运筹学：AI基石
2017-08-22
以下内容为测试之用
一、运筹学的体系架构
从算法角度分类，运筹学可以分为启发式算法和非启发式算法两类。
“启发式算法（heuristic algorithm)是相对于最优化算法提出的。一个问题的最优算法求得该问题每个实例的最优解。启发式算法可以这样定义：一个基于直观或经验构造的算法，在可接受的花费（指计算时间和空间）下给出待解决组合优化问题每一个实例的一个可行解，该可行解与最优解的偏离程度一般不能被预计。现阶段，启发式算法以仿自然体算法为主，主要有蚁群算法、模拟退火法、神经网络等。”
——摘录自百度百科
二、人工智能与运筹学的交集
人工智能、机器学习的基础是建构模型，设定约束条件，设置损失函数（Loss Function），并匹配海量训练集来对该模型进行训练。
从本质而言，人工智能、机器学习的核心内容直接对接运筹学的启发式算法模块。
人工智能是在给定的模型架构下，对目标函数进行优化，从而驱动目标函数解达到或逼近最优解。这正是运筹学所要做的。
