第1讲计算智能概 论.ppt

计算智能计算智能（ Computational Intelligence, CI）第第1 1讲讲 概概 论论本讲要点•1.1 关于计算智能•1.2 人工神经网络 •1.3 模糊系统 •1.4 进化计算 •1.5 人工神经网络、模糊系统和进化计算的相互融合 1.1关于计算智能（Computational Intelligence, CI）•1.1.1 什么是计算智能 •1.1.2 计算智能所包含的领域 1.1.1 关于计算智能关于计算智能•92年年，，美美国国学学者者James首首次次提提出出：：计计算算智智能能(CI)是是依依靠靠生生产产者者提提供供的的数数字字、、数数据据材材料料进进行行加加工工处处理理，，而而不不是是依依赖赖于于知知识识；；人人工工智智能能（（Artificial Intelligence, AI））则则是是须须用用知知识识进进行处理   •94年年 ，， James在在 Florida,  Orlando,  94IEEE WCCI会会议议上上又又阐阐述述他他的的观观点点，，智智能能有有三三个个层层次：次：           Institute of Electrical and Electronics EngineersØ生物智能（生物智能（Biological Intelligence, BI）） 由人脑的物理化学过程反映出来的，人脑是有机物，它是智能的基础。

Ø人工智能（人工智能（Artificial Intelligence, AI））  是非生物的，人造的，常用符号来表示，AI的来源是人类知识的精华 Ø计算智能（计算智能（Computational Intelligence, CI））  是由数学方法和计算机实现的，CI的来源是数值计算的传感器关系：关系：u a)从复杂性来看：从复杂性来看：         BI > AI > CI ；；    b) 从所属关系来看：从所属关系来看：   CI是是AI的一个子集，的一个子集，AI是是CI到到BI的过渡，因的过渡，因为为AI中除计算算法之外，还包括符号表示及中除计算算法之外，还包括符号表示及数值信息处理数值信息处理u也有些人认为也有些人认为CI不属于不属于AI，仅有部分重合仅有部分重合   1.1.2 计算智能所包含的领域计算智能所包含的领域Ø人工神经网络（人工神经网络（Artificial Neural Network, ANN）） Ø模糊系统（模糊系统（Fuzzy System, FS））Ø进化计算（进化计算（Evolution Computing, EC））1.2 人工神经网络人工神经网络 •1.2.1   什么是神经网络什么是神经网络 •1.2.2   人工神经网络研究的历史人工神经网络研究的历史 •1.2.3   神经网络的研究概况神经网络的研究概况•1.2.4 人工神经网络的应用领域人工神经网络的应用领域1.2.1 什么是神经网络什么是神经网络•人工神经网络人工神经网络(简称神经网络简称神经网络)是由大量的、功是由大量的、功能比较简单的形式神经元（能比较简单的形式神经元（Neurons）互相连）互相连接而接而构成的复杂网络系统，用它可以模拟大脑构成的复杂网络系统，用它可以模拟大脑的许多基本功能和简单的思维方式。

的许多基本功能和简单的思维方式 •神经网络理论突破了传统的、线性处理的数字神经网络理论突破了传统的、线性处理的数字电子计算机的局限，是一个非线形动力学系统，电子计算机的局限，是一个非线形动力学系统，并以分布式存储和并行协同处理为特色，虽然并以分布式存储和并行协同处理为特色，虽然单个神经元的结构和功能极其简单有限，但是单个神经元的结构和功能极其简单有限，但是大量的神经元构成的网络系统所实现的行为却大量的神经元构成的网络系统所实现的行为却是极其丰富多彩的是极其丰富多彩的 两种人工智能技术的比较两种人工智能技术的比较 1.2.2人工神经网络研究的历史人工神经网络研究的历史Ø 第一阶段第一阶段  初始发展期初始发展期 （（40年代－年代－60年代）年代）  1．1943年，美国心理学家McCulloch和数学家Pitts合作提出了形式神经元的数学模型，即M-P模型能完成有限的逻辑运算2．1949年，心理学家Hebb提出了改变神经元间连接强度的Hebb规则3．1957年，计算机科学家Rosenblatt用硬件完成了最早的神经网络模型，称之为感知器（Perceptron）用来模拟生物的感知和学习能力。

4．1962年，电机工程师Windrow和Hoff提出了自适应线形元件Adaline是一个连续取值的线形网络，在信号处理系统中用于抵消通讯中的回波和噪声，应用十分广泛 Ø第二阶段第二阶段  低谷期低谷期 （（60年代末－年代末－70年代末）年代末） 原因：1. 69年，人工智能之父Minskey和Papert发表了《Perceptron》一书指出了Perceptron无科学价值而言，连XOR逻辑分类都做不到，只能作线性划分2. Von.Neumann机的兴盛期，陶醉在成功的喜悦之中，掩盖了新型计算机的发展的必然 Ø但是仍然有不少有识之士不断努力：但是仍然有不少有识之士不断努力：1.Boston大学的Grossberg和Carpenter提出了自适应共振理论ART网络2.芬兰的Heisinki大学的Kohonen提出了自组织映射网络3.日本的大坂大学的Fukushima提出了神经认知机网络模型4.日本东京大学的Amari对神经网络进行了数学理论的研究，为神经网络的研究奠定了理论基础Ø第三阶段第三阶段  兴盛期兴盛期 （（80年代以后）年代以后） 原因：1.70年代末期研究和试图模拟视听觉的人工智能专家遇到了挫折，人们习以为常的知识难能教给计算机。

2.计算机的科学家发现前面有不可逾越的鸿沟，线路微型的物理极限,人们思考Von.Neumann机到底还能走多远3.脑科学、生物学、光学的进步为人工神经网络的发展打下了基础Ø兴盛期的代表人物：兴盛期的代表人物：1.1982年，加州大学的物理学家Hopfield提出了Hopfield网络模型，并用电路实现2.1985年，Rumelhart提出了BP算法3.Hinton等人提出了Boltzman机模型4.1988年，蔡少堂提出了细胞神经网络模型 1.1.2.32.3 神经网络的研究概况神经网络的研究概况n神经网络的研究主要可分为以下三个方面：神经网络的研究主要可分为以下三个方面：1）大脑和神经系统的信息处理原理大脑和神经系统的信息处理原理2）构造能实现信息处理的神经网络模型构造能实现信息处理的神经网络模型3）能实现信息处理基本原理的技术研究一神经计算机能实现信息处理基本原理的技术研究一神经计算机 美国军方认为神经网络技术是比原子弹工程更重要的美国军方认为神经网络技术是比原子弹工程更重要的技术美国国防部技术美国国防部(DARPA)曾宣布执行一项总投资为曾宣布执行一项总投资为4亿美元的八年计划，其主要研究目标为：连续语音信亿美元的八年计划，其主要研究目标为：连续语音信号识别、声纳信号识别、目标识别及跟踪等。

号识别、声纳信号识别、目标识别及跟踪等  日本通产省早在日本通产省早在1988年也提出了所谓人类尖端科学年也提出了所谓人类尖端科学计划计划(Human Frontier Science Program)，，即所谓的第即所谓的第六代计算机计划，研制能模拟人类智能行为的计算六代计算机计划，研制能模拟人类智能行为的计算机系统  到到目目前前为为止止，，已已经经发发表表了了多多达达几几十十种种的的神神经经网网络络模模型型，，它它们们具具备备不不同同的的信信息息处处理理能能力力，，典典型型的的神神经经网网络络模模型型如表如表1.2所示1.1.2.32.3 神经网络的研究概况神经网络的研究概况n神经网络的相关会议神经网络的相关会议Ø1987年年6月月21至至24日在美国加州圣地亚哥日在美国加州圣地亚哥(San Diego)召召开的第一届神经网络国际会议开的第一届神经网络国际会议 ;Ø1988年，我国在北京召开了神经网络的国际研究工作年，我国在北京召开了神经网络的国际研究工作会议，并出版了论文集会议，并出版了论文集Ø19891989年年1010月在北京又召开了神经网络及其应用讨论会。

月在北京又召开了神经网络及其应用讨论会Ø19901990年年1212月月在在北北京京召召开开了了我我国国首首届届神神经经网网络络学学术术大大会会，，并决定以后每年召开一次年会并决定以后每年召开一次年会Ø19911991年年冬冬在在南南京京召召开开的的第第二二届届中中国国神神经经网网络络学学术术大大会会上，宣布成立中国神经网络学会上，宣布成立中国神经网络学会1.1.2.32.3 神经网络的研究概况神经网络的研究概况n神经网络的主要国际性杂志神经网络的主要国际性杂志(1)(1)Neural Networks(Neural Networks(国际神经网络协会会刊国际神经网络协会会刊) )(2)(2)IEEE Transactions on Neural NetworksIEEE Transactions on Neural Networks(3)IEEE Transactions on Parallel (3)IEEE Transactions on Parallel Distributed SystemDistributed System(4)Connections Science(4)Connections Science(5)Neurocomputing(5)Neurocomputing(6)Neural Computation(6)Neural Computation(7)International Journal of Neural Systems(7)International Journal of Neural Systems1.1.2.4 2.4 人工神经网络的应用领域人工神经网络的应用领域•模式识别模式识别、、分类分类   用于语言，文字，图像的识别，用于医学特征的分类，诊断指纹用于语言，文字，图像的识别，用于医学特征的分类，诊断指纹鉴别等鉴别等•函数逼近（曲线拟合）函数逼近（曲线拟合）     用于非线性控制的函数建模，拟和非线性曲线，机器人的轨迹控用于非线性控制的函数建模，拟和非线性曲线，机器人的轨迹控制等制等•数据压缩数据压缩     在通信中的编码压缩和恢复，图像数据的压缩和存储以及图像特在通信中的编码压缩和恢复，图像数据的压缩和存储以及图像特征的抽取等征的抽取等•预测预测       股市预测，天气预测等股市预测，天气预测等1.3   模糊系统模糊系统 •1.3.1   模糊系统理论的起源和发展模糊系统理论的起源和发展 •1.3.2   模糊系统的研究范畴模糊系统的研究范畴 1.3.1模糊系统理论的起源和发展模糊系统理论的起源和发展1. 1965年，美国控制论专家、加利福尼亚大学教授扎德年，美国控制论专家、加利福尼亚大学教授扎德(L.A.Zadeh)首先提出模糊集合概念首先提出模糊集合概念,发表了开创性论发表了开创性论文文《《模糊集合论模糊集合论(Fuzzy sets)》》。

他提出他提出,模糊数学的模糊数学的核心思想就是运用数学手段核心思想就是运用数学手段,仿效人脑思维，对复杂仿效人脑思维，对复杂事物进行模糊处理模糊数学在基础理论和实际应用事物进行模糊处理模糊数学在基础理论和实际应用等方面引起了各国学者的极大兴趣等方面引起了各国学者的极大兴趣,并产生了许多有并产生了许多有价值的应用和惊人的成果价值的应用和惊人的成果2. 1973年，扎德教授又提出模糊逻辑年，扎德教授又提出模糊逻辑(Fuzzy Logic)的理的理论，并积极倡导将模糊理论向人工智能方向发展模论，并积极倡导将模糊理论向人工智能方向发展模糊逻辑的研究虽然时间还不长，但在智能模拟和智能糊逻辑的研究虽然时间还不长，但在智能模拟和智能控制等领域却已有了飞快的发展控制等领域却已有了飞快的发展 3.  1974年，印度裔英国学者马德尼年，印度裔英国学者马德尼(E.H.Mamdani)首先将模糊理论用于锅炉和蒸首先将模糊理论用于锅炉和蒸汽机的控制，并实验成功，开创了模糊控制的汽机的控制，并实验成功，开创了模糊控制的新领域4.  80年代后期以来，在日本采用模糊控制技术的年代后期以来，在日本采用模糊控制技术的家电产品大量上市，模糊技术在图像识别、自家电产品大量上市，模糊技术在图像识别、自动控制、市场预测、人工智能等领域普遍应用，动控制、市场预测、人工智能等领域普遍应用，掀起了一股模糊热。

日本、美国和我国都成功掀起了一股模糊热日本、美国和我国都成功地研制出了智能化的模糊推理机，这表现了模地研制出了智能化的模糊推理机，这表现了模糊理论的强大生命力和伟大意义糊理论的强大生命力和伟大意义5. 另一方面，模糊理论在学术界也得到了普遍的另一方面，模糊理论在学术界也得到了普遍的认同和重视认同和重视1992年，年，IEEE召开了第一届关于召开了第一届关于模糊系统的国际会议（模糊系统的国际会议（FUZZ－－IEEE），并决），并决定以后每年举行一次定以后每年举行一次1993年年IEEE创办了专刊创办了专刊IEEE  Transaction on Fuzzy System 6. 当前，模糊理论和应用正向深度和广度进一步当前，模糊理论和应用正向深度和广度进一步发展，发展的速度越来越快，研究成果大量涌发展，发展的速度越来越快，研究成果大量涌现，已经成为世界各国高科技竞争的重要领域现，已经成为世界各国高科技竞争的重要领域之一 1.3.2 模糊系统的研究范畴模糊系统的研究范畴•模糊系统基于模糊数学理论，能对复杂模糊系统基于模糊数学理论，能对复杂事物进行模糊处理模糊数学的理论基事物进行模糊处理。

模糊数学的理论基础包括模糊逻辑、模糊规则、模糊推理、础包括模糊逻辑、模糊规则、模糊推理、隶属度和模糊集合等隶属度和模糊集合等1.4   进化计算进化计算  进化计算（进化计算（Evolution Computing）是采用简单的编）是采用简单的编码技术来表示各种复杂的结构，并通过简单的遗传码技术来表示各种复杂的结构，并通过简单的遗传操作和优胜劣汰的自然选择来指导学习和确定搜索操作和优胜劣汰的自然选择来指导学习和确定搜索的方向由于它采用种群（即一组表示）的方式组的方向由于它采用种群（即一组表示）的方式组织搜索，这使得它可以同时搜索解空间内的多个区织搜索，这使得它可以同时搜索解空间内的多个区域，特别适合大规模并行计算进化计算具有自组域，特别适合大规模并行计算进化计算具有自组织、自适应、自学习的特点，并且不受其搜索空间织、自适应、自学习的特点，并且不受其搜索空间限制性条件（如可微、单峰等）的约束，不需要其限制性条件（如可微、单峰等）的约束，不需要其它辅助信息（如导数）这使得进化计算不仅能获它辅助信息（如导数）这使得进化计算不仅能获得较高的效率，而且操作简单、通用性强得较高的效率，而且操作简单、通用性强。

•1.4.1  进化计算的发展过程进化计算的发展过程 •1.4.2  进化计算的主要分支进化计算的主要分支 •1.4.3  进化计算的主要特点进化计算的主要特点 1.4.1 进化计算的发展过程进化计算的发展过程1.进化计算在进化计算在20世纪六七十年代并未受到普遍的重视世纪六七十年代并未受到普遍的重视其主要原因：其主要原因：1）因为这些方法本身还不够成熟；）因为这些方法本身还不够成熟；2）由于这些方法需要较大的计算量，而当时的计算机）由于这些方法需要较大的计算量，而当时的计算机还不够普及且速度较慢，这样便限制了它们的应用；还不够普及且速度较慢，这样便限制了它们的应用；3）当时基于符号处理的人工智能方法正处于其顶峰时）当时基于符号处理的人工智能方法正处于其顶峰时期，使得人们难以认识到其它方法的有效性及适应期，使得人们难以认识到其它方法的有效性及适应性2. 到了到了80年代，人工智能方法的局限性越来越突年代，人工智能方法的局限性越来越突出，并且随着计算机速度的提高和并行计算机出，并且随着计算机速度的提高和并行计算机的普及，已使得进化计算对机器速度的要求不的普及，已使得进化计算对机器速度的要求不再是制约其发展的因素。

进化计算的不断发展再是制约其发展的因素进化计算的不断发展及其在一些应用领域内取得的成功，已表现出及其在一些应用领域内取得的成功，已表现出了良好的应用前景了良好的应用前景3. 由于进化计算在机器学习、过程控制、由于进化计算在机器学习、过程控制、经济预测、工程优化等领域取得的成功，经济预测、工程优化等领域取得的成功，引起了各领域科学家们的极大兴趣，自引起了各领域科学家们的极大兴趣，自80年代中期以来，世界上许多国家都掀年代中期以来，世界上许多国家都掀起了进化计算的研究热潮目前，有数起了进化计算的研究热潮目前，有数种以进化计算为主题的国际会议在世界种以进化计算为主题的国际会议在世界各地定期召开，并已出版了两种以上专各地定期召开，并已出版了两种以上专门关于进化计算的杂志可以预料，随门关于进化计算的杂志可以预料，随着进化计算理论研究的不断深入和应用着进化计算理论研究的不断深入和应用领域的不断拓广，进化计算必将取得更领域的不断拓广，进化计算必将取得更大的成功大的成功 1.4.2    进化计算的主要分支进化计算的主要分支 进化计算的三大分支包括：进化计算的三大分支包括：Ø 遗传算法遗传算法(Genetic Algorithm ,简称简称GA)Ø进进化化规规划划（（Evolution  Programming  ,简简称称EP））Ø进化策略（进化策略（Evolution Strategies ,简简ES）。

   这这三三个个分分支支在在算算法法实实现现方方面面具具有有一一些些细细微微的的差差别别，，但但它它们们具具有有一一个个共共同同的的特特点点，，即即都都是是借助生物进化的思想和原理来解决实际问题借助生物进化的思想和原理来解决实际问题        ①①遗传算法遗传算法    遗遗传传算算法法是是一一类类通通过过模模拟拟生生物物界界自自然然选选择择和和自自然然遗遗传传机机制制的的随随机机化化搜搜索索算算法法，，由由美美国国J.Holand教教授授于于1975年年首首次次提提出出它它是是利利用用某某种种编编码码技技术术作作用用于于称称为为染染色色体体的的二二进进制制数数串串，，其其基基本本思思想想是是模模拟拟由由这这些些串串组组成成的的种种群群的的进进化化过过程程，，通通过过有有组组织织地地然然而而是是随随机机地地信信息息交交换换来来重重新新组组合合那那些些适适应应性性好好的的串串遗遗传传算算法法对对求求解解问问题题的的本本身身一一无无所所知知，，它它所所需需要要的的仅仅是是对对算算法法所所产产生生的的每每个个染染色色体体进进行行评评价价，，并并根根据据适适应应性性来来选选择择染染色色体体，，使使适适应应性性好好的的染染色色体体比比适适应应性性差差的的染染色色体体有有更更多多的的繁繁殖机会。

殖机会 遗传算法尤其适用于处理传统搜索方法难于解遗传算法尤其适用于处理传统搜索方法难于解决的复杂的非线性问题，可广泛用于组合优化、决的复杂的非线性问题，可广泛用于组合优化、机器学习、自适应控制、规划设计和人工生命机器学习、自适应控制、规划设计和人工生命等领域等领域,是是21世纪有关智能计算中的关键技术之世纪有关智能计算中的关键技术之一 ②②进化策略进化策略   1964年年 ，， 由由 德德 国国 柏柏 林林 工工 业业 大大 学学 的的I.Rechenberg等等人人提提出出在在求求解解流流体体动动力力学学柔柔性性弯弯曲曲管管的的形形状状优优化化问问题题时时，，用用传传统统的的方方法法很很难难优优化化设设计计中中描描述述物物体体形形状状的的参参数数，，从从而而利利用用生生物物变变异异的的思思想想来来随随机机地地改改变变参参数数值值并并获获得得了了较较好好的的结结果果随随后后，，他他们们便便对对这这种种方方法法进进行行了了深深入入的的研研究究和和发发展展，，形形成成了了进进化化计计算算的的另另一一个个分支分支―进化策略进化策略•进化策略与遗传算法的不同之处在于：进化策略与遗传算法的不同之处在于：进化策略直接在解空间上进行操作，强进化策略直接在解空间上进行操作，强调进化过程中从父体到后代行为的自适调进化过程中从父体到后代行为的自适应性和多样性，强调进化过程中搜索步应性和多样性，强调进化过程中搜索步长的自适应性调节；而遗传算法是将原长的自适应性调节；而遗传算法是将原问题的解空间映射到位串空间之中，然问题的解空间映射到位串空间之中，然后再施行遗传操作，它强调个体基因结后再施行遗传操作，它强调个体基因结构的变化对其适应度的影响。

构的变化对其适应度的影响• 进化策略主要用于求解数值优化问题进化策略主要用于求解数值优化问题③③进化规划进化规划    进进 化化 规规 划划 的的 方方 法法 最最 初初 是是 由由 美美 国国 人人L.J.Fogel等等人人在在20世世纪纪60年年代代提提出出的的他他们们在在人人工工智智能能的的研研究究中中发发现现，，智智能能行行为为要要具具有有能能预预测测其其所所处处环环境境的的状状态态，，并并按按照照给给定定的的目目标标作作出出适适当当的的响响应应的的能能力力在在研研究究中中，，他他们们将将模模拟拟环环境境描描述述成成是是由由有限字符集中符号组成的序列有限字符集中符号组成的序列 1.4.3  进化计算的主要特点进化计算的主要特点  进化算法与传统的算法具有很多不同之处，但进化算法与传统的算法具有很多不同之处，但其最主要的特点体现在下述两个方面：其最主要的特点体现在下述两个方面：①① 智能性智能性   进化计算的智能性包括自组织、自适应和自学进化计算的智能性包括自组织、自适应和自学习性等应用进化计算求解问题时，在确定了习性等应用进化计算求解问题时，在确定了编码方案、适应值函数及遗传算子以后，算法编码方案、适应值函数及遗传算子以后，算法将根据将根据“适者生存、不适应者淘汰适者生存、不适应者淘汰”的策略，的策略，利用进化过程中获得的信息自行组织搜索，从利用进化过程中获得的信息自行组织搜索，从而不断地向最佳解方向逼近。

而不断地向最佳解方向逼近 自然选择消除了传统算法设计过程中的一个最大障自然选择消除了传统算法设计过程中的一个最大障碍：即需要事先描述问题的全部特点，并说明针对碍：即需要事先描述问题的全部特点，并说明针对问题的不同特点算法应采取的措施于是，利用进问题的不同特点算法应采取的措施于是，利用进化计算的方法可以解决那些结构尚无人能理解的复化计算的方法可以解决那些结构尚无人能理解的复杂问题②②  本质并行性本质并行性    进化计算的本质并行性表现在两个方面：一是进化进化计算的本质并行性表现在两个方面：一是进化计算是内在并行的，即进化计算本身非常适合大规计算是内在并行的，即进化计算本身非常适合大规模并行二是进化计算的内含并行性，由于进化计模并行二是进化计算的内含并行性，由于进化计算采用种群的方式组织搜索，从而它可以同时搜索算采用种群的方式组织搜索，从而它可以同时搜索解空间内的多个区域，并相互交流信息，这种搜索解空间内的多个区域，并相互交流信息，这种搜索方式使得进化计算能以较少的计算获得较大的收益方式使得进化计算能以较少的计算获得较大的收益 1.5  人工神经网络人工神经网络 、模糊系统、进化计算、模糊系统、进化计算的相互融合的相互融合         • 人人工工神神经经网网络络能能够够通通过过学学习习和和训训练练获获得得用用数数据据表表达达的的知知识识，，除除了了可可以以记记忆忆已已知知的的信信息息之之外外，，神神经经网网络络还还具具有有较较强强的的概概括括能能力力和和联联想想记记忆忆能能力力。

但但神神经经网网络络的的推推理理知知识识表表示示体体现现在在网网络络连连接接权权值值上上，，表表达达比比较较难难以以理理解解，，这这是是它它的的一一个个缺点•模模糊糊系系统统的的显显著著特特点点是是能能够够直直接接地地表表示示逻逻辑辑，，适适于于直直接接的的或或高高级级的的知知识识表表达达，，具具有有较较强强的的逻逻辑功能但它没有本质的获取知识的能力，模辑功能但它没有本质的获取知识的能力，模 糊规则的确定也比较困难，通常需要领域专家糊规则的确定也比较困难，通常需要领域专家知识的指导因此如何构造可自动处理模糊信知识的指导因此如何构造可自动处理模糊信息的模糊系统，即实现模糊规则的自动提取和息的模糊系统，即实现模糊规则的自动提取和模糊变量隶属度函数的自动生成及优化，一直模糊变量隶属度函数的自动生成及优化，一直是困扰模糊信息处理技术进一步推广的难题是困扰模糊信息处理技术进一步推广的难题 •进化计算模拟生物进化的过程，依据适者生存、进化计算模拟生物进化的过程，依据适者生存、优胜劣汰的进化规则，对包含可能解的种群反优胜劣汰的进化规则，对包含可能解的种群反复进行基于遗传的操作，不断生成新的种群并复进行基于遗传的操作，不断生成新的种群并使种群不断进化，同时以全局并行搜索方式来使种群不断进化，同时以全局并行搜索方式来搜索优化种群中的最优个体，以求得满足要求搜索优化种群中的最优个体，以求得满足要求的最优解。

其主要优点是简单、鲁棒性强、搜的最优解其主要优点是简单、鲁棒性强、搜索空间大索空间大 •随着对模糊系统和神经网络研究的深入，两个随着对模糊系统和神经网络研究的深入，两个领域间相互独立的关系逐渐改变如果将它们领域间相互独立的关系逐渐改变如果将它们进行综合，即将符号逻辑推理方法与联接机制进行综合，即将符号逻辑推理方法与联接机制方法进行结合，将数值方法和模糊逻辑方法进方法进行结合，将数值方法和模糊逻辑方法进行结合，其优势将远远高于单项研究模糊系行结合，其优势将远远高于单项研究模糊系统和神经网络的融合导致了模糊神经网络的产统和神经网络的融合导致了模糊神经网络的产生，许多学者已对此进行了尝试生，许多学者已对此进行了尝试 神经网络的网络结构的设计和权值的训练是一神经网络的网络结构的设计和权值的训练是一个十分重要而困难的问题，传统的方法多是凭个十分重要而困难的问题，传统的方法多是凭经验或启发知识来设计网络，用梯度法来确定经验或启发知识来设计网络，用梯度法来确定其中的权值，常常需要进行反复试验而且还很其中的权值，常常需要进行反复试验而且还很难找到最优的网络结构和权值而进化计算为难找到最优的网络结构和权值。

而进化计算为神经网络的自动设计和训练提供了一种新的途神经网络的自动设计和训练提供了一种新的途径，这就是进化神经网络径，这就是进化神经网络•神经网络、模糊系统、进化算法三者研究同步神经网络、模糊系统、进化算法三者研究同步发展、相互渗透、界限日益模糊，人们逐渐认发展、相互渗透、界限日益模糊，人们逐渐认识到由三者交叉组成的新系统具有更强的功能，识到由三者交叉组成的新系统具有更强的功能，因而三者相互融合的研究是当今三个分支研究因而三者相互融合的研究是当今三个分支研究的热点 下讲内容下讲内容MatlabMatlab 简介简介The EndQuestions & SuggestionsThanks！！ 。