* Vage logica: Gaat om met onnauwkeurige en vage informatie. Het maakt gebruik van lidmaatschapsfuncties om de mate weer te geven waarin een element tot een set behoort, in plaats van een heldere ja/nee-classificatie. Dit maakt het modelleren van menselijk redeneren en taalkundige variabelen mogelijk.

* Neurale netwerken: Geïnspireerd door de structuur en functie van het menselijk brein, leren deze systemen van gegevens en passen ze zich aan veranderende omgevingen aan. Ze zijn uitstekend in patroonherkenning, benadering en functie-optimalisatie.

* Probabilistische redenering: Bevat onzekerheid en willekeur met behulp van probabilistische modellen. Dit maakt het mogelijk om luidruchtige gegevens te verwerken en beslissingen te nemen op basis van onvolledige informatie. Bayesiaanse netwerken en Markov-modellen zijn voorbeelden.

* Evolutionaire berekening: Maakt gebruik van principes van natuurlijke selectie en genetische algoritmen om optimale of bijna optimale oplossingen voor complexe problemen te vinden. Dit omvat genetische algoritmen, genetische programmering en evolutionaire strategieën.

Deze vier componenten sluiten elkaar niet uit; ze werken vaak synergetisch samen. Een systeem kan bijvoorbeeld vage logica gebruiken om gegevens voor te verwerken, een neuraal netwerk voor patroonherkenning en een genetisch algoritme om de netwerkparameters te optimaliseren.

Samenvattend is de kern van soft computing de tolerantie voor onnauwkeurigheid en onzekerheid , en zijn afhankelijkheid van benadering en aanpassing om complexe problemen uit de echte wereld op te lossen waarbij traditionele, nauwkeurige methoden mogelijk ontoereikend of onpraktisch zijn. Het benadrukt functionaliteit en robuustheid boven absolute precisie.