L'intelligenza è la capacità di un sistema per raggiungere un obiettivo desiderato o sostenere comportamento in condizioni di incertezza. Sistemi di intelligence devono far fronte alle fonti di incertezza, come il verificarsi di eventi imprevisti, ad esempio uno imprevedibili cambiamenti del mondo in cui i sistemi opera , E incompleto, incoerente o inaffidabili informazioni a disposizione del sistema ai fini di decidere cosa fare dopo.

E 'importante contrasto sistemi intelligenti, vale a dire, sistemi in grado di prendere decisioni sotto incertezza, con i sistemi che sono programmate per fare solo deterministico decisioni. Sistemi di trattamento dei dati, convenzionali robot, linee di produzione e di controllo macchine utensili sono esempi di tali non sistemi intelligenti.

Sistemi intelligenti mostrano un comportamento intelligente. Comportamento intelligente è esposta di artefatti e sistemi biologici in grado di raggiungere obiettivi specificati o sostenere desiderato comportamento in condizioni di incertezza anche in ambienti poveri strutturato. Tali ambienti sono ambienti in cui variabile caratteristiche non sono misurabili, in cui diverse caratteristiche cambiare simultaneamente e in modo inatteso e dove non è possibile decidere in anticipo come il sistema dovrebbe rispondere ad ogni combinazione di eventi. Alcune caratteristiche di comportamento intelligente sono: l'adattabilità, l'apprendimento, la meta-ricerca, auto-miglioramento e la riproduzione.

Rzevski [13] e Figueredo, et al. [5] recensioni cinque paradigmi di intelligenza artificiale in ingegneria. Quali sono paradigmi; sistemi basati sulla conoscenza, reti neurali, logica fuzzy, algoritmi genetici e agenti intelligenti.

Algoritmo genetico, ad esempio, è un calcolo equivalente di evoluzione, di sopravvivenza del più forte. La maggior parte dei interessante caratteristica di algoritmo genetico è la loro capacità di espandere la ricerca spaziale, a divergere, come pure a convergere. Per questo motivo, GA è molto efficace come algoritmo di ricerca, in particolare per la risoluzione di problemi di ottimizzazione con un gran numero di minimi locali. Alcuni applicazione di genetica Algorithm in ingegneria sono: il posizionamento ottimale condensatore e di controllo [18,10], economica carico spedizione, il flusso di potenza ottimale [2], l'espansione di pianificazione [9], unità e impegno problemi [19]. Figueredo, et al. [5] dare una revisione globale della domanda di influenza aviaria in energia elettrica ingegneria

--
* Questa è una parte della letteratura per la mia tesi sulla undergraduate Condensatore Ripartizione ottimale. Bibliografia può essere trovato qui