4.1 什么是优化问题?人工智能为什么要研究优化问题?
现实世界中的很多问题,往往存在多元的解空间,从多元的解空间中提取最优选项,则称为优化问题。本质上讲,人工智能的目标就是最优化:在复杂环境与多体交互中做出最优决策。几乎所有的人工智能问题最后都会归结为一个优化问题的求解,因而最优化理论同样是人工智能必备的基础知识。
4.2 请给一个本书之外的优化问题的例子,智力游戏或现实世界的例子均可
旅行推销员的问题,从某个城市出发,每个城市只能走一次,最后要回到原来出发的城市。其存在多个目标状态,且目标状态事先未知(没有明确的目标状态)。问题的求解就是通过某种既定的方式(例如基于规则或者频评分等)找到符合要求的目标状态。旅行员的目标是找到一条路径,使其行走的路程为所有路径中的最小值。
4.3 什么是元启发式,它与第三章的启发式相比有什么区别
元启发式指的是基于客观约束条件或模拟自然现象而构建的一类通用的算法框架,旨在解决复杂的优化问题。
其区别在于:元启发式通常不依赖于问题的特有条件、不做人为的假设,因此是个相对通用的启发式优化算法;元气启发式基于问题的客观约束条件、或模拟一些正常自然现象。
元启发式是一种更高层次的启发式方法,它不是直接解决问题,而是设计用于解决问题的启发式算法的方法论或框架。换句话说,元启发式是关于设计、分析和