軟計算

傳統計算（硬計算）的主要特徵是嚴格、確定和精確。但是硬計算並不適合處理現實生活中的許多問題，例如駕駛汽車。而軟計算（Soft Computing,SC）通過對不確定、不精確及不完全真值的容錯以取得低代價的解決方案和魯棒性。它模擬自然界中智能系統的生化過程（人的感知、腦結構、進化和免疫等）來有效處理日常工作。軟計算包括幾種計算模式：模糊邏輯、人工神經網路、遺傳演演算法和混沌理論。這些模式是互補及相互配合的，因此在許多應用系統中組合使用。

構成軟計算的主要技術：模糊邏輯、神經網路、概論推理，以及遺傳演演算法、學習理論、混沌理論等；

軟計算的宗旨是將這些技術相輔助、相融合地加以利用；

基於寬容性的概念，不強求高度的精確性及確定性，降低成本，易處理，具有魯棒性；

通過低精度的計算，解決精確的或不精確的模式化問題的一種新的計算方法。

1943年，McClulloch和Pitts發表神經元的數學模型。

1965年，L. Zadeh提出模糊邏輯理論。

1975年，J. Holland提出遺傳演演算法。

1975年，J. Yorke和T.Y. Li給出"混沌"的嚴格定義。

1991年，L. Zadeh指出人工神經網路、模糊邏輯及遺傳演演算法與傳統計算模式的區別，將它們命名為軟計算。

近年文獻中將混沌理論、遺傳演演算法和模擬退火演演算法等概率推理（Probabilistic Reasoning）歸入軟計算。

傳統人工智慧進行符號操作，這基於一種假設：人的智能存儲在符號化的知識庫中。但是符號化知識的獲得和表達限制了人工智慧的應用（即符號主義的缺點）。一般的，軟計算不進行太多的符號操作。因此，從某種意義上說，軟計算是傳統人工智慧(TAI)的補充。傳統的人工智慧加上軟計算就可成為智能計算。

1、不需要建立問題本身的精確數學或邏輯模型，而是直接對輸入數據進行處理得出結果；

2、更適用於解決那些傳統AI技術難以有效地處理、甚至無法處理的問題；

3、只有數值數據可利用時可以用神經網路；

4、處理具有模糊性的知識，可以使用模糊邏輯；

5、從多個組合中選優，可以使用遺傳演演算法。