结果影响的方法。
软计算特点
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。而软 计算（Soft Computing, SC）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。 硬计算的主要特征：（1）易于建立问题的规范数学模型；（2） 建立的数学模型易于求解，且能达到较高的精确度；（3）解具有 较好的稳定性。 软计算的主要特征：（1）难于建立问题的规范数学模型；（2） 难于得到问题的较高精度的解；（3）算法具有较好的适应性，能 够适应动态环境。
软计算融合
优势 神经网络 局限性 具有自组织 自学习 高度容错和泛化能力 存在训练时间长 知识解释性差等问题 强的特点
模糊逻辑
具有人类思维的某些特点， 具有不精确 不确定的推理能力
ห้องสมุดไป่ตู้
因过度依赖专家知识使其应用范围受到 限制
进化算法
具有能够处理参数多 结构复杂问题的全 因过度依赖专家知识使其应用范围受到 局寻优能力 限制 无需任何先验知识， 可以从大量的数据 对噪声敏感， 在最优约简中存在 NP 问 中获取隐含知识的能力 题
进化计算
进化计算是一种模拟生物进化过程与机制求解问题的自组织、自适应 性人工智能技术。它是以生物界的“优胜劣汰、适者生存”作为算法 的进化规则，结合达尔文的自然选择与孟德尔的遗传变异理论，将生 物进化中的四种基本形式：繁殖(reproduction)、变异(Mutation)、 竞争(Competition)和选择(Selection)引人到算法的过程中,指导算法 的进行。
软计算分类
针对软计算中各种方法的特点，关于软计算的分类主要有以下两种:
1
按方法的种类来划分
{模糊逻辑或模糊计算、神经计算、概率推理、进 化计算、混沌系统、序数优化、模拟退火、粗糙 集计算、其他}。
2
按方法的性质来划分
{知识驱动方法集(模糊计算、近似计算、粗糙集计 算、其他 ), 数据驱动搜索和优化算法集 ( 神经计算、 进化计算、模拟退火、其他)}。
粗糙集
软计算融合
目前， 存在多种软计算融合技术。 软计算融合技术的分 类有不同的方式， 可以从逻辑结构、 融合内容、融合成 员性质、融合时序等方面进行分类 。按照逻辑结构， 可 分为串联结构、 镶嵌结构 、并联结构。 按照融合内容， 可分为组合融合、 容错融合、 分层融合。 按照融合成员 性质可分为: 软计算之间融合 、软计算与硬计算之间融合。 按照融合时序， 可分为同步融合、 异步融合。
软计算组成
根据Zadeh对软计算方法的概括性基本划分，软计算包 括五种主要方法：“进化计算”(Evolutionary Computation)、模糊逻辑(Fuzzy Logieal)、人工神经网 络(ANNs)、粗糙集(Rough SetS)和概率推理 (Probabilistic Reasoning) 。 有学者认为还应该包括混沌理论(chaos Theory)、分类 系统(Classifier System)、一些和认知(Cognitive)有关的 学习规则；还有的学者认为还应包括免疫网络(Immune NetworkS)、分形(Fractal)和小波(Wavelet)等方法。
软计算研究综述
Content (目录)
软计算概述
软计算组成
软计算特点
软计算分类 软计算融合
软计算概述
信息处理问题大致可分为两类：结构性问题和非结构性问题。 传统观点中计算是和数字相联系的。随着计算机技术发展，计算又和 字符联系在一起。这两种计算都和精确性有关，此时计算概念的含义 就是要产生精确的计算结果。 但实际中一些与复杂知识和智能机理有关的问题，或由于不要求精确 解，或由于求精确解代价太大，这时一些近似解或次优解己能满足需 要并被接受。 从这一角度出发，1992年模糊集奠基人Zadeh提出了软计算的概念。