这篇博客探讨了智能算法在面对如旅行商问题等无最优解问题时的重要作用。作者提到了模拟退火、启发式搜索和遗传算法作为解决这类问题的有效策略。模拟退火算法结合了广搜和深搜，启发式搜索利用搜索过程中的信息进行修正，而遗传算法则模拟生物进化过程。尽管学校老师对此持保留态度，但这些算法在实际问题中已得到广泛应用。
事先声明：学校的老师不建议使用智能算法，或者最大的妥协就是非常小的局部使用智能算法，因为现在智能算法还没有好的证明。
会用即可。。。
有些问题是没有一个比较好的算法去求出它的最优解的，比如TSP旅行商问题，可以很容易想到的一个办法是穷举，但是这样一来时间复杂度过高，比如10个变量直接爆炸，所以就有了智能算法。
模拟退火：通过先在搜索的前期广搜，再在搜索的后期深搜（在我们认为的可能的最优秀的解旁边搜索）来得到最后的答案
比如启发式搜索，就是用每一次搜索得到的信息去修正下一步的步骤
再比如遗传算法，模拟自然界中的生物的遗传和变异去处理一串信息，建议使用司守奎老师最后改进后的算法
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
