Интеллекта является способность системы к достижению цели или поддержания желаемого поведения в условиях неопределенности. Разведки систем приходится бороться с источниками неопределенности, как и появление неожиданных событий, таких как непредсказуемые изменения в мире, в котором действует систем , И неполными, несовместимыми или недостоверной информации в распоряжение системы для цели принятия решения, что делать дальше.

Важно отличие интеллектуальных систем, т.е. систем, которые могут принимать решения в условиях неопределенности, с системами, которые программируются сделать только детерминированных решений. Системы обработки данных, обычных роботов, производственных линий и компьютерная техника, контролируемых инструменты являются примерами таких неконтролируемых интеллектуальных систем.

Интеллектуальные системы выставка интеллектуальных поведение. Интеллектуальные поведение, проявленные артефакты и биологических систем, способных достижения указанных целей или поддержания желаемого поведения в условиях неопределенности даже в бедных структурированной среде. Такие условия являются условия, в которых переменные характеристики не поддающихся измерению, где некоторые изменения характеристик одновременно и самым неожиданным образом и когда невозможно решить заранее, каким образом система должна реагировать на каждое сочетание событий. Некоторые характеристики интеллектуальное поведение являются: адаптации, обучения, цель поиска, самосовершенствованию и репродукции.

Ржевский [13] и Фигередо, и др.. [5] рассмотрений пять парадигм искусственного интеллекта в области машиностроения. Такие парадигмы являются; знаний на основе систем, нейронных сетей, нечеткой логики, генетические алгоритмы и интеллектуальных агентов.

Генетический алгоритм, например, вычислительных эквивалента эволюции, выживания наиболее приспособленных. Большинство из интересных особенностей генетического алгоритма является их способность расширять поиск помещения, расходились, а также совпадают. По этой причине, ГА является достаточно эффективным, как алгоритм поиска, особенно для оптимизации решения проблем, связанных с большим числом локальных минимумов. Некоторые применения генетических алгоритмов в области машиностроения являются: оптимальное размещение конденсаторов и управления [18,10], экономической нагрузки направление, оптимальная мощность потока [2], расширение планирования [9] и приверженности блока проблем [19]. Фигередо, и др.. [5] дать всесторонний обзор применения МА в электроэнергетики

--
* Это часть обзора литературы для моей диссертации на обычные Capacitor Оптимальное распределение. Библиография можно найти здесь