Intelligenz ist die Fähigkeit eines Systems zur Erreichung eines Ziels oder aufrechterhalten gewünschte Verhalten unter Bedingungen der Ungewissheit. Intelligence-Systemen haben, um die Quellen der Unsicherheit, wie das Auftreten von unerwarteten Ereignissen-wie eine unvorhersehbare Änderungen in der Welt, in denen die Systeme betrieben Und unvollständig, widersprüchlich oder unzuverlässige Informationen, die der zum Zwecke der Entscheidung, was als nächstes zu tun ist.

Es ist wichtig, Kontrast intelligente Systeme, dh Systeme, die Entscheidungen treffen kann unter Unsicherheit, mit der Systeme, die programmiert, um nur deterministische Entscheidungen zu treffen. EDV-Systeme, konventionelle Roboter, Produktionsanlagen und Computer gesteuerten Maschinen Werkzeuge sind Beispiele für solche Nicht-intelligenter Systeme.

Intelligente Systeme weisen intelligentes Verhalten. Intelligentes Verhalten ist durch die ausgestellten Artefakte und biologischen Systemen geeignet Erreichen eines bestimmten Ziele oder Aufrechterhaltung gewünschte Verhalten unter Bedingungen der Ungewissheit, auch in armen strukturierten Umgebungen. Solche Umgebungen sind Umgebungen, in denen die variablen Eigenschaften sind nicht messbar, bei denen mehrere Merkmale gleichzeitig ändern und auf unerwartete Weise und wo es nicht möglich ist, zu entscheiden, im Voraus, wie das System sollte eine Antwort auf jede Kombination von Ereignissen. Einige Merkmale von intelligenten Verhalten sind: Anpassungsfähigkeit, Lern-, Ziel-sucht, Self-Improvement und Reproduktion.

Rzevski [13] und Figueredo, et al. [5] Bewertungen der fünf Paradigmen der künstlichen Intelligenz in der Technik. Diese Paradigmen sind; wissensbasierte Systeme, neuronale Netze, Fuzzy-Logik, genetischen Algorithmen und intelligente Agenten.

Genetische Algorithmen, zum Beispiel, ist ein Computer-Äquivalent von Evolution, der das Überleben des Stärkeren. Die meisten der interessanten Funktion von genetischen Algorithmus ist ihre Fähigkeit zur Ausweitung der Suche Raum, auseinander, ebenso wie zu konvergieren. Aus diesem Grund, GA ist sehr effektiv als Such-Algorithmus, vor allem zur Lösung von Optimierungsproblemen mit einer großen Anzahl von lokalen Minima. Einige Anwendung des genetischen Algorithmus in der Technik sind: Kondensator optimale Platzierung und Kontrolle [18,10], wirtschaftliche Belastung Versendung, optimale Leistung Durchfluss [2], die Erweiterung der Planung [9], Einheit und Engagement Probleme [19]. Figueredo, et al. [5] geben einen umfassenden Überblick über die Anwendung von AI in elektrischen Energietechnik

--
* Dies ist ein Teil der Literatur Review für meine Diplomarbeit in Undergraduate-Kondensator Optimal Allocation. Bibliographie finden Sie hier