求最优的算法及思想总结(启发式,线性规划,动态规划)

动态规划

核心思想

将问题分解为多个子问题,求解出多个子问题的解,然后将子问题的解存储起来,这些子问题的解相互是有关系的所以一般用迭代来解决,最后将子问题的解合并得到最终问题的解。
一般有以下性质:
最优子结构:最优问题的解包含子问题的最优解
重叠子问题:求解过程中要多次用到子问题的最优解。

启发式方法

随机或近似随机方法搜索非线性复杂空间中全局最优解

根据百度百科,它是类似于人的一种思考方式,基于经验来解决问题的一种方法,并不是像算法那样有一套固定的步骤,我认为就像是一种根据经验来试错。空间变小了,目的性强,但是可能失败。
具体更深入的理解可以看相关的算法:

(1)兔子朝着比现在高的地方跳去。他们找到了不远处的最高山峰。但是这座山不一定是珠穆朗玛峰。这就是爬山法,由于视野有限,它不能保证所求的最优值就是全局最优值,可能是局部最优。

(2)兔子喝醉了。他随机地跳了很长时间。这期间,它可能走向高处,也可能踏入平地。但是,他渐渐清醒了并朝他踏过的最方向跳去。这就是模拟退火,根据之前的经验来确定最终结果,但依然不是全局的。

(3)兔子们知道一个兔的力量是渺小的。他们互相转告着,哪里的山已经找过,并组找过的每一座山他们都留 下一只兔子做记号。他们制定了下一步去哪里寻找的策略。这就是禁忌搜索。他们并不在已经找到的解上停留,可以跳出局部最优。

(4)兔子们吃了失忆药片,并被发射到太空,然后随机落到了地球上的某些地方。他们不知道自己的使命是什么。但是,如果你过几年就杀死一部分海拔低的兔子, 多产的兔子们自己就会找到珠穆朗玛峰。这就是遗传算法。

(5)蚁群算法,利用大量的信息反馈机制,可以不断的逼近最优解。

线性规划

线性规划方法一般需要知道约束条件,然后根据问题建立数学模型,然后求解最优。

在一定约束条件下求最优解

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值