智能计算概述

智能计算概述AshikagaInst.ofTech.HuazhongNormalUniversity第1页，课件共100页，创作于2023年2月智·能所以知之在人者，谓之知。知有所合，谓之智。所以能之在人者，谓之能。能有所合，谓之能。

——荀况《荀子·正名》IntelligentSys.Lab2AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第2页，课件共100页，创作于2023年2月课程目的系统地讲授智能计算的有关基础理论、技术及其主要应用。通过本课程的学习，要求学生系统地掌握智能计算的基本内容与方法，了解智能计算的主要应用领域。将智能计算方法与学生未来研究方向相结合，培养学生独立科研思维能力。介绍智能计算研究的前沿领域与最新进展，培养学生科研兴趣。IntelligentSys.Lab3AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第3页，课件共100页，创作于2023年2月开课基础学习本课程之前，要求已经选修过《高等数学》、《计算机基础与算法》《人工智能基础》等课程。IntelligentSys.Lab4AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第4页，课件共100页，创作于2023年2月课程性质与考核课程性质：学位专业课（公共必修）教学方式：课堂讲授为主，专题讨论为辅（学生）考试方式：

1）笔试

2）课程实验

3）课程研究论文IntelligentSys.Lab5AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第5页，课件共100页，创作于2023年2月要求：

博学之，审问之、慎思之、明辨之，笃行之。——《四书.礼记》IntelligentSys.Lab6AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第6页，课件共100页，创作于2023年2月本课程的主要内容第一部分：智能计算概述第二部分：演化计算第三部分：神经计算第四部分：群智能计算第五部分：模糊计算第六部分：其它智能计算（选）IntelligentSys.Lab7AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第7页，课件共100页，创作于2023年2月主要参考书籍1）《智能学简史》冯天瑾科学出版社2）《计算智能——理论、技术与应用》丁永生编著，科学出版社3）《计算智能中的仿生学：理论与算法》徐宗本，张讲社，编著，科学出版社4）《计算智能的数学基础》褚蕾蕾、陈绥阳编著，科学出版社5）《智能信息处理》熊和金国防工业出版社6）《软计算方法》张颖刘艳秋科学出版社7）《演化计算》潘正君、康立山清华大学出版社8）《遗传算法-理论、应用与软件实现》王小平西安交通大学出版社9）《遗传算法原理及应用》周明、孙树栋国防工业出版社IntelligentSys.Lab8AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第8页，课件共100页，创作于2023年2月主要参考书籍10）《神经计算科学》阮晓钢国防工业出版社11）《人工神经网络教程》韩力群北京邮电大学出版社12）《模糊数学教程》蒋泽军国防工业出版社13）《智能计算-关于粗集理论、模糊逻辑、神经网络的理论及其应用》曾黄麟重庆大学出版社14）《群智能算法及其应用》15）《微粒群算法》

曾建潮、介婧科学出版社16）《蚁群优化》[意]MarcoDorigo著张军胡晓敏等译17）《如何求解问题——现代启发式方法》ZbigniewMichalewicz[著]曹宏庆李艳等译中国水利水电出版社IntelligentSys.Lab9AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第9页，课件共100页，创作于2023年2月智能学智能学：

即研究生物智能、人类智能以及人造智能的科学。

21世纪的科学技术，已经向我们展示了一个丰富多彩的智能世界：人类智能、生物智能、智能机器人、生物信息系统；人工智能、计算智能、机器学习、智能仪器、智能机器人、机器翻译、人机对弈、人工生命、人工免疫系统、人造昆虫、机器人足球赛…。IntelligentSys.Lab10AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第10页，课件共100页，创作于2023年2月

智能计算是信息科学、生命科学、认知科学等不同学科相互交叉的产物。它主要借鉴仿生学和拟物的思想，基于人们对生物体智能机理和某些自然规律的认识，采用数值计算的方法去模拟和实现人类的智能、生物智能、其它社会和自然规律。智能计算的主要研究领域包括：神经计算、演化计算、群智能计算、模糊计算、免疫计算、DNA计算和人工生命等。本课程主要学习内容包括神经计算、演化计算、群智能计算和模糊计算等。智能计算IntelligentSys.Lab11AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第11页，课件共100页，创作于2023年2月计算

一切思维不过就是计算。

——霍布斯

作为一般的智能行为，物质符号系统具有的计算手段，既是必要的也是充分的。人类认知和智能活动，经编码成符号系列，都可以通过计算机进行模拟。

——西蒙IntelligentSys.Lab12AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第12页，课件共100页，创作于2023年2月梦想机器具有智能—计算机科学家的梦想

什么是智能？能感知、能学习、能思维、能记忆、能决策、能行动……，智能的核心是思维。

IntelligentSys.Lab13AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第13页，课件共100页，创作于2023年2月图灵测试怎样判断机器具有智能—图灵测试

1950年AlanTuring的文章“ComputingMachineryandIntelligence.”（Mind,Vol.59,No.236）提出图灵测试，检验一台机器或电脑是否具有如人一样的思维能力和智能电脑和人分别封闭在不同的房间，测试者不知道哪个房间是人，哪个房间是电脑，他向双方提出测试问题，电脑和人给出各自的答案，如果一系列的测试问题之后，测试者分不出哪些是电脑的答案，哪些是人的答案，则电脑通过测试，确实具有与人一样的智能。我是人哦！我是谁？如实回答

？IntelligentSys.Lab14AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第14页，课件共100页，创作于2023年2月测试悖论公平性问题图灵测试的出发点显然是刁难电脑，要求电脑模仿人回答问题，公平吗？反过来要求人模仿电脑回答问题，公平吗？标准性问题在怎样的智能水平下对电脑进行测试？天才、普通人还是婴幼儿，或者说怎样认定电脑的智力水平？全面性问题怎样全面地测试电脑的智能，喜、怒、哀、乐和表情等有关情感的测试如何进行？测试边界怎样确定？欺骗性问题电脑如果有意欺骗测试者，测试者能判断出来吗？在一定的范围内进行测试还是可行的

IntelligentSys.Lab15AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第15页，课件共100页，创作于2023年2月困惑哲学问题

（1）规则与规律：规则是制定的，规律是客观存在的，从规则能自动发现规律吗？（2）生命与非生命：智能是高等生命体独有的能力，非生命体内能产生智能吗？（3）物质与意识：唯物主义和唯心主义都承认二元论，只是在何者起决定作用上争论不休，智能能在机器内产生将导致一元论—物质生成一切？（4）智能的本质：理性与感性、思考与行动、社会性与个体性伦理问题（1）电脑与人脑：能否互换？（2）机器人与人：机器能否融入人类社会？（3）情感与役使：机器是人制造并使用的工具，一旦机器人具有了智能和情感，人类还能当奴隶一样地役使吗？（4）机器人叛乱：机器人群体有可能叛乱而反过来役使人类吗？IntelligentSys.Lab16AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第16页，课件共100页，创作于2023年2月现实的梦比尔·盖茨预测：智能计算发展前景乃是机器最终“能看会想，能听会讲”。无论是人工智能，还是智能人工，只要能够殊途同归，造福于人类，那么所有的努力便都是有价值的。未来，智能机器作为真正意义上的工作助手和生活良伴，将使我们的生活完全改观。“聪明机器”的出现，也决不会成为人类的灾难，在智慧与创造力方面，永远是人类最有发言权。IntelligentSys.Lab17AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第17页，课件共100页，创作于2023年2月人工智能（artificialintelligence，简称AI）人工智能：用人工的方法和技术，模仿、延伸和扩展人的智能,实现机器智能。人工智能的五个基本问题

(1)知识与概念化是否是人工智能的核心？

(2)认知能力能否与载体分开来研究？

(3)认知的轨迹是否可用类自然语言来描述？

(4)学习能力能否与认知分开来研究？

(5)所有的认知是否有一种统一的结构？学科交叉

与生命科学、认知科学、物理学等众多学科高度交叉，共同研究智能行为的基本理论和实现技术。三大学派符号主义（Symbolism）、连接主义(Connectionism)、行为主义（Behaviorism）——从不同侧面模拟人的智能和智能行为。IntelligentSys.Lab18AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第18页，课件共100页，创作于2023年2月符号主义代表人物

1956年，美国Dartmouth会议，几个年轻的美国学者McCarthy、Simon、Minsky、Newell等首次提出人工智能的术语基本思想（1）认知的本质就是计算，可称为认知可计算主义—与图灵机理论一脉相承（2）思维的基本单元是符号，智能的核心是利用知识以及知识推理进行问题求解（3）智能活动的基础是物理符号运算，人脑和电脑都是物理符号系统（4）人的智能可以通过建了基于符号逻辑的智能理论体系模拟（5）理论基础是符号数学、谓词演算和归结原理IntelligentSys.Lab19AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第19页，课件共100页，创作于2023年2月符号主义-续智能表示

（1）1959年McCarthy开发了著名的LISP语言（LIStProcessingLanguage，表处理语言），基于函数的语言，通过符号（不是数值）运算进行推理，也是逻辑程序设计语言（LogicProgramming）（2）1972年PROLOG语言（PROgrammingLOGic）问世，被称为演绎推理机，接口丰富，非常适合于专家系统开发，曾有人试图发明PROLOG机器，以模拟人的智能，但未获成功知识工程与专家系统—典型代表（1）产生式规则表示知识（2）产生式规则系统将领域专家的知识进行整理、存储构建知识库（3）专家系统运用知识库进行推理、问题求解等智能活动推理方法知识表示与推理、归纳推理、基于事例的推理等IntelligentSys.Lab20AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第20页，课件共100页，创作于2023年2月连接主义代表人物（1）1943年生理学家McCulloch和Pitts提出神经元的数学模型，神经元模型结合成多层结构成为神经网络（2）1959年，Rosenblatt提出感知机模型（Perceptron)，具有输入层、中间联系层和效验输出层的三层结构

（3）1982年，Hopfield提出全互连的神经网络模型，成功求解TSP问题，掀起神经网络研究高潮，对符号主义也产生了巨大冲击（4）1987年，戴维.努梅尔哈特和杰弗里.欣顿提出误差反向传播（Back-Propgation）神经网络学习算法基本思想（1）人类认知活动主要基于大脑神经元的活动，人类思维的基本单元是神经元而不是符号，智能是互连神经元竞争与协作的结果（2）模拟人的智能要依靠仿生学，特别是模拟人脑，建立脑模型（3）电脑模拟人脑应着重于结构模拟，即人的生理神经网络结构，功能、结构和行为密切相关，不同的结构表现出不同的功能行为（4）分布式信息存储和大规模并行处理，自适应和自组织特性，学习和容错能力（5）理论基础是神经生理学与脑科学IntelligentSys.Lab21AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第21页，课件共100页，创作于2023年2月神经元与神经网络

IntelligentSys.Lab22AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第22页，课件共100页，创作于2023年2月连接主义-续智能表示（1）神经元状态值、连接权值、阈值和激励函数决定输出值--隐式表示方法

（2）通过学习算法修正神经元之间的连接权值，达到更精确的知识表示，学习算法包括有导师和无导师学习算法两类模式识别—典型代表（1）建立样本库（2）特征提取与特征库（3）学习算法进行神经网络训练，模式的聚类、分类和识别学习算法提高学习和训练速度，保证全局收敛，网络结构设计和自适应调整IntelligentSys.Lab23AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第23页，课件共100页，创作于2023年2月行为主义代表人物

1988年，Brooks等人提出无需知识、知识表示和推理的智能系统，智能来自于系统的“感知-动作”模式，基于这样的思路，他发明了六足行走机器，一个模拟昆虫行为的控制器。基本思想（1）智能是一个系统行为，智能行为可以通过与周围环境的的交互作用表现出来（2）智能的基础是“感知-动作”模式，类似于心理学的“刺激-反应”，它也决定系统的结构和参量（3）系统的智能行为决定于系统的结构和参量（4）自组织、自学习、自适应是智能系统得基本特征（5）理论基础是控制论、系统科学和心理学IntelligentSys.Lab24AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第24页，课件共100页，创作于2023年2月行为主义-续智能表示（1）系统模型、模型结构和参量--隐式表示方法（2）学习就是一次又一次地从外界接受条件和结果，即“感知-动作”，积累知识的过程（3）自学习是指：当一个新的输入条件决定后，能根据经验的积累，给出相应结果的过程，或者当一个新的条件和结果给出后，能够调整结构和参量的过程。智能控制与智能机器人—典型代表（1）建立系统模型（2）行为（感知-动作）模拟，积累知识，形成基本控制策略（3）学习与自学习进行自适应调整与优化，形成新的控制策略学习算法自适应、自学习、自组织、自寻优等智能化方法IntelligentSys.Lab25AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第25页，课件共100页，创作于2023年2月面临困境源于复杂性

知识的复杂性，知识表示的组合爆炸不完整知识的表达问题推理的时空爆炸性

神经网络结构复杂学习、训练低效难以全局收敛

能力限制复杂行为模拟不能用精确的数学模型描述的问题

IntelligentSys.Lab26AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第26页，课件共100页，创作于2023年2月信息时代的呼唤工业时代能量资源-创造动力的工具-获得能量物理学、化学创造动力工具的理论基础信息时代信息资源-创造智能的工具-获得智能智能计算理论创造智能工具的理论基础IntelligentSys.Lab27AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第27页，课件共100页，创作于2023年2月什么是智能计算智能计算（ComputationalIntelligence，CI）目前还没有一个统一的的定义，使用较多的是美国科学家贝慈德克（J.C.Bezdek）从智能计算系统角度所给出的定义:如果一个系统仅处理低层的数值数据，含有模式识别部件，没有使用人工智能意义上的知识，且具有计算适应性、计算容错力、接近人的计算速度和近似于人的误差率这4个特性，则它是智能计算的。从学科范畴看，智能计算是在神经网络（NeuralNetworks,NN）、演化计算（EvolutionaryComputation,EC）及模糊系统（FuzzySystem,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。

IntelligentSys.Lab28AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第28页，课件共100页，创作于2023年2月智能计算与人工智能的关系目前，对智能计算与人工智能的关系有2种不同观点，一种点认为智能计算是人工智能的一个子集，另一种观点认为智能计算和人工智能是不同的范畴。第一种观点的代表人物是贝慈德克。他把智能（Intelligence，I）和神经网络（NeuralNetwork，NN）都分为计算的（Computational，C）、人工的（Artificial，A）和生物的（Biological,B）3个层次，并以模式识别（PR）为例，给出了下图所示的智能的层次结构。在该图中，底层是计算智能（CI），它通过数值计算来实现，其基础是CNN；中间层是人工智能（AI），它通过人造的符号系统实现，其基础是ANN；顶层是生物智能（BI），它通过生物神经系统来实现，其基础是BNN。按照贝慈德克的观点，CNN是指按生物激励模型构造的NN，ANN是指CNN+知识，BNN是指人脑，即ANN包含了CNN，BNN又包含了ANN。对智能也一样，贝慈德克认为AI包含了CI，BI又包含了AI，即智能计算是人工智能的一个子集。IntelligentSys.Lab29AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第29页，课件共100页，创作于2023年2月CNNCPRCIANNAPRAIBNNBPRBI人类知识(+)传感输入知识(+)传感数据计算(+)传感器B~生物的A~符号的C~数值的复杂性复杂性输入层次

贝慈德克的智能的3个层次IntelligentSys.Lab30AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第30页，课件共100页，创作于2023年2月第二种观点是大多数学者所持有的观点，其代表人物是艾伯哈特（R.C.Eberhart）。他们认为：虽然人工智能与智能计算之间有重合，但智能计算是一个全新的学科领域，无论是生物智能还是机器智能，智能计算都是其最核心的部分，而人工智能则是外层。事实上，CI和传统的AI只是智能的两个不同层次，各自都有自身的优势和局限性，相互之间只应该互补，而不能取代。大量实践证明，只有把AI和CI很好地结合起来，才能更好地模拟人类智能，才是智能科学技术发展的正确方向。智能计算与人工智能的关系IntelligentSys.Lab31AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第31页，课件共100页，创作于2023年2月智能计算的产生与发展1992年，贝慈德克在《ApproximateReasoning》学报上首次提出了“智能计算”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智能计算大会(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“智能计算”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届智能计算国际会议WCCI’98。2002年5月，在美国州夏威夷州首府火奴鲁鲁市又召开了第3届智能计算国际会议WCCI’02。此外，IEEE还出版了一些与智能计算有关的刊物。目前，智能计算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。IntelligentSys.Lab32AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第32页，课件共100页，创作于2023年2月智能计算-回归自然自下而上的研究思路传统人工智能研究思路是自上而下，现代智能计算方法强调通过计算实现生物内在的智能行为，也称为智能计算从简单到复杂的演化进程智能的获得不是一蹴而就，是渐进式的积累过程，简单中孕育复杂，平凡中蕴含智慧在传统学科中寻找算法

如生命科学（遗传算法）、物理学（模拟退火算法）和化学（DNA计算）等从自然与社会系统中获得灵感

如蚂蚁算法、禁忌搜索和粒子群优化方法，模糊计算及模糊系统、粗造集及其系统IntelligentSys.Lab33AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第33页，课件共100页，创作于2023年2月相互关系智能计算与人工智能的界限并非十分明显，1992年Bezdek给出了一个有趣的关系图，其中

NN—神经网络，PR—模式识别，I—智能A－Artificial，表示人工的（非生物的），即人造的B－Biological，表示物理的＋化学的＋（？？）＝生物的C－Computational，表示数学＋计算机ABC的关系图智能计算是一种智力方式的低层认知，传统人工智能是中层认知，中层系统含有知识，当一个智能计算系统以非数值方式加上知识值，则为人工智能系统

IntelligentSys.Lab34AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第34页，课件共100页，创作于2023年2月自然计算自然计算的含义

学习、运用自然规律，模拟自然系统乃至社会系统的演变过程的智能计算方法，借鉴自然科学学科的原理和理论进行问题的求解方法自然计算方法

演化计算、蚁群算法、粒子群优化方法、人工免疫系统、模糊计算IntelligentSys.Lab35AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第35页，课件共100页，创作于2023年2月演化计算演化计算的概念：（EvolutionaryComputation,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。IntelligentSys.Lab36AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第36页，课件共100页，创作于2023年2月演化计算（进化计算）

人倾向于线性地思考问题，而进化（Evolution）则常常以人们意象不到的方式解决问题。

——弗格《什么是进化计算》IntelligentSys.Lab37AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第37页，课件共100页，创作于2023年2月

演化计算是一种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（Reproduction）变异（Mutation）竞争（Competition）选择（Selection）引入到了算法中。演化计算概述

(1)什么是演化计算IntelligentSys.Lab38AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第38页，课件共100页，创作于2023年2月

(2)演化计算的生物学基础

自然界的生物进化过程是演化计算的生物学基础，它主要包括遗传（Heredity）、变异（Mutation）和演化（Evolution）理论。

①遗传理论所谓遗传是指父代（或亲代）利用遗传基因将自身的基因信息传递给下一代（或子代），使子代能够继承其父代的特征或性状的这种生命现象。正是由于遗传的作用，人们才能“种瓜得瓜，种豆得豆”，自然界才能有稳定的物种。在自然界，构成生物基本结构与功能的单位是细胞（Cell）。细胞中含有一种包含着所有遗传信息的复杂而又微小的丝状化合物，人们称其为染色体（Chromosome）。在染色体中，遗传信息由基因（Gene）所组成，基因决定着生物的性状，是遗传的基本单位。染色体的形状是一种双螺旋结构，构成染色体的主要物质叫做脱氧核糖核酸（DeoxyribonucleicAcid，DNA），每个基因都在DNA长链中占有一定的位置。一个细胞中的所有染色体所携带的遗传信息的全体称为一个基因组（Genome）。细胞在分裂过程中，其遗传物质DNA通过复制转移到新生细胞中，从而实现了生物的遗传功能。IntelligentSys.Lab39AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第39页，课件共100页，创作于2023年2月②变异理论

变异是指子代和父代之间，以及子代的各个不同个体之间产生差异的现象。变异是生物进化过程中发生的一种随机现象，它是一种不可逆过程。变异在生物多样性方面具有不可替代的作用，其选择和积累是生物多样性的根源。引起变异的主要原因有两种，一种是杂交，另一种是复制差错。所谓杂交是指有性生殖生物在繁殖下一代时两个同源染色体之间的交配重组，即两个染色体在某一相同处的DNA被切断后再进行交配重组，形成两个新的染色体。所谓复制差错是指在细胞复制过程中因DNA上某些基因结构的随机改变而产生出新的染色体。

③进化论进化是指在生物延续生存过程中，逐渐适应其生存环境，使得其品质不断得到改良的这种生命现象。遗传和变异是生物进化的两种基本现象，优胜劣汰、适者生存是生物进化的基本规律。达尔文的自然选择（NaturalSelection）学说认为：在生物进化中，一种基因有可能发生变异而产生出另一种新的生物基因。这种新基因将依据其与生存环境的适应性而决定其增殖能力。一般情况下，适应性强的基因会不断增多，而适应性差的基因则会逐渐减少。通过这种自然选择，物种将逐渐向适应于生存环境的方向进化，甚至会演变成为另一个新的物种，而那些不适应于环境的物种将会逐渐被淘汰。IntelligentSys.Lab40AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第40页，课件共100页，创作于2023年2月2.演化计算的产生与发展

演化计算自20世纪50年代以来，其发展过程大致可三个阶段。

①萌芽阶段

这一阶段是从20世纪50年代后期到70年代中期。20世纪50年代后期，一些生物学家在研究如何用计算机模拟生物遗传系统中，产生了遗传算法的基本思想，并于1962年由美国密执安（Michigan）大学霍兰德（Holland）教授提出。1965年德国数学家雷切伯格（Rechenberg）等人提出了一种只有单个个体参与演化，并且仅有变异这一种演化操作的演化策略。同年，美国学者弗格尔（Fogel）提出了一种具有多个个体和仅有变异一种演化操作的演化规划。1969年美国密执安（Michigan）大学的霍兰德（Holland）教授提出了系统本身和外部环境相互协调的遗传算法。至此，演化计算的三大分支基本形成。

②成长阶段

这一阶段是从20世纪70年代中期到80年代后期。1975年，霍兰德教授出版专著《自然和人工系统的适应性（AdaptationinNaturalandArtificialSystem）》，全面介绍了遗传算法。同年，德国学者施韦费尔（Schwefel）在其博士论文中提出了一种由多个个体组成的群体参与演化的，并且包括了变异和重组（Recombination）这两种演化操作的更加完善的演化策略。1989年，霍兰德教授的学生戈尔德伯格（Goldberg）博士出版专著《遗传算法----搜索、优化及机器学习（GeneticAlgorithm----inSearchOptimizationandMachineLearning）》，使遗传算法得到了普及与推广。IntelligentSys.Lab41AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第41页，课件共100页，创作于2023年2月

这一阶段是从20世纪90年代至今。1989年，美国斯坦福（Stanford）大学的科扎（Koza）提出了遗传规划的新概念，并于1992年出版了专著《遗传规划----应用自然选择法则的计算机程序设计（GeneticProgramming:ontheProgrammingofComputerbyMeansofNaturalSelection）》该书全面介绍了遗传规划的基本原理及应用实例，标志着遗传规划作为智能计算的一个分支已基本形成。

进入20世纪90年代以来，演化计算得到了众多研究机构和学者的高度重视，新的研究成果不断出现、应用领域不断扩大。目前，演化计算已成为人工智能领域的又一个新的研究热点。

③发展阶段IntelligentSys.Lab42AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第42页，课件共100页，创作于2023年2月

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。IntelligentSys.Lab43AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第43页，课件共100页，创作于2023年2月遗传算法遗传算法（GeneticAlgorithm）模拟达尔文的遗传选择和自然淘汰的生物进化过程1975年首先由Holland提出用于自然和人工系统的自适应行为研究(AdaptationinNaturalandArtificialSystems)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

IntelligentSys.Lab44AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第44页，课件共100页，创作于2023年2月神经计算

麦克卡洛和匹茨把生物脑神经系统研究、数理逻辑思想以及图灵的计算理论相结合，将其成果转向人造物，这是有一次科学飞跃，可视为人工智能（计算智能）的起步。能不能造出有智能的机器？在这方面取得重大突破的，就是继莱布尼茨、巴贝奇、图灵之后的冯.诺依曼。IntelligentSys.Lab45AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第45页，课件共100页，创作于2023年2月神经计算

神经计算是以人工神经网络为基础的一种智能计算方法。它。它是智能计算的重要基础和核心，也是智能计算乃至智能科学技术的一个重要研究领域。

IntelligentSys.Lab46AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第46页，课件共100页，创作于2023年2月

生物神经系统简介

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。

IntelligentSys.Lab47AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第47页，课件共100页，创作于2023年2月(1)生物神经元的结构神经末梢突触轴突树突细胞核细胞体它由细胞体(Soma)、轴突(Axon)和树突(Dendrite)三个主要部分组成

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--100μm，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。

IntelligentSys.Lab48AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第48页，课件共100页，创作于2023年2月

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。IntelligentSys.Lab49AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第49页，课件共100页，创作于2023年2月(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。

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。IntelligentSys.Lab50AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第50页，课件共100页，创作于2023年2月(3)人脑神经系统的联结机制

1.人脑神经系统的联结规模

人脑大约由1011--1012个神经元所组成，其中每个神经元大约有3＊104个突触。小脑中的每个神经元大约有105个突触，并且每个突触都可以与别的神经元的一个树突相连。人脑神经系统就是由这些巨量的生物神经元经广泛并行互连所形成的一个高度并行性、非常复杂的神经网络系统。

2.人脑神经系统的分布功能

人脑神经系的记忆和处理功能是有机的结合在一起的，每个神经元既具有存储功能，同时又具有处理能力。从结构上看，人脑神经系统又是一种分布式系统统。人们通过对脑损坏病人所做的神经生理学研究，没有发现大脑中的哪一部分可以决定其余所有各部分的活动，也没有发现在大脑中存在有用于驱动和管理整个智能处理过程的任何中央控制部分。人类大脑的各个部分是协同工作、相互影响的。在大脑中，不仅知识的存储是分散的，而且其控制和决策也是分散的。

IntelligentSys.Lab51AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第51页，课件共100页，创作于2023年2月人工神经网络的工作原理根据一个简化的统计，人脑由百亿条神经组成―每条神经平均连结到其它几千条神经。通过这种连结方式，神经可以收发不同数量的能量。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。IntelligentSys.Lab52AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第52页，课件共100页，创作于2023年2月人工神经网络的工作原理人的思维有逻辑性和直观性两种不同的基本方式。逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1）信息是通过神经元上的兴奋模式分布储在网络上;2）信息处理是通过神经元之间同时相互作用的动态过程来完成的。

IntelligentSys.Lab53AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第53页，课件共100页，创作于2023年2月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。

IntelligentSys.Lab54AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第54页，课件共100页，创作于2023年2月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，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，应使得网络减少下次犯同样错误的可能性。

IntelligentSys.Lab55AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第55页，课件共100页，创作于2023年2月人工神经网络的工作原理

首先，给网络的各连接权值赋予(0，1)区间内的随机值，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)