蚁群算法、遗传算法、模拟退火算法等真的是人工智能吗？ 这依赖于对「人工智能算法」的定义，从广义的角度来看，它们当然也都属于人工智能的算法。人工智能」这个词的强调的是人类通过设计方法来达成智能的效果，而不是要求「通过用人类的方法来实现智能」，只要最后能实现看起来「智能」的效果，那么用怎样的算法其实是不重要的。例如一个分类问题，我们可以用神经网络来实现，也可以用支持向量机实现，还可以用决策树或者随机森林来实现…如果这些方法都实现的是分类的同样效果，那么它们就都属于人工智能的算法。可能也有人会指出，这些算法与近年来大家提到的人工智能算法看起来有些不同，因为这些算法解决的问题都只是优化问题，这些优化问题与人工智能研究关心的问题之间仍然有一定的距离。事实上，优化问题是人工智能研究的基础，在机器学习问题中，不管是监督学习还是无监督学习，都可能遇到各种优化问题（例如最小化损失函数，最大化互信息…），蚁群算法、遗传算法和模拟退火算法就可以为这些优化问题提供解决方案。人工智能「算法」真正重要的一点就在于我们怎样将看起来是「智能」的一些现象，翻译成具体的「优化问题」。举个例子来说，我们很可能需要用人工智能的方法来预测一些事情，「预测」看起来是一件很智能的事情。
数据分析入门及职业规划？ 个人很喜欢数据库，这学期开了门新课，接触了R语言，感觉很迷数据处理，和国内做数据分析师的同学聊过以…
试题 KD和KD*称为负荷的频率调节效应系数或简称为负荷的频率调节效应。KD*的数值取决于全系统各类负荷的比重，不同系统或同一系统不同时刻KD*值都可能不同。。
求蚁群算法及其在路由优化中的应用 引言路由算法是网络的重要组成部分，它直接影响着网络性能，而含有多约束条件的QoS 路由是一个NP-C 问题，传统的路由算法很难解决，因此，一些学者尝试采用不同的算法相结合或者针对问题对某些算法进行改进来解决路由优化问题。其中蚁群算法是一个行之有效的方法，针对不同的网络，它在保证服务质量的前提下能够搜索到网络中的最优链路，提高了网络的传输效率。而这些研究缺乏通用的标准，如何把不同的问题归结到一个统一的框架下解决路由优化问题，如何提高寻优速度，缩短运行时间是当前的一个研究热点。1 蚁群算法的定义1.1 蚁群算法基本定义定义1(蚁群算法)蚁群算法(ant colony optimization，ACO)，又称蚂蚁算法，是一种用来在图中寻找最优路径的技术。它最早出现在1992 年Dorigo[1]的博士论文里，该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点，主要用于求解组合优化问题。定义2(启发式算法)对于那些受大自然的运行规律或者面向具体问题的经验、规则启发出来的方法，人们常常称之为启发式算法。现在的启发式算法也不是全部来自然的规律，也有来自人类积累的工作经验。收定义3(信息素)蚂蚁释放一种化学物质，根据环境中的这种物质。
「系统工程」这个词是否被滥用了？ 系统工程确实涵盖面很广，但是这些年各种场合下铺天盖地的出现「系统工程」这个词。常被用来下定义：「XX…
如何提高蚁群路由算法收敛速度？
蚁群算法应用实例有哪些？
