经典的启发式算法.pdfVIP

经典的启发式算法

定义

启发式算法⼀般⽤于解决NP-hard问题，其中NP是指⾮确定性多项式。

启发式算法是相对于最优化算法提出的，是基于直观或者经验构造的算法，在可接受的开销（时间和空间）内给出待解决组合优化问题

的⼀个可⾏解。

例⼦

例如，著名的推销员旅⾏问题（TravelSalemanProblemorTSP）：假设⼀个推销员需要从南京出发，经过⼴州，北京，上海，

…，等n个城市，最后返回⾹港。任意两个城市之间都有飞机直达，但票价不等。假设公司只给报销C元钱，问是否存在⼀个⾏程安

排，使得他能遍历所有城市，⽽且总的路费⼩于C？

推销员旅⾏问题显然是NP的。因为如果你任意给出⼀个⾏程安排，可以很容易算出旅⾏总开销。但是，要想知道⼀条总路费⼩于C的⾏

程是否存在，在最坏情况下，必须检查所有可能的旅⾏安排。

现代启发式算法的各种具体实现⽅法是相对独⽴提出的,相互之间有⼀定的区别。从历史上看,现代启发式算法主要有:模拟退⽕算法(SA)、遗

传算法(GA)、列表搜索算法(ST)、进化规划(EP)、进化策略(ES)、蚁群算法(ACA)、⼈⼯神经⽹络(ANN)。如果从决策变量编码⽅案的不

同来考虑,可以有