计算智能主要算法研究

　　从以上分析可以知道,计算智能理论的共同特点:它们都是受生物体系的某些机制启发而产生,都已经或正在理论和实践应用中不断完善,取得了许多实际成果。另外,它们各有特点,模糊系统善于描述和利用经验知识;神经网络善于直接从数据中进行学习;而进化计算善于求解复杂的全局最优问题,具有极强的稳健性和整体优化性。蚁群算法能够不局限于局部最优解，为复杂困难的系统优化问题提供了新的具有竞争力的求解算法。模糊系统的推理能力强于神经网络和进化计算,而神经网络、进化计算的学习、搜索能力强于模糊系统。进化计算优化搜索的广度和适应性优于神经网络,而神经网络的优化、学习精度优于进化计算。

　　虽然每个算法各有特点,但它们共同的仿生基础决定了它们存在必然的联系。将进化算法、模糊逻辑、神经网络、蚁群算法、免疫算法以及其他算法结合起来是目前计算智能一项新的研究课题。总之，计算智能是一个发展潜力巨大的方向,未来的发展一定会越来越智能化,个性化的倾向越来越浓,目的性变得日益明确,故其应用的领域也会越来越广。(田晓艳)

　　参考文献

　　[1]项宝卫,凌塑勇.计算智能算法的研究现状[J].台州学院学报,2006.6,(3):22-25.

　　[2]王万森.人工智能原理及其应用.北京:电子工业出版社,2006,11.

　　[3]王凌.智能优化算法及其应用.北京:清华大学出版社,施普林格出版社,2001,10.

　　[4]Marco Dorigo, Luca Maria Gambardella. Ant Colony System: Cooperative Learning Approach to the Traveling Salesman Problem [J].IEEE Transaction on Evolutionary Computation,1997；1(4)

　　[5]邓玉芬,项凤红.蚂蚁算法在组合优化中的应用[J].电子测量与技术,2007.1(2):32-36.

  【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。