第一类：线性，有迹可循，边界明确，要素有限，结果收敛。这类问题有固定结果，有的可以用计算公式表达，就可以在计算机中形成程序，即计算机计算表达式，且程序的计算过程可以重复，重复所得结果意义相同，结果不超出可预见范围。这类问题计算特征显著，对应计算机中的“数值计算”问题和方法。如：求某物理问题的数值解等。
  第二类：非线性，无迹可寻，边界明确，要素有限，结果收敛。没有明确的计算公式，不能形成统一的计算程序表达式，计算过程可以重复，也可以不重复，过程结果不超出可预见范围，这类问题演绎推理特征突出。这类问题对应计算机中的产生式规则等方法，如：博弈问题等。可以采用知识库+推理规则等方法解决。
  第三类：非线性，无固定轨迹可寻，边界不明确，要素不确定，结果发散。这类问题有没有一致的计算公式和方法，就不能形成一致的计算机程序表达方式。过程不可以重复，如果重复也是随机的，所以结果意义不一定相同。结果超出可预见范围，且文化性、经验性特征突出，随机性明显。这类问题就对应于人工智能问题，其中的数据就是所谓的历史经验。而数据挖掘，即“基于知识库的决策思维或知识发现”就是这类问题常用的解决方案。

转载本文请联系原作者获取授权，同时请注明本文来自吴军科学网博客。

链接地址：https://wap.sciencenet.cn/blog-215974-1304862.html?mobile=1

收藏

分享