启发式算法就是：

例如遗传算法，模拟退火，各种群算法，蚁群，鱼群，粒子群，人工神经网络等

模仿自然界或生命体行为模式的算法，

一般又称人工智能算法或全局优化算法。


通俗的说，启发式算法是指在一个随机的群体寻优过程中，

个体能够利用自身或者全局的经验来制定各自的搜索策略。

相比最初的穷举迭代搜索或者随机搜索，

一个显著的特点就是个体能够基于经验或者个体间经验交流改变搜索方式，

是一种有目的或者有策略的方法。


启发式算法是指具有自学习功能，可利用部分信息对计算产生推理的算法


多注意局部性与全局性


群体智能算法就是启发式算法；

研究的重点就是如何平衡局部搜索与全局搜索；

有效逃离局部最优解；


近几年比较活跃的算法有如下：
仿动物类的算法：粒子群优化，蚂蚁优化，鱼群算法，蜂群算法等；
仿植物类的算法：向光性算法，杂草优化算法，等等；
仿人类的算法有：和声搜索算法是较好的算法；
近年开始研究情感计算的人较多。
实际应用时差分进化算法较有优势。

关于粒子群算法，理论成熟，应用广泛。