现在算法的资料+案例

张志红

现代优化算法是 80 年代初兴起的启发式算法。这些算法包括禁忌搜索（tabuearch），模拟退火（simulated annealing），遗传算法（genetic algorithms），人工神经网络（neural networks）。它们主要用于解决大量的实际应用问题。目前，这些算法在理论
7 R8 U( k$ S- Q0 Y: ~和实际应用方面得到了较大的发展。无论这些算法是怎样产生的，它们有一个共同的目标－求 NP-hard 组合优化问题的全局最优解。虽然有这些目标，但 NP-hard 理论限制它们只能以启发式的算法去求解实际问题。启发式算法包含的算法很多，例如解决复杂优化问题的蚁群算法（Ant ColonyAlgorithms）。有些启发式算法是根据实际问题而产生的，如解空间分解、解空间的限制等；另一类算法是集成算法，这些算法是诸多启发式算法的合成。现代优化算法解决组合优化问题，如 TSP（Traveling Salesman Problem）问题，QAPQuadratic Assignment Problem）问题，JSP（Job-shop Scheduling Problem）问题等效
果很好。