软计算的提出背景与动因

如何有效地在充满环境不确定因素的状态下,面对资源有限的情形进行现实问题的决策与控制是人类生存繁衍,生生不息的永恒主题。人类的任务是在这样的背景下寻求问题求解策略,使其目标得以最优满足。从历史的角度看,人类在近代寻求现实问题的过程中,走的是这样一条技术路线:简单定性信息处理模式→以基于微积分方法为主的定量信息处理模式→定性定量相结合(从定性到定量)的信息处理模式。

早期,由于人们理论基础的匮乏和技术手段的落后,在处理复杂系统的决策与控制问题时,不得不简单地依赖有限的环境、对象的定性信息以及简单的经验知识。这严重地制约了人类与大自然协调共处可持续发展的能力和水平。

进入18世纪以后,人类在自然科学领域取得了长足的进步,创造了一个又一个伟大的骄人业绩。其中基于微积分的问题求解方法在人类所取得的这些重大成就的过程中,因其严密的逻辑体系,卓越的定量信息处理能力,在计算机等先进工具的支持下发挥着决定性的独特作用,并一度成为人类解决绝大多数自然科学问题及相当数量的社会领域问题的唯一选择。

随着人类面临的社会发展、生产生活、科学研究中的决策、控制、优化、规划、制造等问题的日益复杂,所处的人文、自然环境的不确定程度与日俱增,历史上占统治地位的基于微积分的解决之道已越来越不能单独承担处理不确定环境下复杂系统的重任。具体地说,微积分方法体系存在以下缺憾:

(1)模型的过分依赖性。大部分基于微积分的方法都要求所研究的问题有完整的数学模型甚至有良好的分析性质,这在许多现实问题中难以满足。

(2)实际的决策问题引发基于微积分优化策略中约束和不确定性的困难[1]:对于前者,如何寻求下降且可行方向及如何辨析有效/无效约束困难重重;对于后者,不确定性的出现带来额外的计算开销。

(3)微积分方法体系限制我们寻求全局最优[1],而这在大部分现实问题中是人类的最终需求。

有鉴于此,兼顾定性定量的从定性到定量信息处理模式——基于启发式搜索的问题处理体系在近几十年来迅速崛起并可望与基于微积分的方法体系一道成为共同担负起解决上述问题的有力手段。在这种问题处理体系中,作为一个重要代表,20世纪90年代初提出的软计算方法体系,近来受到了广大研究者的高度重视并获得了深入的理论和应用研究,成为处理和解决众多复杂决策与控制问题的重要思路。

这一方法体系旨在:开发对不精确性、不确定性和不完全真实性的兼容以获取可驾驭性、鲁棒性、解的低成本及与事实更好的亲合力[2]。它是诸多成员——模糊逻辑(fuzzy logic-FL)、神经计算(neuro-computing-NC)、进化计算(evolutionary computing-EC)、概率计算(probabilistic computing-PC)、模拟退火(simulated annealing-SA)、序数优化(ordinal optimization-OO)……的方法集合体。它们各不相同,但在软计算目标层次上又高度一致。它们相互的集成及与基于微积分方法体系的互补对不确定环境下复杂问题(决策、控制等)的分析与预测提供了有力支持。

软计算的概念提出人Zadeh在不同场合多次强调:软计算的成员间在问题求解中是互为补充而非竞争。为此,通常将其联合使用,并认为这将导致所谓混合智能系统[3]。事实上,由于软计算成员鲜明的特色和迥异的侧重点,使得这种混合可行,必要,重要。从无数成功范例中也证明了这一点。因此,软计算的成员间的混合以及软计算与其他方法的混合(这一点后文将述及)在问题求解层面上极具重要的研发意义。目前软计算的理论研究方兴未艾,应用研究层出不穷。重要搜索引擎中以“soft computing”为关键词的文献众多。1997年起多种相关杂志:Soft Comput,Fusion of Foundations,Methodologies,Applicat,Applied Soft Computing等相继创刊。以软计算为主题或主题之一的国际会议也不胜枚举。

本书以国家自然科学基金“综合集成研讨体系下的复杂系统产品创新设计决策支持研究”“面向演化算法应用的多智能体系建模与仿真研究”“城市气象灾害免疫防御模型研究”等为支撑背景,以进化计算及软计算方法融合为核心对系统优化决策、动静态系统建模、复杂系统的控制等重要命题开展研究,提出若干鲁棒性能高可操作性强的混合优化决策与控制策略,方法和技术线路并应用于实际问题和标准(Benchmark)问题。全书最后简要附录了微机电系统进化设计研究进展、若干标准测试问题。