Tujuan Soft Computing adalah untuk mengeksploitasi toleransi
terhadap ketidaktepatan, ketidakpastian, penalaran perkiraan, dan kebenaran
parsial untuk mencapai kemiripan dekat dengan pengambilan keputusan seperti
manusia. lembut Computing adalah bidang multidisiplin baru, untuk membangun
generasi baru Artificial Intelligence, yang dikenal sebagai Komputasi
Intelligence.
Tujuan utama Soft Computing adalah untuk mengembangkan mesin
cerdas dan untuk memecahkan nonlinear dan masalah sistem matematis termodelkan
(Zadeh 1994) dan (Zadeh 2001). Aplikasi dari Lembut Computing telah terbukti
dua keuntungan utama. Pertama, itu membuat pemecahan masalah nonlinier, dimana model
matematika tidak tersedia, mungkin. Kedua, memperkenalkan pengetahuan manusia
seperti kognisi, pengakuan, pemahaman, pembelajaran, dan lain-lain ke dalam
bidang komputasi. Hal ini mengakibatkan kemungkinan membangun sistem cerdas
seperti sistem self-tuning otonom, dan otomatis sistem yang dirancang.
Sebagaimana dinyatakan dalam (Verdegay 2003), sejak booming
kabur dari tahun 1990-an, metodologi berdasarkan fuzzy set (mis lunak
komputasi) telah menjadi bagian permanen dari semua bidang penelitian,
pengembangan dan inovasi, dan aplikasi mereka telah diperluas ke semua bidang
kehidupan kita sehari-hari: kesehatan, perbankan, rumah, dan juga objek studi
pada tingkat pendidikan yang berbeda. Demikian pula, tidak ada keraguan bahwa
berkat potensi teknologi yang saat ini kami miliki, komputer dapat menangani
masalah kompleksitas yang luar biasa (Baik dalam pemahaman dan dimensi) dalam
berbagai bidang baru.
Seperti yang telah disebutkan di atas, sejak tahun 1990-an,
algoritma evolusioner telah terbukti sangat berharga untuk menemukan solusi
yang baik untuk masalah tertentu di bidang ini, dan terima kasih kepada tarik
ilmiah mereka, keragaman aplikasi mereka dan efisiensi besar solusi mereka di
sistem cerdas, mereka telah dimasukkan ke dalam tingkat kedua komponen soft
computing.
algoritma evolusioner, namun, hanyalah kelas lain dari
heuristik, atau metaheuristik, di sama Cara seperti Tabu Search, Simulated
Annealing, Bukit Climbing, Variabel Sekitar Search, Estimasi Algoritma distribusi,
Tebar Cari, Reaktif Cari dan sangat banyak orang lain. Secara umum, semua
algoritma heuristik ini (metaheuristik) biasanya memberikan solusi yang tidak
ideal, tapi yang sebagian besar memenuhi pembuat keputusan atau pengguna.
Ketika ini bertindak atas dasar bahwa kepuasan lebih baik daripada optimasi,
mereka sempurna menggambarkan kalimat yang terkenal Zadeh ini (Zadeh 1994):
"... Berbeda dengan komputasi keras tradisional, soft
computing memanfaatkan toleransi terhadap ketidaktepatan, ketidakpastian, dan
kebenaran parsial untuk mencapai tractability, ketahanan, rendah solusi-biaya,
dan hubungan yang lebih baik dengan realitas".
Terima Kasih Sudah Membaca Pentingnya Soft Computing