参考リンク：
ヒューリスティックアルゴリズムは何ですか
定義：
NPであるNP困難な問題を解決するための一般的な経験則は、非決定性多項式を指します。
###ヒューリスティックに対しては、最適化アルゴリズムを提案され、アルゴリズムが実行可能解を解く組合せ最適化問題の許容されるオーバーヘッド（時間および空間）内に与えられるように、経験や勘構成に基づいています。
例：
- 例えば、有名な巡回セールスマン問題（旅行Saleman問題またはTSP）：セールスマンは、広州、北京、上海、...、nは、他の都市を通じて、南京から必要な、そして最終的に香港に戻ったとします。任意の二つの都市の間の直接の航空機を持っていますが、運賃は及びます。彼はすべての都市を横断できるように、旅程があるかどうかを尋ねるために、同社が唯一のCドルを返済することと仮定すると、総通行料金は、Cよりも少ないのですか？
- 巡回セールスマン問題は明らかにNPです。あなたがたのうち、旅程を与える場合ので、あなたは簡単に旅行の総費用を計算することができます。しかし、C未満がある場合、旅行の総通行料を知るために、最悪の場合、あなたはすべての可能な旅行の手配を確認する必要があります。
現在の一般的な経験則
シミュレーテッドアニーリングアルゴリズム（SA）、遺伝的アルゴリズム（GA）、アリコロニーアルゴリズム（ACO）、人工ニューラルネットワーク（ANN）など。
シミュレーテッドアニーリングアルゴリズム（SA）
定義：
温度を徐々にプロセスに低下した場合、内部エネルギーは、急速な動きに内部障害の比較的大きな固体粒子である場合、温度が高い場合に固体アニール固体の原理に焼きなましアルゴリズム（シミュレーテッドアニーリング、SA）の参照を、考え室温が固体の場合、固体の減少のエネルギーは、徐々になる粒子は、最小時間を達成するために、最終的には、最も安定した粒子を命じました。シミュレーテッドアニーリングアルゴリズムは、この原理に基づいて設計されています。
シミュレーテッドアニーリングアルゴリズムステップ：
- 初期温度T（十分に大きい）、Tminを（十分に小さい）、初期解X、T Lの値ごとに反復回数の下限温度
- ランダムに一時的なドメインソリューションx_newを生成しました。
- 提供F（x）関数が良いか悪い解を計算するために計算され、計算されたF（x_new）-f（x）は、
- もしF（x_new）-f（x）が> 0、無条件に受け入れられたよりも元の溶液の新たなソリューションの適切な説明、F（x_new）-f（x）が<0の場合、新しいソリューションが古いソリューションよりも優れている、場所の場合確率EXP（（F（xnewを）-f（x））/ K・T）は溶液として受け入れx_new。
- 現在の温度が<Tminと、出口ループ、出力電流の結果、または現在の温度を低下させるが、サイクルはステップ2に戻って継続する場合、従来の冷却方法Tは、* Tを=（0 <a <1）、一般的にクローズを取ります1の値
遺伝的アルゴリズム（GA）
定義：
遺伝的アルゴリズム（遺伝的アルゴリズム、GA）が行っ生物学的システムのコンピュータシミュレーションに由来しました。ダーウィンの進化論とメンデル遺伝学上の描画を開発した天然の生物学的進化のメカニズムを模倣するランダムグローバル検索と最適化法、。その本質は非常に効率的、並列、グローバル検索方法であり、自動的に検索処理における探索空間と探索プロセスに関する知識の蓄積を取得することができる適応的に最適解を得るために制御されます。
遺伝的アルゴリズムステップ
- 潜在的な問題、初期ゲノムとランダムな初期集団に従ってゲノムをコードし、再生代数を指定します。
- 休暇の一定数を選択するために、各個人のフィットネスの人口を計算し、残りは排除。
- 個々の、ランダム再生、クロスオーバー分母遺伝子（小さな確率の変化）、次の世代に残さ。
- 2サイクルの処理に戻ります。それは、指定された乗算代数に達するまで
Antのコロニーアルゴリズム（ACO）
定義：
- 私たちは、食品のシーンを探しているものをアリに回復してみてください。
- アリが食べ物を見つける想像し、それは巣の食品に戻される必要があります。このアリが懸念しているために、それは明らかに行くする方法を知りません。だから、アリはランダムルートが選択できます。
- このルートは長い旅になりそうです。しかし、道のアリはフェロモンである、足跡を残しました。あなたは食べ物を運ぶアリ、またはケースを運ぶ他の多くのアリを維持し続けた場合。彼らはより速く、ルート上を前後に行ったときに常に幸運でしょう。蟻はよりがあり、同じ時間内に往復回数をより良い方法を選択し、それはフェロモンの方法で多くを残します。
- だから、アリは常に厚いいくつかのパスフェロモンを見つけ、これらのパスは、より良いルートです。だから、アリはまた、より多くの濃厚フェロモンパスにシフト。蟻は最終的には常に一定のルートを見つけることができ、このプロセスを繰り返しまま、しかし、このルートはアリの最適な経路を見つけることです。
Antのコロニーアルゴリズムステップ
- アリの初期化数、実行可能なリンク、各リンクの距離、各リンクの初期フェロモンサイズ情報
- 蟻は開始点と終了点を設定します。
- フェロモン濃度に基づいて、出発点からアリ、選択部の一定の確率、徐々に端部へ戻さ高い濃度、より高い確率があります。
- 経路上のアリはフェロモン、フェロモン放出の短いセグメント、フェロモン放出の少ない長いセクションをスケーリングするために、各リンクの長さを移動しました。
- すべてのセクションでは、揮発性フェロモンました。
- 戻る反復回数まで、第2のステップループにはフィニッシュにアリ。
終わり
現代のヒューリスティックの様々な特定の実装は、互いに全く異なる、比較的独立した提案されています。歴史的に、現代のヒューリスティックアルゴリズムは以下のとおりです。シミュレーテッドアニーリングアルゴリズム（SA）、遺伝的アルゴリズム（GA）、検索アルゴリズムのリスト（ST）、進化的プログラミング（EP）、進化戦略（ES）、アリコロニーアルゴリズム（ACA）人工ニューラルネットワーク（ANN）。異なる符号化方式の決定変数から考えた場合、固定長、可変長2つの方式の（静的符号化）及びコーディング（動的コード）が符号化されてもよいです。SAは、従来の検索メカニズムとアルゴリズムとは異なる機能を、それが構築された熱力学アニールの原理を学習することで、反復解に基づいて、グローバル確率的探索アルゴリズム、モンテカルロアルゴリズムです。GAは生物進化「適者生存」と遺伝グローバル並列検索アルゴリズムを参照して提案されています。EPとES親と子孫連絡先の詳細のGA強調とは異なり、親と子の性能（動作変化層の種を重視）の行動に焦点を当てます。TSは、グローバルメモリ機能徐々に最適化されたアルゴリズムの一種です。ACAは、人口に基づく進化的アルゴリズムを提案したアリコロニーシミュレーションの集団行動の研究成果の本質に触発人々の一種である、ランダム探索アルゴリズムに属します。