El Soft Computing es un modelo de computación evolucionado para resolver los problemas no lineales que implican soluciones inciertas, imprecisas y aproximadas de un problema.

Este tipo de problemas son considerados como problemas de la vida real, donde se requiere una inteligencia similar a la humana para resolverlos.

El término soft computing es acuñado por el Dr. Lotfi Zadeh, según él, soft computing es un enfoque que imita la mente humana para razonar y aprender en un entorno de incertidumbre e impresión.

Se crea a través de la adaptabilidad y el conocimiento de dos elementos y tiene un conjunto de herramientas como la lógica difusa, las redes neuronales, el algoritmo genético, etcétera. El modelo de Soft Computing es distinto de su modelo precedente conocido como modelo de Hard Computing porque no funciona en el modelo matemático de resolución de problemas.

 

Algunas de las Metodologías

La lógica difusa o sistemas difusos se ocupan de los problemas del sistema de toma de decisiones y control que no se pueden convertir en fórmulas matemáticas duras. Esto básicamente mapea las entradas a las salidas lógicamente de una manera no lineal, de la manera en que lo hacen los humanos. La lógica difusa se utiliza en el subsistema del automóvil, acondicionadores de aire, cámaras, etcétera.

Las redes neuronales artificiales realizan procesos de clasificación, minería de datos y predicción y gestionan fácilmente los datos de entrada «ruidosos» categorizándolos en los grupos o mapeándolos para obtener un resultado esperado. Por ejemplo, se utiliza en el reconocimiento de imágenes y caracteres, en la previsión empresarial, donde los patrones se aprenden de los conjuntos de datos y se crea un modelo para reconocer estos patrones.

Computación Bio-Inspirada. Se emplean algoritmos genéticos y técnicas evolutivas para resolver los problemas de optimización y diseño donde se puede reconocer una solución óptima pero no se puede dar una respuesta correcta predefinida. Las aplicaciones reales del algoritmo genético que utiliza técnicas de búsqueda heurística son la robótica, el diseño de automóviles, el encaminamiento optimizado de las telecomunicaciones, la invención biomimética, etc…