Table of Contents
Heuristics استراتژی ها یا روش های مورد استفاده برای حل مشکلات به طور موثر است، زمانی که الگوریتم های کلاسیک بسیار آهسته هستند یا نمی توانند یک راه حل دقیق پیدا کنند.در سناریوهای دنیای واقعی، اوورالیسم ها می توانند عملکرد الگوریتم ها را با ارائه راه حل های خوب در فریم های زمانی قابل قبول افزایش دهند.
درک Heuristics
Heuristics تکنیک های قاعده-فیزیک هستند که فرآیندهای تصمیم گیری را بر خلاف الگوریتم های خسته کننده هدایت می کنند، Heuristics راه حل های بهینه را تضمین نمی کند، اما اغلب نتایج رضایت بخش را به سرعت تولید می کنند.
برنامه های کاربردی در سناریوهای واقعی جهان
Heuristics به طور گسترده در زمینه های مختلف مانند تدارکات، هوش مصنوعی و امور مالی اعمال می شود.به عنوان مثال، در برنامه ریزی مسیر، اکتشافی کمک می کند تا بدون بررسی هر مسیر ممکن، مسیر کارآمد را پیدا کند.
تکنیک های اکتشافی مشترک
- الگوریتم های گمراه کننده: [FLT 1] بهترین انتخاب محلی را در هر مرحله انجام دهید.
- جستجوی پرکال: بهبود راه حل با بررسی گزینه های همسایه.
- Metaheuristics: استراتژی های سطح بالاتر مانند الگوریتم های ژنتیکی یا شبیه سازی شده است.
- [مشرکان] خاص [مشرکان]: قوانین سفارشی بر اساس دانش دامنه.