軟計算

軟計算（Soft computing）是通過對不確定、不精確及不完全真值的容錯以取得低代價的解決方案和強健性的處理方式，和傳統計算（硬計算）不同。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。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、人工神經網絡、遺傳算法和混沌理論。神經網絡通常用於預測。多層感知神經網絡的基本結構由輸入層、中間隱藏層和輸出層組成，輸入因子 (ai) 和權重 (wij) 的乘積被饋送到與神經元偏差 (bj) 相加的結點。模糊邏輯已被用於解決多準則決策、模式識別和疾病診斷等問題。混沌及其應用包括化學、生態學和經濟學。在管理運籌學領域研究包括很多混沌系統，如排隊系統、庫存系統、計劃調度系統等。這些系統的主要特點是在不同的管理決策規則下隊列、庫存和計劃調度的混亂。 混沌管理依賴於變化規則，變化規則是基於有序或無序變化、適應性、新的有序出現過程的一套規則這些算法可以容忍不精確、不確定、部分真實和近似。軟計算與硬計算形成對比：算法可以找到問題的可證明正確和最佳解決方案。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。

歷史

• 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指出人工神經網絡、模糊邏輯及遺傳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、遺傳算法和模擬退火算法等概率推理（Probabilistic Reasoning）歸入軟計算。

與傳統人工智能的區別

傳統人工智能進行符號操作，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能的應用（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能的補充。

軟計算的應用

• 控制系統
• 模式識別
• 優化
• 自動決策
• 預測
• 分類