1樓：CYan
模擬退火和人工智慧有什麼關係？
人工智慧難道不是機器具有了學習能力？
那麼乙個解決旅行商問題的騙分演算法，和人工智慧有半毛錢關係嗎？
你怕不是對資訊學奧林匹克競賽和人工智慧有誤解。
還有你所說的這些演算法，依我之見，基本都是數學，要麼是離散數學，或者其他。
而且這並不高大上，爬山演算法只是貪心，其他的就是隨機數騙分演算法。AC自動機就是在字典樹上KMP，字尾陣列，FFT都是乙個你在省選中會用的演算法罷了。
最後，最短路為什麼要像螞蟻一樣，人工智慧不知道兩點之間線段最短？
2樓：Sky W
" we often trend to use the word 『intelligence』 as a word to describe things that we don't know how to explain, once we can explain them, we just say that they are algorithms or formulas. They are only intelligence if we can't explain them, but I think the definition is problematic.
first it imply that anything we design can never be intelligent, because we would know how it works. also we consider ourselves intelligent because we don't know how our brain works. One day though, if we do understand how our brain works, will we not consider we humans intelligent?
"我們總是用「智慧型」這個詞去描述未知的事物，一旦我們其原理，我們就說它們只是演算法或者公式。只有未知的才是智慧型，我認為這個定義是有問題的。
這個定義意味著所有由我們設計的東西都不能是智慧型，因為我們知道它的執行原理。我們認為人類是智慧型的僅僅是因為我們不了解人類的大腦是如何運作的。假設有一天，我們完全理解了大腦的工作原理，那人類就不是智慧型了嗎？
3樓：ivy zheng
比較難回答，強答一波。先看下wiki對自動化和人工智慧的定義。
自動化可以定義為沒有人的參與自動執行的過程。[1]
Automation can be defined as the technology by which a process or procedure is performed without human assistance.[1]
人工智慧是機器展現的智慧型，以與人類和其它動物的自然智慧型相區分。在電腦科學中AI研究被定義為智慧型體的研究（感覺這個定義也過時了）：任何可以感知其環境並做出反應的裝置，在某個目標上最大化成功的機會。
當機器模仿人類大腦的認知功能，如「學習」和「問題解決」時，就可以應用「人工智慧」這個詞。
所以AlphaGo是自動化還是人工智慧？當然可以說因為它是自動下棋沒人參與的（擺棋子是為了適應對手是「人」，如果對手在計算機上下就不需要擺棋子的人了），因此可以是自動化；但因為模仿了人腦的認知功能，因此說它是人工智慧更恰當一些。
蟻群演算法，遺傳演算法，模擬退火演算法這些演算法，都是一些尋優的手段，可以用於人工智慧，但目前人工智慧的研究主要還是體現的模式的識別方面，從資料中由機器自己學習內容。學習過程是先設定乙個目標，然後讓學習的模式與這個目標最接近。AI中目前比較流行的深度學習方法，基本是採用梯度下降的方法求極值。
按我個人的理解，蟻群/遺傳/模擬退火演算法，是歷史上比較成功的演算法，但在目前的AI中真的不常見，至少不是現在的研究熱點。
這個問題比較難回答的原因是，AI是目的導向的，是達到模擬人腦感知這個目的，而題主說的這幾個演算法，則是一種手段（但絕不是目前AI的主流手段）。
還要區分的一點是，AI是模擬人腦感知或認知，模擬人腦的那個叫類腦計算，這兩者也是有區別的。
[1] Automation - Wikipedia
[2] Artificial intelligence
4樓：Hong
我對這方面了解不是很多。您說的很多術語我都不懂。
如果說人工智慧是通過機器來實現某些人的高階認知和行動能力的話，我認為這些演算法目前不是。
但是，我想說的是，是不是人工智慧也許不那麼重要。
想象一下如果你是上帝，你需要的是對某個問題採用某種適合的演算法，至於是否人工智慧不重要。
客觀世界裡，沒有所謂人工智慧這個概念。
因為人類認知的侷限性(比如記憶力等),才迫使人們去區分各種學科，其本質都是對客觀世界的認識，客觀世界裡沒有分類，我們也不必拘泥於分類。
另外，我對您的問題有一些不同的想法：
1）不一定要把分別心引入客觀的學科中，即那種好噁之感。比如什麼演算法高大上，什麼不高大上。
這可能會妨礙對客觀世界的認知。刨除這種分別心，也許會更好的接近這個客觀世界。
演算法無所謂主觀的優劣。客觀上講也許有效率之分。
2)即使這些演算法暫時看所謂不夠高大上，其實也是會給我們啟發的。
比如遺傳演算法，記得它對變異有乙個容忍度（很多年以前學的記憶不一定準確），也就是當它變異後效能函式偏低也不是馬上丟棄，而是看看它是否能繼續變異回到乙個波峰上。這個我覺得很有意思。
前段時間看一本書，講鳥的羽毛起初不是為了飛翔，而是保暖。事實上，如果開始為了飛翔，自然選擇早就把它們淘汰了。所以通過保暖這個途徑來獲得飛翔的能力算是一種對大自然的瞞天過海吧。
而我們的這種遺傳演算法卻「更高明」，它能適度容忍暫時的失誤，繼續去嘗試。
給我的啟發也是，當我們嘗試一種新方法/新方向的時候，可能取得的效果還不如沒有這種方法甚至相當糟糕，我們不妨先不要輕易放棄，暫時容忍一下，繼續發展，看看未來一段時間是否會有新的突破。
再扯遠大發點：和這個問題扯上點關係了:)
人是怎麼廢掉的？
遺傳，退火都是讓我們能脫離區域性最優，事實上，人的本能其實是傾向於區域性最優的，
比如這裡面說的：
人是怎麼廢掉的？
或者這裡面說的：
人是怎麼廢掉的？
可能都是源於我們大多無法忍受效能函式暫時低於區域性最優，即使我們知道在某個時刻，效能函式能到達乙個好很多的結果。。。
3）不妨避免過於抽象的評判一樣事物。我記得以前遇到乙個例子，有人說，壽司有什麼好不就是公尺飯抹上放點魚片啥的嗎？其實，如果你深入研究，可能會知道這種公尺飯需要蒸煮多少時間，公尺裡面放多少醋等等，其實有很多細節的。
不妨換一種思路，用一種好奇心的方式，什麼是人工智慧？蟻群演算法是什麼，它能否被引入到認知智慧型？等等。也許你能獲得的更多。
扯遠了，拙見見諒。
5樓：小小將
瀉藥，首先我是研究生做智慧型優化演算法的，就是遺傳演算法等的，從數學上講就是隨機優化演算法。隨機優化演算法在工程優化問題上應用很廣，因為一般的工程優化問題複雜，但是對優化結果要求沒那麼大。至於題主說的這些演算法是不是人工智慧。
我覺得題主的方向偏了。演算法與人工智慧沒有直接聯絡，就像你不能稱深度學習是人工智慧一樣。演算法只是解決問題的手段。
如果你的演算法應用在乙個實際問題上，以前這個問題是靠人工來完成的，現在計算機可以做了，我們說你開發了乙個智慧型系統。因為它可以實現人一樣的智慧型。這是我的理解。
所以如果這些優化演算法可以用在具體工程難題上，你也可以叫智慧型。真正產生價值的不是演算法本身，而是解決問題。
遺傳演算法，模擬退火演算法，粒子群演算法，神經網路等智慧型演算法的作用？
哈哈哈 神經網路可以用於旋轉機械的故障診斷。這是因為，故障診斷本質上是一種分類任務，而神經網路最擅長的就是分類。常見故障型別 殘差收縮網路 1 2 就是一種專門用於故障診斷的神經網路。深度殘差收縮網路 同時，如上圖所示，由於殘差收縮網路整合了軟閾值化，因而適合強雜訊資料的特徵學習 3 軟閾值化，其中...
MATLAB中的遺傳演算法如何實現
渣男自然卷 遺傳演算法 Genetic Algorithm 是模擬自然界生物進化機制的一種演算法，即遵循適者生存 優勝劣汰的法則，也就是尋優過程中有用的保留無用的去除。在科學和生產實踐中表現為，在所有可能的解決方法中找出最符合該題所要求的的條件的解決方法。及找出乙個最優解。遺傳操作就是模擬生物基因的...
遺傳演算法真的比窮舉法好嗎？
jerry chen GA屬於一種meta heuristic演算法。不嚴格的說，對於meta heuristics演算法，其最重要的是思想，即搜尋過程中如何diversification 搜尋空間多樣化 和intensification 如何強化搜尋 不管哪種元啟發示演算法，都是以一定的方式去實現...