2020-10-17

启发式算法（heuristic algorithm）：相对于最优化算法提出的，可定义为：基于直观或者经验构造的算法，在可接受的计算时间或者计算代价下求出的一个可行解，这个可行解不一定是最优解。
对于np难问题，一般是考虑设计启发式算法进行求解，求尽量接近最优解的可行解。评价设计的算法的好坏可以根据计算出的目标值与最优值进行比较，越接近最优值，说明算法效果越好。np难问题求解最优值是非常困难的，解决这个难点的有效方法就是通过计算下界，用上界和下界的差来评价算法。
拉格朗日松弛算法是求解下界的一种常用方法，拉格朗日松弛算法实现比较简单，不仅可以用来评价算法的效果，还可以用在其他算法中，提高算法效率。拉格朗日松弛算法包括两块内容:一方面是提供下界，另一方面演变为拉格朗日松弛启发式算法。
松弛：可以简单理解为把某一约束去掉，即为把某一约束松弛，对于整数线性规划模型，在忽略决策变量为整数这个约束下求得的最优解即为模型松弛解，称为线性规划松弛。
拉格朗日松弛方法，把造成问题难的约束吸收到目标函数，并使得目标函数保持线性，使得问题变得容易求解。
拉格朗日启发式算法，第一步：拉格朗日的次梯度优化计算；第二步：把第一步得到的非可行解可行化。