（2）学习优化
将基于人工神经网络的学习方法、基于知识获取的学习方法等人工智能的机器学习，与现有的优化方法相结合，发展成“学习优化”方法。通过学习和训练，示教或自学，逐步提高数据的精确性、知识的充分性和信息的完备性；通过估计、辨识未确知因素，建立适用的优化模型，以求解未确知的优化问题。通过学习，不断获取动态信息，进行知识更新；跟踪系统环境与条件的变化，适应系统的不确定性，以求解不确定性的优化问题。
（3）联想优化
利用联想识别、联想记忆、联想思维的人工智能模式识别。人工神经网络等方法和技术，获取直觉信息、抽取形象特征，并与现有优化方法进行技术集成，使形象思维与逻辑思维相结合，进行联想优化。通过联想，进行类比，运用物理直觉和几何形象判断，识别目标与约束，提出新的优化概念和方法，有助于解决多目标、局部解、维数灾问题。
（4）模糊优化
模糊逻辑是描述入的思维、语言、行为的模糊性，以及表示概念内涵的不确定性之有效方法。因此，在模糊集合论、模糊聚类分析，模糊逻辑演算的基础上，发展模糊优化方法，以便于将人的因素引人优化目标、约束条件和求解方法中。该法有助于寻求不确定性、未确知性优化问题的满意解；同时也有助于进行模糊协调，以适当处理多目标之间的矛盾，在局部满意解的基础上寻求全局满意解。实际应用时，应针对具体工程的具体问题，确定最适宜的技术路线与优化方法。
3.3智能优化方法的类型
智能优化方法是多种多样的，如启发式线性规划法、学习式动态规划法。联想式多目标优化法与模糊多级优化法等。分类方法相应地很多，一般可分为集成型智能优化方法与智能型启发优化方法两大类型。
（1）集成型智能优化方法
当智能管理系统的广义管理模型为产生式规则与线性规划模型等集成模型时，则相应的智能优化方法一般为集成型启发线性规划方法。其中包括产生式规则匹配的知识推理方法与求解线性规划的单纯形方法的集成。
（2）智能型启发优化方法
如果智能管理系统的广义管理模型为自学习模型、自适应模型或自组织模型等智能模型时，则相应的智能优化方法为自学习、自适应或自组织优化方法。例如，采用奖惩式学习方法的自学习非线性规划方法，利用神经网络的自寻优化方法等。
3.4智能优化方法的特点
智能优化方法的主要特点如下：为便于记忆。
(1) 应用范围扩大
随着广义管理模型应用范围的逐渐扩大，智能优化方法的应用范围将远大于传统的最优化方法
( 2）解题效率提高
利用启发式知识进行逻辑推理，压缩可求解的空间，从而减少了搜索时间，加快了解题速度，提高了优化求解效率。
(3)组合爆炸延缓
对于复杂的优化问题，利用智能优化方法与“分解-解调”多级优化方法相结合，可延缓求解过程的组合爆炸问题的出现。
（4）求解结果满意
对于多目标、多约束条件的最优化问题，利用智能优化方法，可以有效地求得满意解或次优懈。
4 智能大厦
顾名思义，智能特征赋于建筑物，将构成新型的智能大厦。时至今日，在建筑物中不仅大量使用了计算机，而且在其控制与管理技术应用领域已开始不同程度地应用了智能技术。
4.1 智能办公信息系统
所谓“智能办公信息系统”（Intelligent Offlce Information System，简称1OIS），是指应用智能管理的方法和技术，设计和实现的办公信息系统（Office lnformation System，简称OlS）。其特点是：在以办公事务处理为主的办公自动化系统（Office Autormation Systeml,简称OAS）的基础上，增加办公信息管理、高层决策支持的功能，引入人工智能、专家系统、模式识别、神经网络及多媒体等技术,而构成的人-机协调、集成化与智能化的办公信息系统。这是现代办公自动化系统的最新发展动向，在国家各级行政、经济与军事管理部门以及智能建筑信息服务领域,均具有广泛的应用市场。
4.1.1系统构成
智能办公信息系统的总体方案
决策者：作为核心的领导者，可以是政府机构的首长，也可以是企业的总裁、总经理。