什麼是演演算法

『壹』 什麼是迪科斯徹演演算法

Dijkstra演算法（狄克斯特拉演算法） Dijkstra演算法是由荷蘭計算機科學家 狄克斯特拉 （ Dijk stra ）於1959 年提出的，因此又叫狄克斯特拉演算法。 是從一個頂點到其餘各頂點的最短路徑演算法， 解決的是有向圖中最短路徑問題。

『貳』 演演算法是什麼主要的數學意義是什麼

東風數學主要特徵：1具有實用性，有較強的社會性；2演算法程序化模型化；3寓理與算並且是開放的歸納系統
西方數學主要特徵：1封閉的邏輯演繹體系季節化的演算法；2古希臘的數字與神秘性結合；3將數學抽象化；4希臘數學重視數學在美學上的意義
希臘人在數學上的貢獻主要是創立了平面幾何，立體幾何，平面與球面三角，數論。推廣了算數與代數。
東方數學注重實用性社會性，使數學與我們的生活密切聯系，二者都推動了現代數學的發展，都開創了數學的先河。

『叄』 進化論演演算法

進化首先是生物學的概念。根據達爾文「生物進化論」的觀點：生物的發展和演變是根據自然選擇的方式進行。生物機能和形態的變化，可從它所處的環境中尋找解釋。生物的進化過程也許完全不是隨機的，高級生物的進化過程很可能是「合情的產生與檢驗」的過程，即也許自然界掌握著一種很高明的「自動程序設計」方法進行遺傳「程序」的書寫。 模仿上述生物進化論所形成的應用演算法稱為進化論演算法。[1]

『肆』 基因遺傳演演算法是個啥求詳解

基因遺傳演演算法主要理論就是優勝劣汰的進化論。
它的主要精神是透過每次迭代都能比上次更進步，逐步演化，表現出針對一個目標函數尋求最佳解的過程。但是因為是隨機搜索，所以雖然基因演演算法設置如交配、突變等來避免，卻仍可能會陷入區域最佳解；也有可能最後得到的不是最佳解，只是在結束條件之前找到的最好的解。

基本的基因演演算法流程：
1.初始化族群：假定這個族群中有4條染色體，每條染色體有5個基因。

基因 -從目標函數的角度來看，就是自變數。
例如：用基因演演算法解目標函數 f(X,Y,Z)=2X+3Y-Z，
限制式為「X,Y,Z＝{1,0}」※，
求目標函數的最大值。
此題目對應到染色體的概念，就有3個基因，
三個基因分別代表X、Y、Z三個自變數的值。
染色體 -單一組解
例如：有很多符合目標函數限制式的（X,Y,Z），
其中一組是（x1,y1,z1）=（1,0,0），
函數值 f(x1,y1,z1)為2*1+3*0-0=2。
此例中，這組解當然不是最佳解，但它是這個題目的一個可行解。
*想像我們用直覺解題，拿張計算紙，把所有可行解都列出來，
然後比較所有我們想得到的可行解，最後可以得
到最佳的一組(X,Y,Z)，因為它的f(X,Y,Z)為最大值。
族群 -多組解的集合
例如：族群中有四條染色體，這四條染色體就是四組可行解。

2.設定交配率和突變率：假定交配率a為0.6，突變率b為0.1。

交配率 -每個世代中，族群內有多少比率的染色體會互相交配。
突變率 -每個世代中，族群內的染色體有多少機率會突變。

3.迭代世代。
For iter=10 -假定做十次優勝劣汰。
3.1. 天擇：在這個世代中，根據每條染色體的權重，隨機選擇母代來產生後代，
用以做下一個運算。
通常使用輪盤法來作天擇，也就是說，
如果染色體甲的解是這個族群中最好的，
那麼甲的權重就是最高的。反之則是最低的。
*輪盤法：假定這次族群為「[1,1,1],[0,1,1],[1,0,1],[1,0,0]」，
四條染色體的適應值分別是「4，2，1，2」，
適應值總和為4+2+1+2=9，
則四條染色體被選到的機會為「4/9，2/9，1/9，2/9」
＝「0.4，0.2，0.1，0.2」。這個機會就是權重。
為了不讓每次選擇都選到同一條染色體，所以只是
「有比較高的機會」選擇到「有更好適應值的染色體」，
而不是一定會選擇這個好適應值的染色體。

3.2. 交配：母代產生後，依照交配率a，隨機選擇染色體來作交配。
比較交配前的子代1和交配後的子代2，在8條染色體中，
選擇適應值最好的4條染色體留下來。
最簡單的交配方式就是交換兩條染色體的某個基因。
*例如，染色體S=[0,1,0]，染色體Q=[1,1,1]，交配位於首位的基因，
則可以得到新的兩條染色體S'=[1,1,0]、Q'=[0,1,1]。

3.3. 突變：交配完後，依照突變率b，決定這一個世代要不要突變。
假設要突變，則若突變後子代3的適應值比突變前子代2好，就用子代3取代子代2。
最簡單的突變方式就是隨機選擇某條染色體的某個基因，改變它。
*例如，隨機選中染色體M=[1,0,1]，隨機突變中間的基因，
得到新染色體M'=[1,1,1] 。

3.4. 更新：最後得到的族群中，所有染色體的適應值。
END For

4. 比較所有染色體的適應值，列出最好的那一個染色體為演演算法最後的解。

※一般使用二元染色體，限制染色體的基因只會等於零或壹。
在此處只是方便解說，所以直接把限制式設成零和壹。
假設我們用二元染色體來解目標函數f(x)=x^2的最大值，限制式為0<=x<=7，x為整數。
用基因演演算法求解，則需要產生log_2(8)=3個基因，
簡單說來，就是用二進位表示一個有限整數值。
（也可以把基因想成電腦的位元數，我們用三個位元來表示一個有限的整數值。）
這樣做的話，突變的方法就是直接把某個基因轉成零或壹，
不用設定要更改多少值（例如加3、加100或減0.8）（基因演演算法應該一般不會這樣做）；
計算適應值時，互相轉換二進位與十進位。

基因三個，則可以表達：
111=2^2+2^1+2^0=4+2+1=7
110=2^2+2^1=4+2=6
101=2^2+2^0=4+1=5
100=4
001=1
000=0
011=3
010=2

『伍』 什麼是演化演算法

演化演算法是解決組合優化問題的高效搜索演算法.該文在現有求解TSP問題的演化演算法的基礎上,通過引入映射運算元、優化運算元以及增加一些控制策略,提出了一種高效的演化搜索演算法.實驗表明,該演算法是有效的,通過對CHN144以及國際通用的TSPLIB中不同城市規模的數據進行測試表明,其中實例CHN144得到的最短路徑為30353.860997,優於吳斌等運用分段演算法得到的最短路徑30354.3,亦優於朱文興等人的結果,實例st70和kroB150得到的最短路徑分別與運用分段演算法得到的最短路徑值相同,實例pr136得到的最短路徑值為96770.924122,優於TSPLIB中提供的最短路徑96772,對於其它實例也均能快速地得到和TSPLIB中提供的最優路徑相同或更優的路徑,該演算法不僅很容易收斂到問題的最優解,而且求解速度極快.

『陸』 Algorithm演演算法的介紹

Algorithm演演算法本來是學術(如數學、程序)領域中的用語，然而當套用在音樂電子器材上的時候，它指的是：不同的數字效果器串接的順序。 大部份的數字效果處理機都已含有各種演算法。

『柒』 太極八卦演演算法科學嗎它該歸入哪門學科

其實不是很懂你說得太極八卦演演算法是指什麼，我的理解是八卦圖的一個成型樣式，以前閱書的點滴記憶里，八卦以陰陽的圖示進行排列，一長橫線和兩短橫線的排列組合，繼而在不同位置的組合又代表不同的意義，其間包含數學、天文學，甚至哲學、數學，現在還沒有一套完整的科學系統能夠完全解釋八卦的產生，個人覺得，就我淺薄所知，數學就佔了很顯眼的一點，但並不能將其直接歸為數學，它仍需在人們的探索研究中被繼續認識。
不知道是不是講了風馬牛不相及的兩樣東西了。。。。。。

『捌』 「運算」，「計算」，「演算」有什麼不同

你是說，問一下，運算，計算，演算有什麼區別和不同。實際上運算和計算是一種演算法。而演算是反回來算。看一看運算或計算的答案對嗎？如運算2十3＝5。那麼演算就是返回算如5一3是否等於2。

『玖』 什麼是即時演算

一: 我們先述說它的定義，然後我再舉一些典型的例子來說明一下.

說到即時演算，很多人會為比較懸，似乎很深奧，其實即時演算(尤其是游戲范疇的)就是圖形技術的一種表現形式.

英文裡面， real time rendering，翻譯成中文就是我們通常說的「即時演算」.

即時演算的主要的工作都是由圖形晶元來完成的，經過指令的指揮和復雜的計算，游戲中的人物和場景就出現在我們的屏幕上.

其實，提到"即時演算"的時候，我們伴隨著提到最多的還有CG動畫.

我想把"即時演算"和"CG動畫"對比著來說，我們就很明白啦.

先說說"CG動畫"，所謂的CG動畫，大部分工作是由動畫製作人員來完成的，他們把建立好的模型在他們的電腦上渲染成完成的圖，也即相當於經過了一道流水線，只不過流水線上的工作人員是動畫製作人員，渲染結束後呢，我們的游戲機只需通過識別這些動畫的編碼，進行解碼之後以每秒鍾24幅畫或者30幅畫的速度播放出來就行啦，如果沒有專門對應的晶元（這些晶元一般來說可編譯的晶元，儲存有編解碼信息，解碼時可以很方便的找到對應的輸出），這個時候就要通過軟體的演算法來利用CPU的計算能力進行嘰里呱啦的計算之後產生對應的圖形輸出，這就是往往我們嘴巴中間說的「播片能力」.

我下面舉個例子來說明.

比如，游戲的開場CG動畫部分就是我們非常熟悉的動畫部分，這部分視頻是游戲製作人事先已經製作好了的，只是播發即可，雖然我們看上去很色彩絢麗，其實並不佔系統資源. 我們都有這樣的體會，就是當系統配置不夠的時候，往往能夠順利播發CG動畫， 但是CG動畫過後，立即退出了游戲，要麼就黑屏， 就是這個道理.

那麼為何退出遊戲呢，下面就牽扯到了即時驗算.即時驗算在游戲中是最吃系統的，即使非常小一部分的即時驗算都會耗費相當大的系統資源.

再舉個即時驗算的例子， 即時驗算的份量最大的就屬歐美製作的大型游戲，所以我就拿<上古4>為例吧:

<上古4>中有很多這樣的場景，就是在對付敵人的時候，你既可以選擇使用冷兵器攻擊敵人，也可以使用魔法攻擊，還可以互相交替進行攻擊，還可以與對方溝通，還可以放棄戰斗而逃跑， 那麼在你瞬間選擇的時候，系統並不知道你將採用哪種方式進行攻擊，當你突然選擇使用冷兵器的時候，渲染系統就要從預留的渲染文件中調出使用冷兵器的圖形文件，進行即時渲染，這就是即時驗算，，這個瞬間的即時驗算完全是有CPU來進行的.而顯卡和內存負責將CPU下達的指令進行合成然後完美還原計算，呈現出來的就是華麗的畫面圖形.

因此，需要系統有足夠的容量儲備來應付瞬間的圖形計算，否則就出現我們經常說的"卡"， 這就是由於系統配置跟不上，我們說的所謂的"卡" 其實就是丟禎現象， 因為系統在計算的時候已經出現了不連貫， 反映在屏幕上就是人物定格， 一禎一禎往前跳.

因此，即時驗算非常考驗系統。

『拾』 台灣的大學課程演演算法相當於大陸的哪門課

就是大陸學校里的演算法設計與分析