蚁群算法遗传算法模拟退火算法等真的是人工智能吗 – java – 前端

偶在研究生期间就是做粒子群，蚁群以及学习自动机算法研究的，并且也主动了解过和上述算法相近的遗传算法以及模拟退火算法。可以说，与普通算法比起来，题主说的这些算是人工智能算法，接下来大家通过介绍原理来说明为什么它们属于智能算法。

人工智能

人工智能是通过大量数据，通过确定不同的模型，分类规则进行学习，从而模拟人类的行为与思考，看起来就好像机器具有了人类的能力一样。人工智能的基础是数学，经济学，计算机工程，控制论，语言学等等学科，被广泛应用在生活中的方方面面。而人工智能算法的四大分支，目前公认的有模式识别，机器学习，数据挖掘以及智能算法。

那么上面的算法的原理分别是什么呢？

蚁群算法

蚁群算法的提出者是意大利人，他们发现单个蚂蚁觅食的轨迹非常简单，但是当群体行动的时候，却可以表现出一种智能行为——蚂蚁之间就会通过交流信息素来达到“即便不走遍全场，也知道东南方向没有食物”这样一个效果。这样的过程如果抽象成数学其实就是用蚂蚁的行走路径表示待优化问题的最优解，而最优解自然就是最好的食物，在蚂蚁的探索过程中，可以学习到其他蚂蚁留下的信息素经验（参数），达到（半）了解全场的效果。这样的描述也许就清晰了，蚂蚁将其它成员的经验知识应用在自己的行为优化上，而且自己的行为又能影响全体，这就是一种智能算法。

模拟退火算法

模拟退火算法的灵感来自固体退火原理，是一种与概率论息息相关的算法。它基于蒙特卡洛迭代求解策略的随机寻优算法，假设从某一较高初温出发，伴随温度不断下降，利用概率突跳特性，在解空间中随机寻找目标函数的全局最优解（相当于蚂蚁找到最大最好吃的食物），与蚁群算法比起来，模拟退火算法的分子之间并没有信息素的交流，更多的是依赖了数学经验。由于其核心思想具有启发式的特点，因此也算是一种智能算法。

遗传算法

遗传算法就非常有趣了，它模拟达尔文生物进化论中的自然选择与遗传学中DNA的概念。从有代表问题解的种群开始，每个种群中的个体都有由不同的DNA决定，每次迭代都会尽量将父辈的优秀的DNA传递给下一代，同时又引入一定概率的基因突变，即保证了多样性，实现了交叉与变异，产生下一代解集，通过多次迭代，不断驱使解集像最优解靠拢。从这个描述中可以看出，遗传算法也是具有启发式的特点，通过不断的自偶优化，来模拟了高等生物的行为与思想。

根据上面的介绍，想必大家都了解了为什么这三个算法属于人工智能算法了。如果你觉得有点启发，欢迎给偶点个赞或者留下你的评论。

偶是苏苏思量，来自BAT的Java开发工程师，每日分享科技类见闻，欢迎关注偶，与偶共同进步。