Inteligência é uma capacidade de um sistema para atingir a meta desejada comportamento ou manter em condições de incerteza. Intelligence sistemas têm de lidar com as fontes de incerteza como a ocorrência de acontecimentos inesperados-como um imprevisíveis mudanças no mundo em que os sistemas opera , E incompleta, incoerente ou pouco fiáveis informações à disposição do sistema com a finalidade de decidir o que fazer a seguir.

É importante ter em contraste sistemas inteligentes, ou seja, sistemas que possam tomar decisões sob incerteza, com os sistemas que estão programados para fazer apenas deterministas decisões. Sistemas de tratamento de dados, convencionais robôs, linhas de produção e de computadores controlada máquinas ferramentas são exemplos de tais sistemas não-inteligente.

Sistemas inteligentes apresentam comportamento inteligente. Inteligente é comportamento exibidos pelos artefatos e sistemas biológicos capazes de alcançar metas específicas ou sustentar comportamento desejado em condições de incerteza, mesmo em ambientes pobres estruturado. Esses ambientes são ambientes nos quais variáveis características não são mensuráveis, onde várias características simultaneamente e mudar-se de formas inesperadas e onde não é possível determinar de antemão a forma como o sistema deveria responder a cada combinação de eventos. Algumas características de comportamento inteligente são: adaptabilidade, aprendizagem, meta-busca, auto-aperfeiçoamento e reprodução.

Rzevski [13] e Figueredo, et al. [5] Comentários dos cinco paradigmas de inteligência artificial em engenharia. Essas são paradigmas; baseada no conhecimento sistemas, redes neurais, lógica fuzzy, algoritmos genéticos e agentes inteligentes.

Algoritmo genético, por exemplo, é um equivalente computacional da evolução, da sobrevivência do mais forte. A maior parte da característica interessante do algoritmo genético é a sua capacidade de expandir a pesquisa espacial, a divergir, bem como a convergir. Por esta razão, GA é bastante eficaz como pesquisa algoritmo, em particular para resolver problemas de otimização com um grande número de mínimos locais. Alguns aplicação do algoritmo genético em engenharia são os seguintes: óptima capacitor colocações e controle [18,10], económica carga expedição, óptimo poder fluxo [2], expansão planejamento [9], unidade e empenho problemas [19]. Figueredo, et al. [5] dar uma análise global da aplicação de gripe aviária em energia elétrica engenharia

--
* Esta é uma parte da revisão da literatura para a minha graduação em tese Optimal Condensador Repartição. Bibliografia pode ser encontrada aqui