啟發式分割演算法

A. 採用准確優化技術和啟發式優化技術解決一個問題會存在什麼不同

採用准確優化技術和啟發式優化技術解決一個問題會存在的不同之處：

①確定性演算法和隨機性演算法是目前求解優化問題的方法。隨機性演算法一般是對社會行為和自然現象的模擬，具有對優化函數的解析性質要求低的特點，甚至對無顯示解析表達式的問題也可以求解，能較好解決優化中的雜訊、不可微、高維等問題。

②啟發式演算法作為隨機性演算法的一種，其良好的應用更加快了人們對各種優化方法的探索腳步。 近些年來不斷有學者將分形應用於優化中來，試圖運用分形思想來處理復雜的優化問題。

③其中，分形演算法通過對可行域的分形分割來尋優，是一種新穎的確定性演算法，但其局限性較大，只適用於低維簡單的問題，對於當今社會中高維復雜問題則幾乎無能為力，也使得該演算法的影響力微乎其微。

④啟發式技術是基於特徵值掃描技術上的升級,與傳統反病毒特徵值掃描技術相比,優點在於對未知病毒的防禦.是特徵值識別技術質的飛躍。

(1)啟發式分割演算法擴展閱讀

啟發式：簡化虛擬機和簡化行為判斷引擎的結合 Heuristic(啟發式技術=啟發式掃描+啟發式監控) 重點在於特徵值識別技術上的更新、解決單一特徵碼比對的缺陷.目的不在於檢測所有的未知病毒,只是對特徵值掃描技術的補充.主要針對：木馬、間諜、後門、下載者、已知病毒(PE病毒)的變種。

一、啟發式發展方向

現代啟發式演算法的研究,在理論方面還處於不斷發展中,新思想和新方法仍不斷出現。分析目前的現狀和發展方向,其發展方向有如下幾個方面:

①整理歸納分散的研究成果,建立統一的演算法體系結構。

②在現有的數學方法(模式定理、編碼策略、馬爾可夫鏈理論、維數分析理論、復制遺傳演算法理論、二次動力系統理論、傅立葉分析理論、分離函數理論、Walsh函數分析理論)的基礎上尋求新的數學工具。

③開發新的混合式演算法及開展現有演算法改進方面的研究。

④研究高效並行或分布式優化演算法。

二、啟發式演算法演算法機制特點

現代啟發式演算法在優化機制方面存在一定的差異,但在優化流程上卻具有較大的相似性,均是一種「鄰域搜索」結構。演算法都是從一個(一組)初始解出發,在演算法的關鍵參數的控制下通過鄰域函數產生若干鄰域解,按准則(確定性、概率性或混沌方式)更新當前狀態,而後按關鍵參數修改准則調整關鍵參數，一直優化到最優結果。

B. 演算法式策略和啟發式策略在哪一章

屬於第2章。

最常見的啟發式的問題解決策略，著名心理學家阿莫斯·特韋爾斯基和丹尼爾·卡尼曼發現主要可以有兩個來代表：一個是叫做代表性的啟發式，另外一個叫做可用性的啟發式。

代表性的啟發式講的是通常用一些特別鮮明的形象，來幫助我們做出思維和判斷；另外一個啟發式問題解決的方法，就是可用性的啟發式，任何信息如果很快的進到我們的大腦里頭，我們就會充分地使用這樣的信息。

分類

現代啟發式演算法的各種具體實現方法是相對獨立提出的,相互之間有一定的區別。從歷史上看,現代啟發式演算法主要有:模擬退火演算法(SA)、遺傳演算法(GA)、列表搜索演算法(ST)、進化規劃(EP)、進化策略(ES)、蟻群演算法(ACA)、人工神經網路(ANN)。如果從決策變數編碼方案的不同來考慮,可以有固定長度的編碼(靜態編碼)和可變長度的編碼(動態編碼)兩種方案。

C. 什麼是啟發式演算法

大自然是神奇的，它造就了很多巧妙的手段和運行機制。受大自然的啟發，人們從大自然的運行規律中找到了許多解決實際問題的方法。對於那些受大自然的運行規律或者面向具體問題的經驗、規則啟發出來的方法，人們常常稱之為啟發式演算法（Heuristic Algorithm）。現在的啟發式演算法也不是全部來自然的規律，也有來自人類積累的工作經驗。 駕駛汽車到達某人的家，寫成演算法是這樣的：沿167 號高速公路往南行至陽谷；從陽谷高速出口出來後往山上開4.5 英里；在一個雜物店旁邊的紅綠燈路口右轉，接著在第一個路口左轉；從左邊褐色大房子的車道進去，就是某人的家。 啟發式方法來描述則可能是這樣：找出上一次我們寄給你的信，照著信上面的寄出地址開車到這個鎮；到了之後你問一下我們的房子在哪裡。這里每個人都認識我們——肯定有人會很願意幫助你的；如果你找不到人，那就找個公共電話亭給我們打電話，我們會出來接你。

D. 啟發式演算法的最短路徑

所謂的最短路徑問題有很多種意思， 在這里啟發式指的是一個在一個搜尋樹的節點上定義的函數h(n)，用於評估從此節點到目標節點最便宜的路徑。啟發式通常用於資訊充分的搜尋演算法，例如最好優先貪婪演算法與A*。最好優先貪婪演算法會為啟發式函數選擇最低代價的節點；A*則會為g(n) + h(n)選擇最低代價的節點，此g(n)是從起始節點到目前節點的路徑的確實代價。如果h(n)是可接受的（admissible）意即h(n)未曾付出超過達到目標的代價，則A*一定會找出最佳解。
最能感受到啟發式演算法好處的經典問題是n-puzzle。此問題在計算錯誤的拼圖圖形，與計算任兩塊拼圖的曼哈頓距離的總和以及它距離目的有多遠時，使用了本演算法。注意，上述兩條件都必須在可接受的范圍內。

E. 封國林的學術成果

1、初步建立了觀測數據的非線性時空分布理論和新方法。利用數學、物理學最新研究成果實現了在不同初始擾動下各階次信號的分離，運用於氣候變化的檢測和歸因：揭示了青藏高原是氣候變化的敏感區和啟動區，20世紀70年代末華北持續乾旱可能是其動力學突變所致，而引起動力學突變的原因與青藏高原大地形有關；青藏高原降水和溫度的動力學突變與華北和東北同步發生，青藏高原在動力-熱力的作用激發出遙相關波列向下游頻散，引起傳播方向上區域氣候系統異常，如華北持續乾旱；首次揭示出長江中下游的溫度與降水與青藏高原、華北和東北可能遵循不同的動力學系統。
2、基於動力與統計「內結合」，從方法論的角度提出了回溯時間差分格式。該方法突破了傳統上將氣候數值預測提為一個初值問題的基本框架，應用多時次觀測場代替單一的初始場，對認識氣候變化的內在機理和開辟具有我國特色的短期氣候預測新途徑具有重要的科學意義和應用價值。
3、首次給出了集合預報的物理基礎。將集合預報中的每次積分算程視為非平衡統計物理理論中的准粒子軌跡，並採用Lorenz模型進行了數值試驗，從理論上證明了做大量積分算程的集合預報其效果明顯好於單一初值。
4、利用Fokker-Planck方程進行海氣相互作用的非線性理論研究。由於海-氣之間的強非線性，從理論上解釋海-氣相互作用機制，非常困難。數值模擬成為揭示ENSO時空演變的主要方法和手段，但很難反映出清晰的物理過程。把合理簡化的動力學方程轉換成Fokker-Planck方程後，首次從理論上論證海-氣振盪子模型存在一個極限環，論證了ENSO的演化平均周期為31.2月，為ENSO的預測研究提供了數理基礎。

代表作品（一）：專著
1. 封國林，侯威，支蓉，等. 極端氣候事件的檢測、診斷和可預測性研究. 北京：科學出版社，2012
2. 封國林， 董文傑，龔志強，等. 觀測數據非線性時空分布理論和方法. 氣象出版社，2006
3. 董文傑，封國林，韋志剛，陸－氣相互作用對我國氣候變化的影響. 氣象出版社，2005
代表作品（二）：學術論文（第一作者） Feng G L, Sun S P, Zhao J H, Zheng Z H. Analysisof stable components for extended-range (10–30 days) weather forecast: A casestudy of continuous overcast-rainy process in early 2009 over the mid-lowerreaches of the Yangtze River. Sci ChinaEarth Sci, 2013, 56(9): 1576-1587 【封國林，孫樹鵬，趙俊虎，鄭志海. 基於2009年初長江中下游地區持續陰雨過程的10-30天延伸期穩定分量的提取及配置分析. 中國科學：地球科學，2013, 43(5):836-847.】 封國林，趙俊虎，支蓉，等. 動力-統計客觀定量化汛期降水預測研究新進展. 應用氣象學報，2013，24(6)：656-665 封國林，楊涵洧，張世軒，等. 2011 年春末夏初長江中下游地區旱澇急轉成因初探. 大氣科學, 2012，36 (5): 1009-1026 GL Feng, J Yang, SQ Wan, W Hou,R Zhi. 2009. On the Prediction of Record-Breaking Daily Temperature Events.Acta Meteor Sin, 23(6): 666-680 封國林，楊傑，萬仕全，等. 溫度破紀錄事件預測理論研究. 氣象學報，2009,67(1): 61-74 封國林，王啟光，侯威，等. 極端事件的長程相關性. 物理學報，2009，58(4)：2853-2861 GL Feng, ZQ Gong, R Zhi, DQ Zhang. Analysis ofprecipitation characteristics of South andNorth China based on thepower-law tail exponents. Chin Phys B, 2008,17(07): 2745-2752 Guolin Feng,，Xinquan Gao，Wenjie Dong，Jianping Li. Time-dependent solutions of the Fokker–Planckequation of maximally reced air–sea coupling climate model，Chaos Solitons andFractals，2008，37：487-495 Feng Guo-Lin, Gong Zhi-Qiang, Zhi Rong, Zhang Da-Quan, Analysis of precipitationcharacteristics of South and North China based on the power-law tail exponents,Chinese Physics B, 2008, 17(07):2745-2752 封國林，龔志強，支蓉，氣候變化檢測與診斷技術的若干新進展，氣象學報，2008 封國林，何文平. Amplitude death in steadily forced chaoticsystems,Chinese Phys.2007,16(9):2825-2829 封國林,侯威,董文傑,基於條件熵長江三角洲溫度的非線性動力學特徵分析,2006,物理學報, 55 (2): 962-968 封國林，龔志強，董文傑，基於啟發式分割演算法的氣候突變檢測研究，物理學報，2005，54(11)：5494-5499 封國林，董文傑，海-氣振盪子的動力行為與不穩態演化的研究，氣象學報，2005,63(6) Feng GL ,Dong WJ ，Time-DependentSolutions of the Fokker-Planck Equation of Maximum Reced Air-Sea CouplingClimate Model，Acta Meteorologica Sincia,2005,29(4) 封國林，董文傑，李建平，等. 自憶模式中差分格式的穩定性研究，物理學報，2004，53(7)：2389-2395 Feng GL, Dong WJ, Li JP, On temporal evolution of precipitation probability of the Yangtze Rivedelta in the last 50 years, Chinese Physics, 2004,13(9):1582-1587 Feng GL, Dong WJ and Chou JF,Application of retrospective time integration scheme to the prediction oftorrential rain, Chinese Physics,2004,13(3):413-422 封國林，董文傑，集合預報物理基礎的探討，物理學報，2003，52（9）：2347-2353 Feng GL, Dong WJ,Evaluation of the applicability of a retrospective scheme based on comparisonwith several difference schemes, Chinese Physics, 2003, 12(10): 1076-1086 封國林，董文傑，賈曉靜，等，海-氣振盪子中的極限環解，物理學報，2002，51（6）：1181-1185 Feng GL, Dong WJ and Chou JF, Retrospective integration scheme and its application to the advectiveequation, Acta Mechanica Sinica, 2002,18(1):53-65 Feng GL,Frenkel-Kontorva model with alternate coupling potential.Communications inTheoretical Physics, 2002, 35(9):751-754 封國林，曹鴻興，谷湘潛，等，一種提高數值模式時間差分計算精度的新格式——回溯時間積分格式，應用氣象學報，2002，13（2）：207-217 封國林，戴新剛，王愛慧，等，混沌系統中可預報性的研究. 物理學報，2001，50（4）：606-611 Feng GL, Dong WJ and Chou JF, A new difference scheme with multi-time levels. Chinese Physics,2001,10(11): 1004-1010 Feng GL, Cao HX, Gao XQ, Dong WJ and Chou JF. Prediction of precipitation ring summer monsoon with self-memorial model. Advances in Atmospheric Sciences, 2001,18(5): 701-709 封國林，曹鴻興，魏鳳英，等，長江三角洲汛期預報模式的研究及其初步應用. 氣象學報，2001，59（2）：206-212 封國林，曹永忠，曹鴻興.Saltzman氣候模式的新格式及其應用. 氣象學報，1999，57(4)：461-472 封國林，曹鴻興，魏鳳英. 區域氣候自憶預測模式的計算方案及其結果. 應用氣象學報，1999，10(4)：470-477 封國林，曹鴻興. 自憶預報模式中記憶特性的探討. 應用氣象學報，1998，9(2)：219-224 封國林，曹鴻興，邵耀春，等，全球氣候長期振動的Fokker－Planck方程及其求解，氣象學報，1996，54 (6) ：753-758 封國林，曹鴻興，海氣耦合氣候模式的依時解，應用氣象學報，1996，7(2)：212-220 封國林，曹鴻興. 大型渦旋自組織臨界態的觀測證據. 熱帶氣象學報，1994，10（2）：154-160

F. 演算法式與啟發式屬於哪一章

屬於第2章。

在計算機科學與運籌學，近似演算法是指用來發現近似方法來解決優化問題的演算法。近似演算法通常與NP-hard問題相關，由於不可能有效的多項式時間精確算來解決NP-hard問題，所以一個求解多項式時間次優解。

啟發式演算法可以這樣定義：一個基於直觀或經驗構造的演算法，在可接受的花費（指計算時間和空間）下給出待解決組合優化問題每一個實例的一個可行解，該可行解與最優解的偏離程度一般不能被預計。現階段，啟發式演算法以仿自然體演算法為主，主要有蟻群演算法、模擬退火法、神經網路等。

啟發式

指 「自我發現的能力」或「運用某種方式或方法去判定事物的知識和技能」， 是殺毒軟體能夠分析文件代碼的邏輯結構是否含有惡意程序特徵，或者通過在一個虛擬的安全環境中前攝性的執行代碼來判斷其是否有惡意行為。在業界前者被稱為靜態代碼分析，後者被成為動態虛擬機。

G. all-moves-as-first是什麼意思

1、這是人工智慧的一種演算法，即All Moves As First，即所有的步都像第一步一樣。
2、以下為AMAF演算法在圍棋人工智慧上應用的一種解釋（節選自互聯網）：
例如，黑棋假設它在A1處下一步棋，然後進行模擬，模擬結果為黑勝，那麼傳統的UCT計分方法是為A1這個節點加一分，並把結果向A1的祖先節點匯總，也就是把黑棋勝利歸功於A1這步棋。而按照AMAF的做法，則是把功勞均攤到A1以及模擬對局中黑方所下的每一個位置。
這個方法的優點在於能用少量的模擬局數獲取大量的得分情況，從而加快局面評估速度。但是其缺點和優點一樣突出，在棋類游戲中的一個常識是，棋步的順序是與勝負有關系的。這樣的快速評估很可能會得出錯誤的結論。因此，AMAF不是一個一致的演算法。
一個折中的做法是設定一個分割比率，只對模擬對局前一部分的棋步計分，通常我們認為先下的棋步要比後下的棋重要。這個比率的取值從0到1，顯而易見，如果取0，演算法就還原為原始的UCT了；如果取1，則又相當於一個完整的AMAF了。取什麼樣的值，我用自然選擇來決定。
3、具體可以參考所給網址中的一篇論文：https://www.researchgate.net/profile/Aleatha_Parker-Wood/publication/220834306_All-Moves-As-First_Heuristics_in_Monte-Carlo_Go/links/0912f5143820738328000000.pdf/download?version=vs

H. 超啟發式演算法的超啟發式演算法的分類

由於超啟發式演算法的研究尚處於起步階段，對於已有的各種超啟發式演算法，國際上尚未形成一致的分類方法。按照高層策略的機制不同，現有超啟發式演算法可以大致分為4類：基於隨機選擇、基於貪心策略、基於元啟發式演算法和基於學習的超啟發式演算法。 該類超啟發式演算法在構造新啟發式演算法時，採用一定學習機制，根據現有各種LLH的歷史信息來決定採納哪一個LLH。根據LLH歷史信息來源的不同，該類超啟發式演算法可以進一步分為在線學習（on-line learning）和離線學習（off-line learning）兩種：前者是指LLH的歷史信息是在求解當前實例過程中積累下來的；後者通常將實例集合分為訓練實例和待求解實例兩部分，訓練實例主要用於積累LLH的歷史信息，而待求解實例則可以根據這些歷史信息來決定LLH的取捨

I. 經典的啟發式演算法包括哪些

蟻群，模擬退火，禁忌搜索，人工神經網路等。。。
推薦教材《現代優化計算方法》第二版 邢文訓，謝金星 清華大學出版社
另一本補充，《最優化理論與方法》 黃平 清華大學出版社

第一本教材網上有電子版，你自己搜下