启发式算法(heuristic algorithm)是相对于最优化算法提出的。一个问题的最优算法求得该问题每个实例的最优解。启发式算法可以这样定义:一个基于直观或经验构造的算法,在可接受的花费(指计算时间和空间)下给出待解决组合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一般不能被预计。现阶段,启发式算法以仿自然体算法为主,主要有蚁群算法、模拟退火法、神经网络等。
城市大脑2.0:疫情下的挑战和思考 | YEF 专题论坛
中国计算机学会
0+阅读 · 2022年6月6日
IJCAI2021 | 深度推荐系统教程 (附Slides)
机器学习与推荐算法
1+阅读 · 2021年8月25日
自动文本摘要研究综述
专知
4+阅读 · 2021年1月31日
基于端到端可迁移深度强化学习的图优化
谷歌开发者
1+阅读 · 2021年1月19日
智能滚动:让转录后的文本编辑、共享和搜索更容易
基于机器学习的数据库技术综述
专知
0+阅读 · 2021年1月2日
Link prediction | 三篇SEAL相关工作小结
AINLP
47+阅读 · 2020年11月17日
【学界】深度学习如何影响运筹学?
人工智能学家
2+阅读 · 2019年9月15日
基于爬山算法的改进与混合算法优化
人工智能头条
1+阅读 · 2019年6月20日
【数据科学】敏捷数据科学研究的最佳建议
产业智能官
1+阅读 · 2019年5月7日
参考链接
微信扫码咨询专知VIP会员