最優化算法解決的是一般的最優化問題。最優化問題可以分為求解一個或一組函數中、使得函數取值最小的自變量的函數優化問題和在一個解空間里面，尋找最優解，使目標函數值最小的組合優化問題等。優化算法有很多，經典算法包括線性規劃，動態規劃等，改進型局部搜索算法包括爬山法，最速下降法等；智能計算中的模擬退火、遺傳算法以及禁忌搜索稱作指導性搜索法，而神經網絡，混沌搜索則屬于系統動態演化方法，從不同的角度和策略實現改進，取得較好的”全局最小解”。二者之間既有區別，而又一定的關系，形成互補去解決常見的一些優化問題。

從比較廣泛的意義上講，智能計算和統計計算、蒙特卡羅方法聯系甚為密切，可互為從屬關系，是你中有我、我中有你，使用中也是互相補充。從這些算法的介紹和使用中不難發現這一特點。

智能計算是一種多層次級的計算模式，通常可分為6個層次：第一層為操作模擬層，把一些最基礎的思考操作進行程序化處理；第二層為存在經驗層，即對于優勢的經驗和便捷的過程代碼化；第三層稱為績效評估層，即對各種經驗的模擬結果進行評分，并能隨著條件和期望結果的變化改進評分體系；第四層分為A、B兩個系統：A系統通過智能計算對系統的變數進行有效的預測，B系統對這可能存在的預測結果進行的預判性評估；第五層為決策執行層，對上面的決策執行并在執行過程中進行一些必要的修正；第六層是智能計算的經驗系統，對實際運行結果進行總結和經驗性判定，判斷判定結果的準確度。

現在，智能計算在國內外得到廣泛的關注，已經成為人工智能以及計算機科學的重要研究方向，并在自身性能的提高和應用范圍的拓展中不斷完善。計算智能的研究、發展與應用，無論是研究隊伍的規模、發表的論文數量，還是網上的信息資源，發展速度都很快，已經得到了國際學術界的廣泛認可，并且在優化計算、模式識別、圖像處理、自動控制、經濟管理、機械工程、電氣工程、通信網絡和生物醫學等多個領域取得了成功的應用，應用領域涉及國防、科技、經濟、工業和農業等各個方面，尤其是在軍事、金融工程、非線性系統最優化、知識工程、計算機輔助醫學診斷等方面取得了豐碩的成果，下面簡單介紹智能計算在這些領域中的應用。

科學技術的不斷進步使得軍事領域的各個方面都發生了革命性的變革和質的飛躍。當前，以計算機和信息技術為核心的新軍事變革，使得現代戰爭呈現出的特點已不再是過去的以“大”吃“小”，而是現在的以“快”吃“慢”。加快信息處理速度，爭奪戰場信息優勢，運用智能化的武器裝備，已經成為21世紀戰爭的基本形態。面對這一重大變革，世界各國軍隊都在調整軍事戰略，其中發展先進的計算技術已成為各國軍隊的共同選擇。計算智能是借助現代計算工具模擬人的智能機制、生命演化過程和人的智能行為而進行信息獲取、問題分析、理論應用和方法生成的一種計算技術。近年來，在新的形勢下，國家安全和軍事領域中出現了許多新的問題，有些問題難以用傳統方法來解決，甚至在某些情況下還不能完全將它們表示出來。為此，人們采用包括模糊數學、神經網絡和遺傳算法在內的計算智能來解決這些問題，取得了一些新的進展和突破。目前，計算智能在軍事領域中的應用已涉及到作戰指揮、信息處理、管理決策、智能控制、專家系統、故障診斷等方面，并還在不斷拓寬深入中。

金融工程是將工程思維引入金融領域，綜合運用各種工程方法來設計、開發和實施新型的金融產品，創造性的解決各種金融問題。如在股市預測、智能交易決策系統和證券組合投資策略等方面，計算智能技術都取得了比較好的效果。

對計算智能領域的神經網絡融合算法、自適應信號處理所提出的各種算法應用于計算機輔助醫學診斷和生物醫學信號分析，也取得了許多應用成果。

目前關于計算智能的研究和應用仍處于蓬勃發展初期階段，應用范圍遍及各個科學領域。雖然計算智能是一門新興的綜合型學科，而且各種智能方法的發展歷史也不是很長，但是其發展卻是相當迅猛，應用也相當廣泛。當前除了對單一的算法進行研究和應用之外，現已開始對各種算法的融合進行研究，針對各個算法的特點，有目的的進行取長補短的算法綜合。典型的融合方案有人工神經網絡與模糊邏輯、人工神經網絡與免疫算法和遺傳算法、模糊邏輯與免疫算法、模糊邏輯與遺傳算法及遺傳算法與免疫算法等，特別是和傳統數值算法結合，取得了一些突破性成果。融合之后的算法可以提高算法的性能，增強算法的適應性和穩定性，同時還克服了算法選擇的盲目性。另外，還有學者提出了計算智能的新框架――生物網絡結構，即神經內分泌免疫網絡。它由人工神經網絡、人工內分泌系統和人工免疫系統等組成。新框架的提出為人們研究其理論和應用技術提供了新平臺，為計算智能今后的發展指明了方向。計算智能技術在自身性能的提高和應用范圍的拓展中將得到不斷完善。

目前的智能計算研究的水平暫時還很難使“智能機器”真正具備人類的常識，但智能計算將在21世紀得到蓬勃發展，不僅僅只是功能模仿要持有信息機理一致的觀點，即人工腦與生物腦將不只是功能模仿，而是具有相同的特性。這兩者的結合將開辟一個全新的領域，開辟很多新的研究方向。智能計算將探索智能的新概念，新理論，新方法和新技術，而這一切將在今后的發展中都會取得新的重大成就。

神經網絡計算

神經網絡計算 (Neural Network Computing  NNC)是通過對人腦的基本單元——神經元的模擬，經過輸入層、隱層、輸出層等層次結構，對數據進行調整、評估和分析計算，得到的一類具有學習、聯想、記憶和模式識別等功能的智能算法。

神經網絡計算示意圖（摘自互聯網）

要想比較深入的理解神經網絡計算，就必須對神經網絡系統有一定的理解，下面對其進行一些簡單介紹。

神經網絡(Neural Network，NN)是由大量的、簡單的處理單元（簡稱為神經元）經廣泛互連而形成的一個復雜網絡系統，反映了人腦功能的許多基本特征，是一個高度復雜化的非線性動力學系統。神經網絡具有大規模并行、分布式存儲和處理、自組織、自適應和自學習等能力，特別適合處理需要同時考慮眾多因素和條件的、含不精確和模糊信息的實際問題。神經網絡的發展與神經科學、數理科學、認知科學、計算機科學、人工智能、控制論、機器人學、心理學、分子生物學等諸多學科有關，是一門新興的邊緣交叉學科。

神經網絡示意圖（摘自互聯網）

神經網絡是腦科學、神經心理學和信息科學等多學科的交叉研究領域,也是近年來高科技領域的一個新的研究熱點，其目的是想通過對人腦的組成機理和思維方式等的研究,進而通過模擬人腦的結構和工作模式使機器具有類似人類的智能。

神經網絡就是通過神經元、細胞、觸突等結構組成的一個大型網絡結構，用來幫助生物進行思考和行動。那么人們就想到了計算機是不是也可以像人腦一樣具有這種結構，這樣是不是就可以進行類似的思考。

神經元示意圖（摘自互聯網）

神經網絡結構圖（摘自互聯網）

人腦神經網絡系統的基本構造是神經元(神經細胞)，是處理人體內各部分之間相互信息傳遞的基本單元。神經生物學家研究的結果表明，人的一個大腦一般有一千個以上的神經元，每個神經元都由一個細胞體，一個連接其他神經元的軸突和一些向外伸出的其它較短分支——樹突組成。軸突的功能是將神經元的輸出信號傳遞給別的神經元，其末端的許多神經末梢使得信號可以同時傳送給多個神經元。樹突的功能是接受來自其它神經元的信號，神經元細胞體將接受到的所有信號進行簡單處理后再由軸突輸出。神經元的樹突與另外的神經元的神經末梢相連的部分稱為突觸，這一結構的特點決定著人工神經網絡具有高速信息處理的能力。人腦的每個神經元大約有上百個樹突及相應的突觸，一個人的大腦形成一千個左右的突觸。雖然每個神經元的運算功能十分簡單，且信號傳輸速率也較低，但由于各神經元之間的極度并行互連功能，最終使得一個普通人的大腦在約1秒內就能完成現行計算機至少需要數10億次運算處理能力才能完成的任務。