《计算智能在各个领域的应用》由会员分享，可在线阅读，更多相关《计算智能在各个领域的应用（2页珍藏版）》请在金锄头文库上搜索。
1、计算智能在各个领域的应用背景计算智能是以生物演化的观点认识和模拟的智能。20世纪50年代中期人们从生物演化机理中受到启发，提出许多用以解决复杂优化问题的新方法，如遗传算法、模拟退火、禁忌搜索、蚁群算法和微粒群算法等，其最大特点是不需要建立问题本身的精确模型，适合于解决那些难以建立有效的形式化模型而用传统人工智能技术难以有效解决甚至无法解决的问题。为解决各类优化问题提供了新颖且有竞争力的求解方法，在多目标优化、数据聚分类、模式识别、信号处理、决策支持及仿真和系统辩识等方面取得瞩目的成果，从理论及应用研究角度显示了重要学术意义和现实价值。目前，计算智能是智能科学的重要方法之一，也是信息技术的前沿课
2、题，以计算智能为核心内容的交叉学科，如机器学习、数据挖掘、智能控制等已成为当前的研究热点，近年来研究出的计算智能新技术和新方法已经广泛应用于多个学科领域，尤其是在军事、金融工程、非线性系统最优化、知识工程、计算机辅助医学诊断等方面取得了丰硕的成果，下面简单介绍计算智能在某些领域的应用。计算智能在分布式多编译器中的应用分析分布式多编译器系统效率低下的直接原因是存在多个编译器同时工作时资源竞争的问题，为实现资源共享，减少竞争冲突，必须协调资源的申请、分配、注销，其中关系到资源申请的优先级、资源空闲上下阀值、资源预留与互斥原则、资源注销时机等因素。鉴于此，分布式多编译器系统具有自适应自主演化的特点：
3、在资源分配上应合理调度，动态配置可分配资源的数量;资源划分上要分尽量减少资源碎片，提高利用率，是智能化划分。不难看出，分布式多编译器系统的效率提高问题本质上可转化为优化问题，提高分布式多编译器系统性能，也就是将寻求分布式多编译器系统性最佳转化为优化问题求解，而诸多优化求解技术均可尝试运用到分布式多编译器系统的开发设计中，这是未来提高其性能的一个发展方向。计算智能在军事的应用分析科学技术的不断进步使得军事领域的各个方面都发生了革命性的变革和质的飞跃。当前,以计算机和信息技术为核心的新军事变革，使得现代战争呈现出的特点已不再是过去的以“大”吃“小”，而是现在的“快”吃“慢”。加快信息处理速度，争夺
4、战场信息优势，运用智能化的武器装备，已经成为21世纪战争的基本形态。面对这一重大变革，世界各国军队都在调整军事战略，其中发展先进的计算技术已成为各国军队的共同选择。在信息化条件下的现代战争中，现代计算技术是影响军事技术发展进程、武器装备现代化程度和国防与军队管理水平的重要因素。计算智能是借助现代计算工具模拟人的智能机制、生命演化过程和人的智能行为而进行信息获取、问题分析、理论应用和方法生成的一种计算技术。近年来，在新的形势下，国家安全和军事领域中出现了许多新的问题，有些问题难以用传统方法来解决，甚至在某些情况下还不能完全将它们表示出来。为此，人们采用包括模糊数学、神经网络和遗传算法在内的计算智
5、能来解决这些问题，取得了一些新的进展。目前，计算智能在军事领域中的应用已涉及到作战指挥、信息处理、管理决策、智能控制、专家系统、故障诊断等方面，并将不断拓宽深入。计算智能在金融工程的应用分析金融工程是将工程思维引入金融领域，综合运用各种工程方法来设计、开发和实施新型的金融产品，创造性的解决各种金融问题。计算智能技术是现在发展比较完备的技术手段，它在各方面的应用都取得了比较好的效果。将该技术应用在金融工程的研究当中，将对金融工程和信息控制技术的发展起到很大的推动作用。在股市预测方面，主要提出一种基于改进免疫遗传算法的多层前向神经网络，通过这种神经网络建立证券市场的趋势变动模型，并通过该模型预测证
6、券市场的未来变化趋势，通过实验验证，取得比较好的预测效果。在智能交易决策系统方面，利用前面的预测结果，基于预测趋势和实际趋势提出了一种结合布林线并利用改进的免疫遗传算法优化智能交易决策系统参数的方法，并用于实例仿真，同其他交易决策比较，该方法的效果最好。在证券组合投资策略方面，针对Markowitz均值-方差模型的不足，本文提出了一种基于改进免疫遗传算法的证券组合投资策略，它克服了均值-方差模型的收益率必须服从正态分布的局限，并通过将投资收益率、风险损失和风险报酬三者分开度量，明晰了三者的关系，还通过引入偏好系数加权法将上述三者进行权衡。仿真结果揭示了风险报酬和风险损失呈线性关系，而不是投资收
7、益率和风险损失呈线性关系，得到了较好的效果。计算智能在生物医学的应用分析对计算智能领域的神经网络融合算法、自适应信号处理等重点问题进行了专题研究，并将所提出的各种算法应用于计算机辅助医学诊断和生物医学信号分析。研究工作主要对膝关节摆动信号进行了波形分析，采用了全局和分段的波形因数、偏斜度、峰度、信息熵、转向计数和均方值方差这几种统计特性并进行了特征选择，此后利用径向基函数网络对膝关节摆动信号进行了有效的诊断。随后，结合了规整化和交叉确认方法提出了多层感知器的最优结构选择算法。计算智能在系统仿真技术的应用分析系统仿真技术近几十年来得到了很快的发展，随着计算机技术的发展，应用计算机进行系统仿真日益
8、受到重视，其应用领域也从航空、航天、原子反应堆等少数领域拓广到医学、军事、工业、娱乐等领域。传统的系统仿真技术主要采用数学建模及数值计算，但对于复杂的系统建立完整的数学模型是相当困难，有时甚至是不可能的，即存在着知识获取瓶颈。另外对于复杂的系统，其数学模型通常是非线性和不精确的，传统的系统仿真技术对于这样数学模型的问题求解缺乏有效的方法，并且对于数学模型的目标寻优也缺乏有效的方法。人工智能作为模拟人类智能求解问题的能力近20年来得到广泛研究并开始应用于系统仿真。人工智能依赖于“基于符号表示的知识”，而计算智能作为另一种智能技术是依赖于所提供的数学数据。计算智能的国际性学术期刊和会议日益增多，尤
9、其是计算智能的理论及应用方面的论文数量这几年呈指数形式增长。人工神经网模拟人脑的神经元及信息处理方式，具有自学习和自适应能力和容错性。遗传算法是模拟达尔文的自然界遗传学：继承（基因遗传），进化（基因突变），优胜劣汰（优的基因大量被遗传复制，劣的基因较少被遗传复制）。遗传算法是一种有效的目标寻优方法，并且能全局寻优。模糊系统是模拟人表示和求解不精确知识和数学模型的能力。计算智能（人工神经网、遗传算法、模糊系统）已在系统仿真领域开始得到应用，并克服了传统的系统仿真技术存在的局限性。计算智能在声波测井的应用分析声波测井是地球物理领域中一种发展很快且应用前景非常广阔的测井方法。在井孔中所测的各种波动模
10、式波的声速、声幅和声衰减都是石油勘探和开发中的极其重要参数。特别是偶极子或多极子声波测井能将单极声波阵列和偶极声波阵列组合，直接在各种地层中探测到纵波、横波和斯通利波进而对地层进行评价，还能在套管井中测井以进行固井质量的检查，目前西方已开发出商用仪器。为满足我国油气田的勘探和开发、打破西方垄断、节省引进外汇，研制和开发偶极子声波测井仪已是当务之急且具有重要意义。近几年来，迅猛发展的计算智能技术已在各个领域得到应用，其最大特点是不需要建立问题本身的精确模型，非常适合于处理那些因为难以建立有效的形式化模型而用传统人工智能方法难以解决、甚至无法解决的问题。因此探究计算智能技术在声波测井中的应用具有重要价值。
