**智能計算方法跟計算方法（或數值分析）的目的是一樣的，計算令人滿意的接近真實解的近似解！拿這個近似解代替真實解來使用。 **
通常情況，很多問題是沒有解析解的，這時可以用計算方法來求數值解，當遇到問題實在復雜，用計算方法計算量太大或很難用計算方法的算法實現時，可以考慮智能計算方法！
本質上，智能計算方法是仿生的，隨機化的，經驗性的，大自然就是隨機性的，具有經驗性的，抽取了大自然的這一特性，自動調節形成經驗
主要包括：
遺傳算法 GA（Genetic Algorithm）--- 自然界優勝劣汰
蟻群算法 ACO（Ant Colony（群體） Optimization） --- 螞蟻覓食
粒子群優化算法/鳥群算法 PSO（Particle Swarm Optimization） --- 鳥群捕食
免疫算法 AIS (Artificial Immune System)---人體免疫系統
模糊邏輯
模擬退火算法 SAA (Simulate Anneal Arithmetic)--- 退火
分布估計算法 EDA （Estimation Distributed Algorithm）
分布估計算法 (EDA) 是一種新興的基於統計學原理的隨機優化算法. EDA與遺傳算法(GA)有着明顯的區別. GA 采用交叉和變異等操作產生新個體, EDA 則通過對搜索空間采樣和統計學習來預測搜索的最佳區域, 進而產生優秀的新個體. 相比於 GA 基於基因的微觀層面的進化方式, EDA采用基於搜索空間的宏觀層面的進化方法, 具備更強的全局搜索能力和更快的收斂速度
禁忌搜索算法 TS（Tabu Search）
是一種現代啟發式算法，由美國科羅拉多大學教授Fred Glover在1986年左右提出的，是一個用來跳脫局部最優解的搜索方法。其先創立一個初始化的方案；基於此，算法“移動”到一相鄰的方案。經過許多連續的移動過程，提高解的質量。
神經網絡 Neural Networks
文化算法 CA （Cultural Algorithm） ---文化傳播
文化算法模擬了人類社會文化的進化過程,在進化的群體空間上建立動態的信仰空間,用來指導數據的搜索。介紹了文化算法的原理和流程,根據問題的特點對文化算法進行了分類,並給出了不同類型問題的求解步驟。根據對文化算法進行的仿真實驗結果,得出該算法不僅收斂速度快,而且所得結果更優,表明文化算法是一種全局優化搜索的進化算法,具有廣泛的應用前景。
Memetic算法/文化基因算法
文化基因算法（Memetic Algorithm, MA）是Pablo Moscato [1] 提出的建立在模擬文化進化基礎上的優化算法,它實質上是一種基於種群的全局搜索和基於個體的局部啟發式搜索的結合體。