智能算法与传统算法

目录

1    特征对比：

1.1 最优算法：

1.2 启发式算法（Heuristic）：

1.3 启发式算法特点：

1.4 启发式算法的缺点：

2    传统优化技术：

2.1 主要传统优化方法：

3    现代优化技术：

3.1 现代优化算法：

4    算法性能分析：

4.1 评价算法优劣的指标

4.2 评价算法优劣的手段

---

特征对比：

传统算法无法在有限的时间内精确求解

智能算法寻求在求解时间和求解速度上的平衡

最优算法：

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（Heuristic）：

一个基于直观或经验构造的算法，在可接受的花费（计算时间、占用空间等）下给出待解决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不一定事先可以预计。这类算法中的每一个算法都以人类、生物的行为方式或物质的运动形态为背景，经过数学抽象建立算法模型，通过计算机的计算来求解组合最优化问题，因此启发式算法也称为智能优化算法。

启发式算法特点：

• 是一种技术
• 不能保证所得解的最优性

启发式算法的缺点：

• 不能保证最优；
• 不稳定；
• 依赖于实际问题、设计者经验；  

---

传统优化技术：

追求理论上的准确与完美

待解决的问题：连续性问题，以微积分为基础，规模较小

主要传统优化方法：

线性与非线性规划、动态规划、多目标规划、整数规划、排队论、库存论、对策论、决策论等。

评价方法：算法收敛性、收敛速度

---

现代优化技术：

待解决的问题：离散性、不确定性、大规模

现代的优化方法：启发式算法（heuristic algorithm）、追求满意（近似解）、实用性强（解决实际工程问题）

现代的评价方法：算法复杂性

现代优化算法：

禁忌搜索算法、模拟退火算法、遗传算法、人工神经网络、蚁群算法、粒子群算法、混合算法  

---

算法性能分析：

评价算法优劣的指标

• 算法的复杂性（计算效率）
• 解的偏离程度（计算效果）
• 算法的稳健性（不同实例、不同时间、不同起点的差异）

评价算法优劣的手段

• 最坏情况分析（纯理论）
• 概率分析（理论分析）
• 计算模拟分析（统计特性）