这些方法具有以下共同的要素：自适应的结构、随机产生的或 指定的初始状态、适应度的评测函数、修改结构的操作、系统 状态存储器、终止计算的条件、指示结果的方法、控制过程的 参数。计算智能的这些方法具有自学习、自组织、自适应的特 征和简单、通用、鲁棒性强、适于并行处理的优点。在并行搜 索、联想记忆、模式识别、知识自动获取等方面得到了广泛的 应用。
随机值，将“A”所对应的图象模式输入给网络，网络
将输入模式加权求和、与门限比较、再进行非线性运
算，得到网络的输出。在此情况下，网络输出为“1”
和“0”的概率各为50%，也就是说是完全随机的。这时 如果输出为“1”(结果正确)，则使连接权值增大，以 便使网络再次遇到“A”模式输入时，仍然能作出正确 的判断。
(2) 生物神经元的功能
根据神经生理学的研究，生物神经元的2个主要功能是:神经元的兴奋与 抑制，神经元内神经冲动的传导。 ① 神经元的抑制与兴奋 抑制状态是指神经元在没有产生冲动时的工作状态。 兴奋状态是指神经元产生冲动时的工作状态。 通常情况下，神经元膜电位约为-70 毫伏，膜内为负，膜外为正，处于 抑制状态。当神经元受到外部刺激时，其膜电位随之发生变化，即膜内电 位上升、膜外电位下降，当膜内外的电位差大于阈值电位（约40毫伏）时， 神经元产生冲动而进入兴奋状态。
基于“从大自然中获取智慧”的理念，通过人们对自然界独特 规律的认知，提取出适合获取知识的一套计算工具。总的来说 ，通过自适应学习的特性，这些算法达到了全局优化的目的。
计算智能的产生与发展
1992年，贝慈德克在《Approximate Reasoning》学报上首次 提出了“计 算智能”的概念。 1994年6月底到7月初，IEEE在美国佛罗里达州的奥兰多市召开了首届国 际计算智能大会(简称WCCI’94)。会议第一次将神经网络、演化计算和模 糊系统这三个领域合并在一起，形成了“计算智能”这个统一的学科范畴。 在此之后，WCCI大会就成了IEEE的一个系列性学术会议，每4年举办一 次。1998年5月，在美国阿拉斯加州的安克雷奇市又召开了第2届计算智能 国际会议WCCI’98。2002年5月，在美国州夏威夷州首府火奴鲁鲁市又召 了第3届计算智能国际会议WCCI’02。2014.07.06在北京召开。此外， IEEE还出版了一些与计算智能有关的刊物。 目前，计算智能的发展得到了国内外众多的学术组织和研究机构的高度重 视，并已成为智能科学技术一个重要的研究领域。
轴突是由细胞体向外延伸出的所有纤维中最长的一条分 枝，用来向外传递神经元产生的输出电信号。 每个神经元都有一条轴突，其最大长度可达1m以上。在 轴突的末端形成了许多很细的分枝，这些分支叫神经末梢。 每一条神经末梢可以与其它神经元形成功能性接触，该 接触部位称为突触。所谓功能性接触，是指非永久性的接触， 这正是神经元之间传递信息的奥秘之处。 树突是指由细胞体向外延伸的除轴突以外的其它所有分支。 树突的长度一般较短，但数量很多，它是神经元的输入端， 用于接受从其它神经元的突触传来的信号。
遗传算法
遗传算法（Genetic Algorithm） 模拟达尔文的遗传选择和自然淘汰 的生物进化过程 组成：个体与群体、适应值函数、 遗传操作、终止条件


特点：隐含并行性、过程性、非确 定性、群体性、内在学习、统计性、
稳健性、整体优化
神经计算
神经计算是以人工神经网络为基础的一种计算智能方法。 它。它是计算智能的重要基础和核心，也是计算智能乃至智 能科学技术的一个重要研究领域。 生物神经系统是人工神经网络的基础。人工神经网络是对 人脑神经系统的简化、抽象和模拟，具有人脑功能的许多基本 特征。
人工神经网络的工作原理
如果输出为“0”(即结果错误)，则把网络连接权值朝着减小综
合输入加权值的方向调整，其目的在于使网络下次再遇到“A”模式
输入时，减小犯同样错误的可能性。 如此操作调整，当给网络轮番输入若干个手写字母“A”、“B”
(1) 生物神经元的结构
它由细胞体(Soma)、轴突(Axon)和树突(Dendrite)三个主要部分组成
细胞核 神经末梢
突触 轴突 细胞体 树突
细胞体由细胞核、细胞质和细胞膜等组成，其直径大约为0.5-100μ m，大小不等。细胞体是神经元的主体，用于处理由树突接受的其 它神经元传来的信号,其内部是细胞核，外部是细胞膜，细胞膜的外面 是许多向外延伸出的纤维。
说明:神经元每次冲动的持续时间大约1毫秒左右，在此期间即使刺激强度再增 加也不会引起冲动强度的增加。 神经元每次冲动结束后，都会重新回到抑制状态。 如果神经元受到的刺激作用不能使细胞膜内外的电位差大于阈值电位，则神经 元不会产生冲动，将仍处于抑制状态。
② 神经元内神经冲动的传导 神经冲动在神经元内的传导是一种电传导过程，神经冲动沿神经纤维 传导的速度却在3.2---320km/s之间，且其传导速度与纤维的粗细、髓鞘 的有无有一定关系。一般来说，有髓鞘的纤维的传导速度较快，而无髓鞘 的纤维的传导速度较慢。
人工神经网络的工作原理
神经的一个非常重要的功能是它们对能量的接受并不
是立即作出响应，而是将它们累加起来，当这个累加的 总和达到某个临界阈值时，它们将它们自己的那部分能 量发送给其它的神经。大脑通过调节这些连结的数目和 强度进行学习。尽管这是个生物行为的简化描述。但同 样可以充分有力地被看作是神经网络的模型。
3. 演化计算的基本结构
演化计算尽管有多个重要分支，并且不同分支的编码方案、选择策略和 演化操作也有可能不同，但它们却有着共同的演化框架。若假设P为种群 (Population，或称为群体)，t为演化代数， P(t)为第t代种群 , 则演化计 算的基本结构可粗略描述如下： { 确定编码形式并生成搜索空间； 初始化各个演化参数，并设置演化代数t=0； 初始化种群P(0); 对初始种群进行评价（即适应度计算）； while（不满足终止条件）do { t=t+1; 利用选择操作从P(t-1)代中选出P(t)代群体； 对P(t)代种群执行演化操作； 对执行完演化操作后的种群进行评价（即适应度计算）； } } 可以看出，上述基本结构包含了生物演化中所必需的选择操作、演化操 作和适应度评价等过程。
人工神经网络的工作原理
人工神经网络就是模拟人思维的第二种方
式。这是一个非线性动力学系统，其特色在于
信息的分布式存储和并行协同处理。虽然单个
神经元的结构极其简单，功能有限，但大量神
经元构成的网络系统所能实现的行为却是极其 丰富多彩的。
人工神经网络的工作原理
人工神经网络首先要以一定的学习准则进行学习，
智能计算
演化计算（Evolutionary Computation,EC）
GA（Genetic Algorithm）为代表
群智能(粒子群优化方法) 神经网络计算 模糊计算
演化计算
演化计算的概念： （Evolutionary Computation,EC）是在达尔文（Darwin） 的进化论和孟德尔（Mendel）的遗传变异理论的基础上产生的一种在基因和种 群层次上模拟自然界生物进化过程与机制，进行问题求解的自组织、自适应的 随机搜索技术。它以达尔文进化论的“物竟天择、适者生存”作为算法的进化 规则，并结合孟德尔的遗传变异理论，将生物进化过程中的繁殖、变异、竞争 和选择引入到了算法中，是一种对人类智能的演化模拟方法。 演化计算的主要分支：遗传算法、演化策略、演化规划和遗传规划四大分支。 其中，遗传算法是演化计算中最初形成的一种具有普遍影响的模拟演化优化算 法。 遗传算法的基本思想：(美国密执安大学霍兰德教授1962提出)是使用模拟生物 和人类进化的方法来求解复杂问题。它从初始种群出发，采用优胜略汰、适者 生存的自然法则选择个体，并通过杂交、变异产生新一代种群，如此逐代进化， 直到满足目标为止。
(Evolution Strategies)和进化规划(Evolution Programming)
第四部分：神经网络
计算智能(Computational
Intelligence CI)
定义：目前还没有一个统一的的定义，计算智能是在
神 经 网 络 （ Neural Networks,NN ） 、 演 化 计 算 （ Evolutionary Computation,EC ） 及 模 糊 系 统 （ Fuzzy System,FS ）这 3 个领域发展相对成熟的基础上形成的一个 统一的学科概念。
然后才能工作。
现以人工神经网络对手写“A”、“B”两个字母的 识别为例进行说明，规定当“A”输入网络时，应该输出 “1”，而当输入为“B”时，输出为“0”。 网络学习的准则应该是：如果网络作出错误的的判 决，则通过网络的学习，应使得网络络的各连接权值赋予(0，1)区间内的


计算智能的研究方法
基础：模型、算法、实验 模型：
符号系统及其上的操作，是三元组(数据集，操作，规则)
CI研究对象是具有以下特征的数学模型
符合模型的严格定义而又非常具体
兼有生物学背景知识 描述某一智能行为
计算智能的研究方法
基础：模型、算法、实验
算法：
以计算理论、计算技术和计算工具研究对象模型的核心 特征：具有计算功能的算法，一般应具有数值构造性、 迭代性、收敛性、稳定性和实效性
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。
计算智能的主要方法有人工神经网络、遗传算法、遗传程序、 演化程序、局部搜索、模拟退火等等。
实验：
程序设计是实验的核心问题
数学算法：面向问题，数据在于表示 程序算法：面向计算机，数据在于存储 程序设计方法： 面向过程的程序设计方法(Procedure-Oriented,C) 面向对象的程序设计方法(Object-Oriented，C++) 面向目标的程序设计方法(Goal-Oriented,Matlab)