計算智慧（Computational Intelligence，CI）是借鑑仿生學的思想，基於人們對生物體智慧機理的認識，採用數值計算的方法去模擬和實現人類的智慧。

    計算智慧的三大基本領域包括神經計算、進化計算、模糊計算。

一、神經計算

神經計算的概念：亦稱神經網路(Neural Network，NN)，它是通過對大量人工神經元的廣泛並行互聯所形成的一種人工網路系統，用於模擬生物神經系統的結構和功能。

    主要研究內容：包括人工神經元的結構和模型，人工神經網路的互連結構和系統模型，基於神經網路的聯結學習機制等

    人工神經元：是指用人工方法構造單個神經元，它有抑制和興奮兩種工作狀態，可以接受外界刺激，也可以向外界輸出自身的狀態，用於模擬生物神經元的結構和功能，是人工神經網路的基本處理單元。

    人工神經網路的互連結構（或稱拓撲結構）是指單個神經元之間的連線模式，它是構造神經網路的基礎。從互連結構的角度，神經網路可分為前饋網路和反饋網路兩種主要型別。

    網路模型是對網路結構、連線權值和學習能力的總括。最常用的有傳統的感知器模型，具有誤差前向傳播功能的前向傳播網路模型，採用反饋連線方式的反饋網路模型等。

     神經網路具有自學習、自組織、自適應、聯想、模糊推理等能力，在模仿生物神經計算方面有一定優勢。目前，神經計算的研究和應用已滲透到許多領域，如機器學習、專家系統、智慧控制、模式識別等。

二、進化計算

進化計算的概念

    是一種模擬自然界生物進化過程與機制，進行問題求解的自組織、自適應的隨機搜尋技術。它以達爾文進化論的“物竟天擇、適者生存”作為演算法的進化規則，並結合孟德爾的遺傳變異理論，將生物進化過程中的繁殖、變異、競爭和選擇引入到了演算法中，是一種對人類智慧的演化模擬方法。

進化計算的主要分支

    遺傳演算法、進化策略、進化規劃和遺傳規劃四大分支。其中，遺傳演算法是進化計算中最初形成的一種具有普遍影響的模擬進化優化演算法。

三、模糊計算

    (美國密執安大學霍蘭德教授1962提出)是使用模擬生物和人類進化的方法來求解複雜問題。它從初始種群出發，採用優勝略汰、適者生存的自然法則選擇個體，並通過雜交、變異產生新一代種群，如此逐代進化，直到滿足目標為止。

模糊計算：亦稱模糊系統，是通過對人類處理模糊現象的認知能力的認識，用模糊集合和模糊邏輯去模擬人類的智慧行為的。模糊集合與模糊邏輯是美國加州大學扎德(Zadeh)教授1965年提出來的一種處理因模糊而引起的不確定性的有效方法。

模糊概念的定義：通常，人們把那種因沒有嚴格邊界劃分而無法精確刻畫的現象稱為模糊現象，並把反映模糊現象的各種概念稱為模糊概念。例如， “大”、“小”、“多”、“少”等。

模糊概念的表示：通常是用模糊集合來表示的，而模糊集合又是用隸屬函式來刻畫的。一個隸屬函式描述一個模糊概念，其函式值為[0, 1]區間的實數，用來描述函式自變數所代表的模糊事件隸屬於該模糊概念的程度。

模糊計算的爭論：一方面模糊邏輯存在一定缺陷；另一方面它在推理、控制、決策等方面得到了非常廣泛的應用。

參考：《人工智慧原理及應用》

整理不易！！！ 轉載請註明出處！！！