軟計算方法

史檸瑋

摘 要：“軟計算”方法的應用對人工智能的技術發展有著積極的促進作用。靈活性、容錯性和魯棒性是該方法在實際應用中表現出來的主要特點。本篇文章主要從軟計算方法的發展背景入手，對基于軟計算方法的人工智能發展新思路進行了探究。

關鍵詞：軟計算方法；人工智能；發展思路

中圖分類號：TP18 文獻標識碼：A 文章編號：1671-2064（2017）11-0023-02

軟計算方法是對計算智能系統進行創新的一種表現。它主要是在模糊數學有關知識與智能化技術手段有機結合的基礎上，通過建模方式對復雜大系統中一些不確定性問題進行求解的技術方法。這一智能化計算方法在20世紀末開始得到國外學者的關注。隨著該計算方法的不斷發展，除了最早的模糊邏輯、模糊計算和神經計算以外，進化計算、混沌系統、序數優化和模擬退火也成為了軟計算體系中的重要組成部分。從該智能化計算技術發展現狀來看，它所構建出來的數學模型可以對客觀事物進行更為真實的反映，讓相關問題的求解過程表現出智能化特性。

1 軟計算方法的發展背景

針對客觀環境中存在不確定性因素，從資源有限的現實情形入手，對現實問題進行決策與控制，是人們在生存發展過程中的永恒主題[1]。在對人類尋求現實問題解決方式的措施進行探究以后，我們可以發現。定型化信息處理方式與定量化信息處理方式之間的結合是人類在未來階段所要遵循的一條重要技術路線。

從人類技術手段的發展來看，隨著計算機技術不斷發展，人工智能模式成為了一種在計算機科學、控制論、信息論和神經生理學等多種學科相互作用下而形成的綜合性計算模式。物理符號系統假設是該學科的主要作用機理。但是從這一技術的應用情況來看，這種基于物理符號系統的人工智能技術表現出來的是一種靜止化、精確化的邏輯處理方式。但是這種邏輯處理方式與人腦思維之間也存在著一定的差異性。由于人們在共同的思維下并不能產生共同的思維方式，因而通過向計算機灌輸百科全書的方式來獲取令人滿意的問題處理方式的措施只能在一定的專業范圍內得到應用，因而，在20世紀90年代以后，學術界所普遍認同的新型科學范式是一種以不確定性、非線性和時間不可逆性為內涵的研究范式。由于這一范式是以一些復雜問題為主要對象，因而智能計算技術也開始得到了學術界的重視，這就使得人工智能向計算智能之間的轉變成為了軟計算方法的主要產生背景。

2 軟計算的概述

軟計算是相對于傳統硬計算而言的。嚴格性、確定性和精確性是傳統硬計算的主要特點。從這種計算模式在現實生活中所發揮出來的作用來看，并不能對現實生活中所存在的一些問題進行有效解決。在軟計算技術得到發展以后，對不精確、不確定和不完全真值的容錯性是軟計算技術的主要特點。它是在對自然界中的智能系統進行模擬的基礎上，對日常工作進行處理[2]。在對軟計算與傳統人工智能進行分析以后可以發現，軟計算并不會對過多的符號運算進行應用。在對軟計算方法進行應用的過程中，對軟計算各項算法進行聯合運用的基礎上所建立起來的混合智能系統成為了這技術的主要的應用形式。從軟計算方法所涉及到的主要內容來看，魯棒性（計算機控制系統在一定結構、大小的參數的攝動下維持自身某些性能的特性）、處理問題的靈活性和容錯性是軟計算方法所表現出來的主要內容。軟計算方法的應用，可以讓一些傳統人工模式所面臨的問題得到有效解決，這就對計算智能系統的創新起到了一定的促進作用。

3 基于軟計算方法的人工智能發展新思路

3.1 模糊邏輯理論與模糊計算

隨機性、模糊性和不確知性是自然系統和人工系統中所表現出來的兩種主要特性。為了對模糊性和不確定性這兩大問題進行解決，國外學者在20世紀中葉提出了以模糊集合論對模糊信息進行處理的這一處理方法。這一系統處理模式是借助嚴格的數學方法對模糊化系統信息進行分析。從邏輯方面來看，它是以多值邏輯系統為基礎而發展起來的，從集合論的角度來看，它與定義邊界結合問題的表達之間存在著一定的關系[3]。

統一集技術是一些學者在對與模糊計算問題有關的模糊集合、可拓集合登記和輪的基礎上構建的一種新型集合模式。S=（A，B，F，J）是這一數學模型的主要表達式。在這一集合體系中，S可以被看作是一種非空的經典統一集，它主要對集合所要討論的事物范圍進行了確定。B可以被看作是一個對集合A中的元素的描述過程中所構成的結合，字母F可以被看作是一個由A到B的映射，也是對A中所涉及到的元素進行了描述，字母J代表的是一個對映射F所構建的一種約束界殼，在它的實際應用過程中，這種約束界殼可以是集合、不等式或者是一些由若干不同謂詞所構成的組合。隨著科技的不斷進步，統一集可以通過對人類各種思維方式進行模擬，為智能化的決策提供新的方法支撐。

3.2 人工神經網絡

人工神經網絡是在對計算系統中大量的簡單處理單元進行廣泛鏈接的技術上所建立起來的一種復雜化的網絡系統。在人工神經網絡系統中，數據在網絡系統中的流動，是人們進行計算的一大主要依據。在數據的流動過程中，每個神經元都可以從與其連接的神經元中接收一些輸入的數據流，并在對輸入到數據流進行處理以后，通過輸出數據流將這一信息傳遞到與之相連接的其他神經元系統之中。這一過程也是人工神經網絡從環境中自動獲取知識的重要過程。反向傳播網絡就可以被看作是對人工神經網絡進行應用的一種表現。它是在對基于軟計算方法的學習規則進行一般化處理的基礎上，通過對非線性可微分函數進行應用的方式來進行權值訓練的多層網絡體系。S形函數是其神經元的變換函數的主要表現形式。泛化性能是這一技術的一種主要特性。在正向傳播過程中，輸入信息是由輸入層經隱含層逐層計算的方式傳入輸出層，其中每一層神經元的狀態只對其下一層的神經元狀態有所影響。

3.3 進化計算

進化計算是達爾文進化論、計算機科學和生物遺傳學相結合建立起來的一種新型計算方法[4]。利用簡單的編碼技術對各種復雜的結構進行表述，并在借助編碼進行簡單遺傳操作的基礎上，借助優勝劣汰的自然選擇策略對學習方向和與之有關的搜索方向進行確定。群體復制技術、雜交技術和編譯遺傳操作技術在學術研究中的應用，可以讓與之有關的魯棒性得到一定程度的提升。遺傳算法、進化策略和進化規劃是進化計算在實際應用中的計算策略。下表1中的內容是三種算法的比較分析。

可以說，從進化計算的應用實例來看，遺傳算法對復雜系統優化問題的解決起到了一定的促進作用。由于這一算法對問題種類表現出了較強的魯棒性，因而這一算法可以在多個不同的學科中得到應用。

3.4 模擬退火

模擬退火是建立在無機械自然規律基礎上的一種非導數優化方法。能量最低原理是這算法中應用到的主要原理。在這一原理的影響下，原子所在的能級成為了原子穩定狀態的主要影響因素。從模擬退火技術的應用情況來看，上述兩者之間表現出來的是一種負相關的關系：原子能級愈高，原子的穩定性愈低。在這樣的情況下，如果我們將原子的最小能級看作是目標函數的最小化階段，在進入高能級狀態以后，原子會進入到不穩定的狀態之中，對溫度的降低就成為對相關概率進行縮小的有效方式。它對組合優化問題的解決起到了一定的促進作用。在連續優化問題的處理過程中，也表現出了一定的可行性。例如英國數學家可可曼在19世紀提出的貨郎擔問題就可以利用模擬退火方式進行解決[5]。從這一問題的原始解決方式來看，研究者首先要對每一條可供選擇的路線進行羅列，然后在對每條路線的總里程進行計算的基礎上，對最短的路線進行選擇，是一種較為常用的計算方式，但是在這一城市的數量增加到20個以上的情況下，計算機借助這種方式對路線的檢索也會耗費大量的時間，因而這一技術可以通過對組合優化問題的理想平臺進行構建的方式，對這一類問題進行解決。目標函數法、二變換法、三變換法和目標函數差計算模式的應用，可以讓計算時間得到有效縮短。在飛機航線安排、物流派送和城市公交線路設計問題的解決，也可以對模擬退火技術進行應用。例如源節點到目的節點之前的最短路徑問題是車輛路線選擇問題解決過程中的關鍵要素。這一問題也是貨郎擔問題的變式，因而模擬退火技術也可以對這一問題進行解決。

3.5 序數優化

序數優化是哈佛大學學者在1992年開始應用的一種新型軟計算方法。它可以通過對解空間較為龐大問題的計算程序進行構建。從這種計算方法的應用情況來看，它可以通過對計算程序進行設計的方式，對解空間中的原問題的滿意解集進行確定。從這一技術的應用效果來看，它在機器人研究領域、資源分配領域、社會選擇領域已經取得了令人滿意的應用效果，美國學者J·Hofland提出的遺傳算法，是對生物在自然環境中的遺傳和進化過程而獲取全局最優解的算法，深井鉆井風險評估模型的建立，是對序數優化法進行應用的表現。在筆者看來，模糊可拓經濟控制體系的構建也是對序數優化方式進行應用的一種體現。

4 結語

系統運行的人性化是人工智能在實際應用過程中的主要特征。微觀涌現機制與宏觀的控制機制、預測機制和決策機制之間的結合，對一些復雜系統問題的解決有促進作用。計算體系在復雜系統的分析、控制和決策領域有著巨大的作用和應用潛力。軟計算方法與眾多解決復雜問題的技術之間的有機結合，可以為不確定性問題和不確切性問題的解決提供一定的方法指導。

參考文獻

[1]馮統成.軟計算方法——人工智能發展的新思路[J].電腦與電信，2006（06）：19-21+18.

[2]王攀，萬君康，馮珊.創建計算智能的新方法——軟計算的若干問題研究[J].武漢理工大學學報（交通科學與工程版），2004（04）：618-621.

[3]劉昆.軟計算方法在智能優化中的應用研究[D].浙江大學，2002.

[4]吳成東，許可，王欣，韓中華.軟計算方法在數據挖掘中的應用[J].計算機測量與控制，2005（03）：294-297.

[5]何建南.軟計算方法和廣義模糊認知哲學[J].五邑大學學報（社會科學版），2007（03）：1-4.