智能算法智能计算/计算智能、仿生算法、启发式算法的区别与关系？

什么是AI算法

AI即人工智能。

它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

智能优化算法学了能干什么

你不要把这些当成现成能干bai的活，这个肯定不可能，好比学计算机能编软件，学音乐能唱歌，这些个算法du不要看成是IT的下属知识，它起码是可以和离散数学/软件理论这些课zhi程平起平坐的单独学科，学以致用不在于dao知识本身，而在于学知识的人，很快硬件就陷入瓶颈版阶段，软件优化中怎么可能不用这些算法，加入你心中很熟悉50个左右成熟算法，权就算你只会c语言，所有的老板都会青睐于你。

最常见的人工智能算法都有哪些？它们在求解过程中与传统算法相比，有什么特点

很多很多，早期的算法特点是通过规则方式建立知识库，指导算法完成计算；当前算法的特点是不编程高速计算机如何计算，而是让计算机自己学习，这些算法可以看一下163上斯坦福《机器学习》的公开课。

有哪些关于智能算法的好书籍

专业需要，接触到一些matlab智能算法。

学习阶段发现《MATLAB智能算法30个案例分析》这本书，以案例来操作算法，还算比较实用。

算法相对来说也比较简单，不过都体现了智能算法的原理。

并且全部附有算法代码。

智能计算/计算智能、仿生算法、启发式算法的区别与关系？

我一个个讲好了， 1）启发式算法：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不一定事先可以预计。

意思就是说，启发式算法是根据经验或者某些规则来解决问题，它求得的问题的解不一定是最优解，很有可能是近似解。

这个解与最优解近似到什么程度，不能确定。

相对于启发式算法，最优化算法或者精确算法（比如说分支定界法、动态规划法等则能求得最优解）。

元启发式算法是启发式算法中比较通用的一种高级一点的算法，主要有遗传算法、禁忌搜索算法、模拟退火算法、蚁群算法、粒子群算法、变邻域搜索算法、人工神经网络、人工免疫算法、差分进化算法等。

这些算法可以在合理的计算资源条件下给出较高质量的解。

2）仿生算法：是一类模拟自然生物进化或者群体社会行为的随机搜索方法的统称。

由于这些算法求解时不依赖于梯度信息，故其应用范围较广，特别适用于传统方法难以解决的大规模复杂优化问题。

主要有：遗传算法、人工神经网络、蚁群算法、蛙跳算法、粒子群优化算法等。

这些算法均是模仿生物进化、神经网络系统、蚂蚁寻路、鸟群觅食等生物行为。

故叫仿生算法。

3）智能计算：也成为计算智能，包括遗传算法、模拟退火算法、禁忌搜索算法、进化算法、蚁群算法、人工鱼群算法，粒子群算法、混合智能算法、免疫算法、神经网络、机器学习、生物计算、DNA计算、量子计算、模糊逻辑、模式识别、知识发现、数据挖掘等。

智能计算是以数据为基础，通过训练建立联系，然后进行问题求解。

所以说，你接触的很多算法，既是仿生算法，又是启发式算法，又是智能算法，这都对。

分类方法不同而已。

这次楼主不要再老花了哈！