启发式算法的理解
优化算法和算法区别？
优化算法和算法区别？
优化算法主要分为启发式算法和智能随机算法。
1.1 启发式算法
启发式方法指人在解决问题时所采取的一种根据经验规则进行发现的方法。或者说是一个基于直观或经验构造的算法，在可接受的花费（指计算时间和空间）下给出待解决组合优化问题每一个实例的一个可行解，该可行解与最优解的偏离程度一般不能被预计。启发式算法依赖对问题性质的认识，属于局部优化算法。
启发式算法的特点是在解决问题时，利用过去的经验，选择已经行之有效的方法，而不是系统地、以确定的步骤去寻求答案。启发式优化方法种类繁多，包括经典的模拟退火方法、遗传算法、蚁群算法以及粒子群算法等群智能算法。
算法比较灵活、书写很随意，没有语言界限。
heliming是什么意思？
Heuriatic algorithm通俗翻译为启发式算法。启发式方法其实是一种简单的搜索策略。如machine scheduling中的SPT规则，vehicle routing中的2-opt等。启发式算法与元启发式算法(meta-heuristic)的区别在于：启发式算法一般而言不具备随机性，即给定一个初始输入，输出结果是确定的； 元启发式算法具有随机性，一般算法中有随机因子，给定一个初始输入，输出结果是不确定的。启发式算法与精确算法(exact algorithm)的区别在于：启发式算法可以是一种最优算法(如果简单的启发式搜索策略可以得到最优解)，也可以不是最优算法； 精确算法一般认为等同于最优算法。
启发函数作用？
启发式算法（heuristic algorithm)是相对于最优化算法提出的。一个问题的最优算法求得该问题每个实例的最优解。启发式算法可以这样定义：一个基于直观或经验构造的算法，在可接受的花费（指计算时间和空间）下给出待解决组合优化问题每一个实例的一个可行解，该可行解与最优解的偏离程度一般不能被预计。