1 人工智能的研究及应用领域( 二 ) _人工智能

3. 计算智能计算智能(computational intelligence)涉及神经计算、模糊计算、进化计算、粒群计算、自然计算、免疫计算和人工生命等研究领域。
进化计算(evolutionary computation)是指一类以达尔文进化论为依据来设计、控制和优化人工系统的技术和方法的总称，它包括遗传算法(genetic algorithm)、进化策略(evolutionary strategy)和进化规划(evolutionary programming) 。自然选择的原则是适者生存，即物竞天择，优胜劣汰。
自然进化的这些特征早在20世纪60年代就引起了美国的霍兰(Holland)的极大兴趣。受达尔文进化论思想的影响，他逐渐认识到在机器学习中，为获得一个好的学习算法，仅靠单个策略的建立和改进是不够的，还要依赖于一个包含许多候选策略的群体的繁殖。他还认识到，生物的自然遗传现象与人工自适应系统行为的相似性，因此他提出在研究和设计人工自主系统时可以模仿生物自然遗传的基本方法。70年代初，霍兰提出了“模式理论” ，并于1975年出版了《自然系统与人工系统的自适应》专著，系统地阐述了遗传算法的基本原理，奠定了遗传算法研究的理论基础。
遗传算法、进化规划、进化策略具有共同的理论基础，即生物进化论，因此，把这三种方法统称为进化计算，而把相应的算法称为进化算法。
人工生命是1987年提出的，旨在用计算机和精密机械等人工媒介生成或构造岀能够表现自然生命系统行为特征的仿真系统或模型系统。自然生命系统行为具有自组织、自复制、自修复等特征以及形成这些特征的混沌动力学、进化和环境适应。
人工生命的理论和方法有别于传统人工智能和神经网络的理论和方法。人工生命把生命现象所体现的自适应机理通过计算机进行仿真，对相关非线性对象进行更真实的动态描述和动态特征研究人工生命学科的研究内容包括生命现象的仿生系统、人工建模与仿真、进化动力学、人工生命的计算理论、进化与学习综合系统以及人工生命的应用等。

文章插图

4. 分布式人工智能与Agent分布式人工智能(Distributed AI ， DAI)是分布式计算与人工智能结合的结果。DAI系统以鲁棒性作为控制系统质量的标准，并具有互操作性，即不同的异构系统在快速变化的环境中具有交换信息和协同工作的能力。
分布式人工智能的研究目标是要创建一种能够描述自然系统和社会系统的精确概念模型。DAI中的智能并非独立存在的概念，只能在团体协作中实现，因而其主要研究问题是各agent间的合作与对话，包括分布式问题求解和多agent系统(Multi-Agent System ， MAS)两领域MAS更能体现人类的社会智能，具有更大的灵活性和适应性，更适合开放和动态的世界环境，因而倍受重视，已成为人工智能乃至计算机科学和控制科学与工程的研究热点。MAS解决实际问题的方式可以理解为一种基于agent的协作问题，而分布式约束则可以描述领域对象的性质、相互关系、任务要求、目标，因此可以作为一种有效的方法表示这种agent间的协作关系。