采用准确优化及技术和启发式优化技术解决一个问题会存在什么不同_百度...
目前求解优化问题的方法主要有两种,即确定型算法和随机性算法,根据问题的特点其各有不同的适用范围。其中随机性算法一般是对社会行为和自然现象的模拟,具有对优化函数的解析性质要求低的特点,甚至对无显示解析表达式的问题也可以求解,能较好的解决优化中的噪声、不可微、高维等问题。
启发式算法作为随机性算法的一种,其良好的应用更加快了人们对各种优化方法的探索脚步。 近些年来不断有学者将分形应用于优化中来,试图运用分形思想来处理复杂的优化问题。
其中,分形算法通过对可行域的分形分割来寻优,是一种新颖的确定性算法,但其局限性较大,只适用于低维简单的问题,对于当今社会中高维复杂问题则几乎无能为力,也使得该算法的影响力微乎其微。
启发式:简化虚拟机和简化行为判断引擎的结合 Heuristic(启发式技术=启发式扫描+启发式监控) 重点在于特征值识别技术上的更新、解决单一特征码比对的缺陷.目的不在于检测所有的未知病毒,只是对特征值扫描技术的补充.主要针对:木马、间谍、后门、下载者、已知病毒(PE病毒)的变种。
启发式技术是基于特征值扫描技术上的升级,与传统反病毒特征值扫描技术相比,优点在于对未知病毒的防御.是特征值识别技术质的飞跃。
扩展资料:
经典优化算法:
线性最优化, 又称线性规划, 是运筹学中应用最广泛的一个分支.这是因为自然科学和社会科学中许多问题都可以近似地化成线性规划问题. 线性规划理论和算法的研究及发展共经历了三个高潮, 每个高潮都引起了社会的极大关注。
线性规划研究的第一高潮是著名的单纯形法的研究. 这一方法是Dantzig在1947年提出的,它以成熟的算法理论和完善的算法及软件统治线性规划达三十多年. 随着60年代发展起来的计算复杂性理论的研究, 单纯形法在七十年代末受到了挑战。
1979年前苏联数学家Khachiyan提出了第一个理论上优于单纯形法的所谓多项式时间算法--椭球法, 曾成为轰动一时的新闻, 并掀起了研究线性规划的第二个高潮. 但遗憾的是广泛的数值试验表明, 椭球算法的计算比单纯形方法差。
参考资料来源:百度百科——优化技术