计算智能：如果一个系统仅处理低层的数值数据，含有模式识别部件，没有使用人工智能意义上的知识，且具有计算适应性、计算容错力、接近人的计算速度和近似于人的误差率这4个特性，则它是计算智能的。从学科范畴看，计算智能是在神经网络（Neural Networks,NN）、进化计算（Evolutionary Computation,EC）及模糊系统（Fuzzy System,FS）这3个领域发展相对成熟的基础上形成的一个统一的学科概念。
神经网络是一种对人类智能的结构模拟方法，它是通过对大量人工神经元的广泛并行互联，构造人工神经网络系统去模拟生物神经系统的智能机理的。
人工神经网络（又称神经计算）的特性：
- 人工神经网络(Artificial Neural Network)是由大量的人工神经元经广泛互联所形成的一种人工网络系统，用以模拟人类神经系统的结构和功能。
- 并行分布处理
- 非线性映射
- 通过训练进行学习
- 适应与集成
- 硬件实现
人工神经网络是具有下列特性的有向图：
- 对于每个节点 i 存在一个状态变量xi ；
- 从节点 j 至节点 i ，存在一个连接权系数wij；
- 对于每个节点 i ，存在一个阈值w i；
- 对于每个节点 i ，定义一个变换函数fi ；对于最一般的情况，此函数形式为
人工神经网络的互连结构（或称拓扑结构）是指单个神经元之间的连接模式。
- 前馈网络
- 前馈网络具有递阶分层结构，由同层神经元间不存在互连的层级组成
- 递归（反馈）网络
- 在递归网络中，多个神经元互连以组织一个互连神经网络
- 拓扑结构是分层前向网络
- 单层感知器
- 多层感知器
演化计算基本思想：达尔文进化论是一种稳健的搜索和优化机制。大多数生物体是通过自然选择和有性生殖进行进化。自然选择决定了群体中哪些个体能够生存和繁殖，有性生殖保证了后代基因中的混合和重组。自然选择的原则是适者生存，优胜劣汰。
演化计算的主要方法：
三大分支：遗传算法（GA，genetic algorithm）
演化策略（ES，evoluntion strategy)
演化规则（EP，evoluntion programming）
后来：遗传程序设计（GP，genetic programming ）
GA的定义（一种随即搜索方法）
基本遗传算法（Simple Genetic Algorithms，简称SGA，又称简单遗传算法或标准遗传算法），是由Goldberg总结出的一种最基本的遗传算法，其遗传进化操作过程简单，容易理解，是其它一些遗传算法的雏形和基础。
M为种群规模；k为迭代次数；Pc杂交概率
模糊计算：
集合的运算与特征函数
模糊集合的表示和运算
建立隶属函数的方法
模糊计算基本原理：
模糊判决：
在推理得到的模糊集合中取一个相对最能代表这个模糊集合的单值的过程就称作解模糊或模糊判决（Defuzzification）
模糊判决可以采用不同的方法
重心法
最大隶属度方法
加权平均法
隶属度限幅元素平均法
模糊计算小结：
- 模糊逻辑提供了不精确和模糊的计算方法
- 模糊逻辑可用于表示某些人类专业知识
- 模糊隶属集
- 模糊语言变量
- 模糊AND和OR
- 模糊控制