知识卡片
好解不是最优解
排列候选数量随城市数急速增长,遗传算法在有限计算预算内搜索较好路径,通常没有全局最优保证。连续若干代未改善只是停止策略,不是证明不存在更好解。原书对NP困难的非正式说法不能当作复杂度的严格定义。动态规划通过分解并复用子问题减少重复计算;本书只概述其与启发式搜索的区别,未给出TSP状态转移。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 遗传算法 3.1.1 旅行商问题 · 查看原书依据
与蛮力解和动态编程不同,遗传算法不能保证找到最优解。尽管它将找到一个很好的解,但分数可能不是最好的。在3.1.2节中讨论的示例程序,将展示遗传算法如何在短短几分钟内为50个城市的TSP产生可接受的解 [2]。 3.1.2
参考来源
- 位置:《人工智能算法(卷2):受大自然启发的算法》第3章《遗传算法》,原书小节“3.1.1 旅行商问题”(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/人工智能算法(卷2):受大自然启发的算法/_epub-src/OEBPS/Text/chapter003.html#nav_point_55)
- 结论依据:原文对比枚举与启发式,并说明GA不保证最优;停止策略来自本单元末的连续50次无改善例子。
- 原始内容:与蛮力解和动态编程不同,遗传算法不能保证找到最优解。尽管它将找到一个很好的解,但分数可能不是最好的。在3.1.2节中讨论的示例程序,将展示遗传算法如何在短短几分钟内为50个城市的TSP产生可接受的解 [2]。 3.1.2