软计算
软计算（Soft Computing, SC）通过对不确定、不精确及不完全真值的故障容许度以取得低代价的解决方案和鲁棒性。与硬计算形成对比，软计算的算法可以容忍不精确、不确定、部分真实和近似，寻找问题的可行和优化解决方案。
软计算概述
传统计算（硬计算）的主要特征是严格、确定和精确。但是硬计算并不适合处理现实生活中的许多问题，例如驾驶汽车。而软计算（Soft Computing, SC）通过对不确定、不精确及不完全真值的容错以取得低代价的解决方案和鲁棒性。它模拟自然界中智能系统的生化过程（人的感知、脑结构、进化和免疫等）来有效处理日常工作。软计算包括几种计算模式：模糊逻辑、人工神经网络、遗传算法和混沌理论。这些模式是互补及相互配合的，因此在许多应用系统中组合使用。神经网络通常用于预测，而模糊逻辑已被用于解决多准则决策、模式识别和疾病诊断等问题。混沌及其应用包括化学、生态学和经济学，在管理运筹学领域的研究包括排队系统、库存系统、计划调度系统等混沌系统。
软计算的概念
构成软计算的主要技术：模糊逻辑、神经网络、概论推理，以及遗传算法、学习理论、混沌理论等；
软计算的宗旨是将这些技术相辅助、相融合地加以利用；
基于宽容性的概念，不强求高度的精确性及确定性，降低成本，易处理，具有鲁棒性；
通过低精度的计算，解决精确的或不精确的模式化问题的一种新的计算方法。
发展历史
1943年，McClulloch和Pitts发表神经元的数学模型。
1965年，L. Zadeh提出模糊逻辑理论。
1975年，J. Holland提出遗传算法。
1975年，J. Yorke和T.Y. Li给出"饺子"的严格定义。
1991年，L. Zadeh指出人工神经网络、模糊逻辑及遗传算法与传统计算模式的区别，将它们命名为软计算。
近年文献中将混沌理论、遗传算法和模拟退火算法等概率推理（Probabilistic Reasoning）归入软计算。
软计算的特点
1、不需要建立问题本身的精确数学或逻辑模型，而是直接对输入数据进行处理得出结果；
2、更适用于解决那些传统AI技术难以有效地处理、甚至无法处理的问题；
3、只有数值数据可利用时可以用神经网络；
4、处理具有模糊性的知识，可以使用模糊逻辑；
5、从多个组合中选优，可以使用遗传算法；
6、饺子管理依赖于变化规则，这些规则是基于有序或无序变化、适应性、新的有序出现过程的一套规则。
与传统人工智能的区别
传统人工智能进行符号操作，这基于一种假设：人的智能存储在符号化的知识库中。但是符号化知识的获得和表达限制了人工智能的应用（即符号主义的缺点）。一般的，软计算不进行太多的符号操作。因此，从某种意义上说，软计算是传统人工智能(TAI)的补充。传统的人工智能加上软计算就可成为智能计算。