启发式算法近似算法和启发式算法的区别与联系

人工智能要考试了 还有好多不会 请教有哪五种常用的启发式算法？A算法和A*算法是吗？

都算的。

其它的常见算法还有： 模拟退火算法（Simulated Annealing Algorithm）； 蚁群算法（Ant Algorithm）； 禁忌搜索算法（Tabu Search Algorithm）； 神经网络算法（Neural Network Algorithm）； 遗传算法（ic Algorithm） 希望对你有帮助^^

启发式算法中出现不可行解怎么办

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。

什么是启发式算法

大自然是神奇的，它造就了很多巧妙的手段和运行机制。

受大自然的启发，人们从大自然的运行规律中找到了许多解决实际问题的方法。

对于那些受大自然的运行规律或者面向具体问题的经验、规则启发出来的方法，人们常常称之为启发式算法（Heuristic Algorithm）。

现在的启发式算法也不是全部来自然的规律，也有来自人类积累的工作经验。

驾驶汽车到达某人的家，写成算法是这样的：沿167 号高速公路往南行至阳谷；从阳谷高速出口出来后往山上开4.5 英里；在一个杂物店旁边的红绿灯路口右转，接着在第一个路口左转；从左边褐色大房子的车道进去，就是某人的家。

启发式方法来描述则可能是这样：找出上一次我们寄给你的信，照着信上面的寄出地址开车到这个镇；到了之后你问一下我们的房子在哪里。

这里每个人都认识我们——肯定有人会很愿意帮助你的；如果你找不到人，那就找个公共电话亭给我们打电话，我们会出来接你。

近似算法和启发式算法的区别与联系

在计算机科学与运筹学，近似算法是指用来发现近似方法来解决优化问题的算法。

近似算法通常与NP-hard问题相关; 由于不可能有效的多项式时间精确算来解决NP-hard问题，所以一个求解多项式时间次优解。

与启发式算法不同，通常只能找到合理的解决方案相当快速，需要可证明的解决方案质量和可证明的运行时间范围。

理想情况下，近似值最优可达到一个小的常数因子（例如在最优解的5%以内）。

近似算法越来越多地用于已知精确多项式时间算法但由于输入大小而过于昂贵的问题。

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。

现阶段，启发式算法以仿自然体算法为主，主要有蚁群算法、模拟退火法、神经网络等。