?

引言：

解決實際的問題，要建模型，再求解。求解要選擇算法，只有我們對各種算法的優缺點都很熟悉后才能根據實際問題選出有效的算法。但是對各種算法都了如指掌是不現實的，但多知道一些，會使你的選擇集更大，找出最好算法的概率越大。現在研一，要開題了些點文獻綜述，愿與大家分享。

大自然是神奇的，它造就了很多巧妙的手段和運行機制。受大自然的啟發，人們從大自然的運行規律中找到了許多解決實際問題的方法。對于那些受大自然的運行規律或者面向具體問題的經驗、規則啟發出來的方法，人們常常稱之為啟發式算法（Heuristic Algorithm）。現在的啟發式算法也不是全部來自然的規律，也有來自人類積累的工作經驗。

啟發式算法的發展：

啟發式算法的計算量都比較大，所以啟發式算法伴隨著計算機技術的發展，取得了巨大的成就。

40年代：由于實際需要，提出了啟發式算法（快速有效）。

50年代：逐步繁榮，其中 貪婪算法和局部搜索 等到人們的關注。

60年代: 反思，發現以前提出的啟發式算法速度很快，但是解得質量不能保證，而且對大規

??????? 模的問題仍然無能為力（收斂速度慢）。

70年代：計算復雜性理論的提出，NP問題。許多實際問題不可能在合理的時間范圍內找到全局最優解。發現貪婪算法和局部搜索算法速度快，但解不好的原因主要是他們只是在局部的區域內找解，等到的解沒有全局最優性。

?????? ?由此必須引入新的搜索機制和策略………..

??????? Holland的遺傳算法出現了（Genetic Algorithm）再次引發了人們研究啟發式算法的

??????? 興趣。

80年代以后：

??????? 模擬退火算法（Simulated Annealing Algorithm），人工神經網絡（Artificial Neural Network），禁忌搜索（Tabu Search）相繼出現。

最近比較熱或剛熱過去的：

演化算法（Evolutionary Algorithm）, 蟻群算法（Ant Algorithms）， 擬人擬物算法，量子算法等。

各個算法的思想這就不再詳細給出，為什么要引出啟發式算法，因為NP問題，一般的經典算法是無法求解，或求解時間過長，我們無法接受。這里要說明的是：啟發式算法得到的解只是近似最優解（近似到什么程度，只有根據具體問題才能給出）. 二十一世紀的最大的數學難題NP？=P，如果NP=P啟發式算法就不在有存在的意義。

啟發式算法的不足和如何解決方法：

（水平有限 僅僅提出6點）

啟發式算法目前缺乏統一、完整的理論體系。

很難解決！ 啟發式算法的提出就是根據經驗提出，沒有什么堅實的理論基礎。

由于NP理論，啟發式算法就解得全局最優性無法保證。

等NP？=P有結果了再說吧，不知道這個世紀能不能行。

各種啟發式算法都有個自優點如何，完美結合。

如果你沒有實際經驗，你就別去干這個，相結合就要做大量嘗試，或許會有意外的收獲。

啟發式算法中的參數對算法的效果起著至關重要的作用，如何有效設置參數。

還是那句話，這是經驗活但還要悟性，只有try again………..

啟發算法缺乏有效的迭代停止條件。

還是經驗，迭代次數100不行，就200，還不行就1000…………

還不行估計就是算法有問題，或者你把它用錯地方了………..

啟發式算法收斂速度的研究等。

你會發現，沒有完美的東西，要快你就要付出代價，就是越快你得到的解也就遠差。????? (待續)

轉載自http://blog.csdn.net/aris_zzy/archive/2006/05/27/757156.aspx

總結

以上是生活随笔為你收集整理的启发式算法简谈（一）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。