Inteligencia es la capacidad de un sistema para lograr un objetivo o mantener un comportamiento deseado en condiciones de incertidumbre. Sistemas de inteligencia tienen que hacer frente a las fuentes de incertidumbre como la ocurrencia de acontecimientos inesperados, como por ejemplo un cambios impredecibles en el mundo en el que opera los sistemas , E incompleta, incoherente o poco fiable la información de que dispone el sistema con el fin de decidir qué hacer.

Es importante contrastar los sistemas inteligentes, es decir, sistemas que pueden tomar decisiones bajo incertidumbre, con los sistemas que están programados para hacer sólo determinista decisiones. Sistemas de tratamiento de datos, robots convencionales, líneas de producción controlados por el ordenador y máquinas herramientas son ejemplos de este tipo no los sistemas inteligentes.

Sistemas inteligentes exhiben un comportamiento inteligente. Inteligente es el comportamiento exhibido por los artefactos y los sistemas biológicos capaces de lograr los objetivos especificados o el mantenimiento de comportamiento deseado en condiciones de incertidumbre, incluso en entornos pobres estructurado. Tales ambientes son entornos en los que la variable de características no son mensurables, donde varias características simultáneamente y cambiar de forma inesperada y cuando no es posible decidir de antemano cómo funciona el sistema debe responder a cada una combinación de hechos. Algunas características de comportamiento inteligente son los siguientes: la adaptabilidad, aprendizaje, la búsqueda de objetivo, el mejoramiento de sí mismo y la reproducción.

Rzevski [13] y Figueredo, et al. [5] comentarios los cinco paradigmas de la inteligencia artificial en la ingeniería. Estas son paradigmas; basada en el conocimiento de sistemas, redes neuronales, lógica difusa, algoritmos genéticos y agentes inteligentes.

Algoritmo genético, por ejemplo, es un equivalente computacional de la evolución, de supervivencia del más apto. La mayor parte de la interesante característica de algoritmo genético es su capacidad para ampliar el espacio de búsqueda, a divergir, así como a converger. Por esta razón, GA es bastante eficaz como algoritmo de búsqueda, sobre todo para resolver problemas de optimización con un gran número de mínimos locales. Algunos aplicación de Algoritmos Genéticos en ingeniería son: la colocación óptima de condensadores y control [18,10], despacho económico de carga, óptimo flujo de potencia [2], la expansión de planificación [9], unidad y compromiso los problemas [19]. Figueredo, et al. [5] dan un examen exhaustivo de la aplicación de la IA en ingeniería eléctrica

--
* Esta es una parte de la revisión de la literatura para mi tesis sobre Asignación Óptima de Condensadores. Bibliografía se puede encontrar AQUÍ