上一篇聊了《网络规划中的重心法--人人能懂的算法》，所谓人人能懂得前提是你没完全忘记初中数学。所幸的是会点开这类标题读的小伙伴，果然都能想起来勾股定理，算是人人能懂了。这篇来聊一下，理论上是依赖经验人人都能做的： 网络规划中的启发式算法。但人人能做不代表结果能做好，启发式算法有高效的地方，也能把人带沟里。
先看定义，启发式算法(heuristic algorithm)：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。
在网络规划中，所谓的最短路径问题有很多种意思， 使用启发式算法指的是一个在一个搜寻树的节点上定义的函数，用于评估从此节点到目标节点最便宜的路径。启发式算法是一种技术，这种技术使得在可接受的计算成本内去搜寻最好的解，但不一定能保证所得的可行解是最优解，甚至在多数情况下，无法阐述所得解同最优解的近似程度。
看到这里还能忍住没关掉这文的小伙伴给自己鼓个掌，坚持着再看点背景内容就更明白些了。物流网络规划是算法的应用，它的抽象表达方式就是数学模型。运筹学的的一个分支是解决离散的优化问题，通过对数学的应用解决离散事件的最优编排、分组、顺序或筛选。应用于信息技术、经济管理、工业工程、交通运输等领域。
通俗的解释就是，人在解决问题时所采取的一种根据经验规则进行发现的方法。其特点是在解决问题时,利用过去的经验,选择已经行之有效的方法，而不是系统地、以确定的 步骤去寻求答案。启发式解决问题的方法是与算法相对立的。算法是把各种可能性都一一进行尝试，最终能找到问题的答案，但它是在很大的问题空间内，花费大量 的时间和精力才能求得答案。启发式方法则是在有限的搜索空间内，大大减少尝试的数量，能迅速地达到问题的解决。但由于这种方法具有尝试错误的特点，所以也 有失败的可能性。科学家的许多重大发现，常常是利用极为简单的启发式规则。
启发式算法的优势是相对简单直观，多数情况下运算快，程序简单易于修改，但它的劣势是表现不稳定，不能保证最优解，算法的好坏依赖于实际问题、经验和设计者的技术，可能无法避免陷入局部最优解。
比如生产制造企业有2个工厂，客户分布在8个区域，规划建立3处配送中心，有5个配送中心备选，分别已知各备选配送中心的固定成本和单位变动成本，各工厂产量和各区域客户需求量，利用启发式算法可以求解。抱歉公式输入太过耗时，书上的直接拍照贴上来又不清晰，就不解释具体算法了。这个简单的案例中，启发式算法可以快速找出不同货量区间下的仓库选点。
算法是程序设计的灵魂，代表着用系统的方法描述解决问题的策略与机制。作为网络规划程序的使用者，即便不需要清楚具体的公式，也需要了解算法背后的底层逻辑，这样才能在实际应用时的比较选择中做出更靠谱的判断。希望这篇对你了解算法有帮助。
网友评论