L'intelligence est une capacité d'un système pour atteindre un objectif ou maintenir comportement désiré dans des conditions d'incertitude. Intelligence systèmes doivent faire face à des sources d'incertitude tels que la survenance d'événements imprévus, comme un changement imprévisible dans le monde qui exploite les systèmes , Et incomplètes, incohérentes ou le manque de fiabilité des informations disponibles sur le système dans le but de décider quoi faire ensuite.

Il est important de mettre en contraste les systèmes intelligents, c'est-à-dire, des systèmes qui peuvent prendre des décisions dans l'incertitude, avec les systèmes qui sont programmés pour faire que les décisions déterministe. Systèmes de traitement des données, des robots conventionnels, des lignes de production et de machines outils sont des exemples de ces non-systèmes intelligents.

Les systèmes intelligents exposition comportement intelligent. Comportement intelligent est exposé par des artefacts et des systèmes biologiques capables d'atteindre des objectifs spécifiques ou le maintien de comportement désiré dans des conditions d'incertitude, même dans des environnements pauvres structuré. Ces environnements sont des environnements dans lesquels variable caractéristiques ne sont pas mesurables, où plusieurs caractéristiques évoluent simultanément et de manière inattendue et où il n'est pas possible de décider à l'avance comment le système devrait répondre à toutes les combinaisons d'événements. Quelques caractéristiques de comportement intelligent sont les suivants: l'adaptabilité, l'apprentissage, l'objectif de recherche, auto-amélioration et la reproduction.

Rzevski [13] et Figueredo, et al. [5] passe en revue les cinq paradigmes de l'intelligence artificielle en ingénierie. Ces paradigmes sont la connaissance des systèmes, réseaux de neurones, logique floue, algorithmes génétiques et les agents intelligents.

Algorithme génétique, par exemple, est un équivalent de calcul de l'évolution, de la survie du plus fort. La plupart des caractéristique intéressante de l'algorithme génétique est leur capacité à élargir la recherche spatiale, à diverger, ainsi que de converger. Pour cette raison, GA est très efficace comme algorithme de recherche, en particulier pour la résolution de problèmes d'optimisation avec un grand nombre de minima locaux. Certains application de l'algorithme génétique en ingénierie sont les suivants: capacité optimale de placement et de contrôle [18,10], économiques charge l'expédition, une puissance optimale des flux [2], l'expansion de planification [9] et l'unité engagement problèmes [19]. Figueredo, et al. [5] donner un examen complet de l'application de la grippe aviaire en génie électrique

--
* Il s'agit d'une partie de l'examen de la documentation pour ma thèse sur Le condensateur d'attribution optimale. Bibliographie peut être trouvée ICI