遺傳算法屬于啟發(fā)式算法還是智能計算？遺傳算法、退火算法、神經(jīng)網(wǎng)絡(luò)算法、貪婪算法，都屬于數(shù)學(xué)計算方法的范疇。無論是啟發(fā)式算法還是智能計算，都沒有一個標(biāo)準(zhǔn)統(tǒng)一的定義。神經(jīng)網(wǎng)絡(luò)的研究涉及到多個方面的全局優(yōu)化

遺傳算法屬于啟發(fā)式算法還是智能計算？

遺傳算法、退火算法、神經(jīng)網(wǎng)絡(luò)算法、貪婪算法，都屬于數(shù)學(xué)計算方法的范疇。無論是啟發(fā)式算法還是智能計算，都沒有一個標(biāo)準(zhǔn)統(tǒng)一的定義。神經(jīng)網(wǎng)絡(luò)的研究涉及到多個方面的全局優(yōu)化問題。但在優(yōu)化過程中，往往會導(dǎo)致局部極限或收斂速度慢。因此，采用退火算法（模擬退火算法）或遺傳算法對其進行改進。由于這些算法所建立的仿真模型可以應(yīng)用于模式識別、圖像處理、控制、優(yōu)化、預(yù)測等領(lǐng)域，能夠模擬人腦的結(jié)構(gòu)和記憶處理信息的功能，因此具有一定的人類智能，所以有些書認(rèn)為這些算法是智能計算。然而，人工神經(jīng)網(wǎng)絡(luò)只是對大腦的一種粗略而簡單的模仿，這與人類的智能相差甚遠(yuǎn)。而且，神經(jīng)網(wǎng)絡(luò)算法的本質(zhì)是求解一個非線性問題的算法，因此在實際研究中，神經(jīng)網(wǎng)絡(luò)算法并不是作為智能計算，而是作為一種啟發(fā)式算法。由于貪婪算法是一種梯度下降優(yōu)化算法，遺傳算法是一種模仿生物進化過程的優(yōu)化算法。

hopfield神經(jīng)網(wǎng)絡(luò)和遺傳算法的不同點？

兩者有很多不同之處。換言之，兩者沒有多少相似之處。Hopfield網(wǎng)絡(luò)基本上建立了每次能量下降的機制。另一方面，遺傳算法則大不相同。它是一種群體搜索機制。首先，它初始化了一堆解決方案，然后，根據(jù)概述，它允許優(yōu)秀的解決方案進入下一代（注意可能會有一些較差的解決方案，Hopfield意味著每一代的能量都會下降）。下一代通過交叉和變異機制產(chǎn)生新一代。因為下一代通過每一次選舉的概率會更高，所以根據(jù)概率，每一代都會比上一代好。這樣，它最終會進化成一代足夠優(yōu)秀的媒介。它們都經(jīng)歷了幾代人的衰落，最終趨于穩(wěn)定。但兩者是不同的，遺傳算法是每一代都是一個群體，而霍普菲爾德是一個個體。每一代遺傳算法都允許更壞的條件，這有助于跳出局部最優(yōu)。而Hopfield能量每次都在下降，具有貪婪算法的味道，一般不能跳出局部最優(yōu)。就這樣?！鄙窠?jīng)網(wǎng)絡(luò)之家“

作為一名程序員，需要精通高深的算法嗎？為什么？

學(xué)習(xí)一些先進的算法是合適的，但是比較常用的算法一定能做到。不僅算法崗需要學(xué)習(xí)這么多算法，開發(fā)崗也需要學(xué)習(xí)很多常用算法，這樣才能在開發(fā)過程中編寫出高性能的代碼。我舉個例子。以前，我用MR處理一段數(shù)據(jù)。在reduce階段，我需要根據(jù)某個值保持頂部，但是如果不能使用其他算法，可以調(diào)用quick sort。最壞的時間復(fù)雜度是O（n^2）。當(dāng)數(shù)據(jù)很大時，你不能用完。如果能夠維護大頂堆或bfprt算法，時間復(fù)雜度會大大降低。所以算法是非常重要的。

那么，我們需要學(xué)習(xí)哪些算法？我將列出以下方向

常見的圖論算法，如并集搜索、最短路徑算法、二部圖匹配、網(wǎng)絡(luò)流、拓?fù)渑判虻?/p>

例如常見的二分搜索、三分搜索，特別是二分搜索、訪談常問、深度優(yōu)先搜索和廣度優(yōu)先搜索，經(jīng)典的八道數(shù)字題等等。還有一些啟發(fā)式搜索算法，如模擬退火算法、遺傳算法、粒子群算法、蟻群算法等。

Dijkstra算法用于尋找最短路徑、最大子段和、數(shù)字DP等

這一類比較大，特別是在機器學(xué)習(xí)、人工智能、密碼學(xué)等領(lǐng)域。比如數(shù)論中的大數(shù)分解，大素數(shù)的判定，擴展歐幾里德算法，中國剩余定理，盧卡斯定理等等，組合數(shù)學(xué)中的博弈問題，卡特蘭數(shù)公式，包含排除原理，波利亞計數(shù)等等，計算幾何中的極性排序、凸包問題、旋轉(zhuǎn)卡盤問題、多邊形核問題、平面最近點對問題等。另外，還有一些矩陣的構(gòu)造計算，如矩陣的快冪等。

如果要做算法作業(yè)，除了上面的一些應(yīng)用算法外，主要是機器學(xué)習(xí)、深度學(xué)習(xí)算法。