6.2.1.3 启发式搜索与元启发式算法（GA, SA）

文档摘要

6.2.1.3 启发式搜索与元启发式算法（GA, SA） 6.2.1.3 启发式搜索与元启发式算法（GA, SA）想象一下，你是物流公司的算法工程师，手里握着一堆城市坐标，任务是优化10辆货车的配送路径。这就是经典的旅行商问题（TSP），一个臭名昭着的NP-hard难题。穷举法？开玩笑，20个城市就需要处理上百万亿种路径组合，服务器集群烧一个月都算不动。更何况你的老板已经在会议室里踱步，等着实时更新的最优方案。这时，遗传算法（GA）和模拟退火（SA）登场了——它们不是银弹，却像老练的猎手，总能在迷雾中嗅到猎物的踪迹。但痛点来了：纯GA容易早熟，卡在局部最优，像困兽般原地打转；纯SA又太慢，随机跳跃像醉汉散步。怎么办？