讲座：“从瞎子爬山到优化方法——最优化方法的思想漫谈

[YongZhen He]

我也转一个。

讲座：“从瞎子爬山到优化方法——最优化方法的思想漫谈。内容见附件图。看简历这哥们儿还真是青年才俊阿。。

弱弱地问：这个东东是不是和启发式搜索什么的有关阿？

[caoxd04]

多谢分享！

 

---

caoxd04

2009-05-15

---

发件人： YongZhen He

发送时间： 2009-05-15 16:45:10

收件人： swarmagents_ai; heyz

抄送：

主题： [swarmagents_ai] 讲座："从瞎子爬山到优化方法----最优化方法的思想漫谈

 

我也转一个。

讲座："从瞎子爬山到优化方法----最优化方法的思想漫谈。内容见附件图。看简历这哥们儿还真是青年才俊阿。。

弱弱地问：这个东东是不是和启发式搜索什么的有关阿？

[Miner]

袁亚湘是很有名的数学家，应该快50了吧，中年才俊还差不多：）
最优化理论是计算数学的一个分支，具体研究内容参见袁亚湘的《最优化理论与方
法》（http: //www.amazon.cn/mn/detailApp?prodid=zjbk359281）
机器学习中经常会用到最优化理论中的一些方法如梯度下降、二次规划等等，不过
一般是直接用其方法，不去研究。
最优化方法通常是在能将问题和解用规范的数学形式表达时采用，主要是求数值解
（我对这个领域不熟，可能说的不对）
启发式搜索是AI中发展出来的，是在状态空间中搜索，强调的是运用领域知识去寻
求可行解，很多问题无法表示成规范形式（比如下棋），但可用启发式搜索求解。
神经网络研究中会用到各种优化算法，其中既有来自最优化理论的，也有来自启发
式搜索的（比如遗传算法、模拟退火等等）。
所以，最优化理论和启发式搜索是不同的研究领域，但都可以用来求系统的最优解
（或可行解），各有各的限制和优势。

YongZhen He 写道:
> 我也转一个。
>
> 讲座："从瞎子爬山到优化方法----最优化方法的思想漫谈。内容见附件图。看
> 简历这哥们儿还真是青年才俊阿。。
>
> 弱弱地问：这个东东是不是和启发式搜索什么的有关阿？
>
>
> >

[HeYongZhen]

因为这个爬山，让我想起了讲产生式系统的控制策略里的那个爬山法~ 故有此一问。。。
看来此山非彼山啊~



======= 2009-05-15 22:41:35 您在来信中写道：=======

= = = = = = = = = = = = = = = = = = = =


　　　　　　　　致
礼！


　　　　　　　　HeYongZhen
　　　　　　　　he.n...@gmail.com
　　　　　　　　　　2009-05-15

[于墨]

最优化中的爬山是在连续情形下工作的，可以认为是启发式方法的一个特例（其中h函数用梯度衡量）

 

而AI的贡献则主要是提供了一系列在离散状态空间内的搜索方法

 

在AI中也有一些问题是将离散问题放宽成连续的，比如从NP的图正则割到谱
 

在09-5-15，Miner <zmse...@gmail.com> 写道：