智能計算/計算智能、仿生算法、啟發式算法的區別與關系？
我一個個講好了， 1）啟發式算法：一個基于直觀或經驗構造的算法，在可接受的花費（指計算時間和空間）下給出待解決組合優化問題每一個實例的一個可行解，該可行解與最優解的偏離程度不一定事先可以預計。意思就是說，啟發式算法是根據經驗或者某些規則來解決問題，它求得的問題的解不一定是最優解，很有可能是近似解。這個解與最優解近似到什么程度，不能確定。相對于啟發式算法，最優化算法或者精確算法（比如說分支定界法、動態規劃法等則能求得最優解）。元啟發式算法是啟發式算法中比較通用的一種高級一點的算法，主要有遺傳算法、禁忌搜索算法、模擬退火算法、蟻群算法、粒子群算法、變鄰域搜索算法、人工神經網絡、人工免疫算法、差分進化算法等。這些算法可以在合理的計算資源條件下給出較高質量的解。 2）仿生算法：是一類模擬自然生物進化或者群體社會行為的隨機搜索方法的統稱。由于這些算法求解時不依賴于梯度信息，故其應用范圍較廣，特別適用于傳統方法難以解決的大規模復雜優化問題。主要有：遺傳算法、人工神經網絡、蟻群算法、蛙跳算法、粒子群優化算法等。這些算法均是模仿生物進化、神經網絡系統、螞蟻尋路、鳥群覓食等生物行為。故叫仿生算法。 3）智能計算：也成為計算智能，包括遺傳算法、模擬退火算法、禁忌搜索算法、進化算法、蟻群算法、人工魚群算法，粒子群算法、混合智能算法、免疫算法、神經網絡、機器學習、生物計算、DNA計算、量子計算、模糊邏輯、模式識別、知識發現、數據挖掘等。智能計算是以數據為基礎，通過訓練建立聯系，然后進行問題求解。 所以說，你接觸的很多算法，既是仿生算法，又是啟發式算法，又是智能算法，這都對。分類方法不同而已。 這次樓主不要再老花了哈！
新人求助，最近聽說大數據挺火的，但是大數據、大數據應用這些概念都是什么意思？
給你解釋一下這些術語： 云計算：就是個炒得很熱的商業概念，其實說白了就是將計算任務轉移到服務器端，用戶只需要個顯示器就行了，不過服務器的計算資源可以轉包。當然，要想大規模商業化，這里還有些問題，特別是隱私保護問題。 大數據：說白了就是數據太多了。如今幾兆的數據在20年前也是大數據。但如今所說的大數據特殊在哪呢？如今的問題是數據實在是太多了，這已經超過了傳統計算機的處理能力（區別與量子計算機），所以對于大數據我們不得不用一些折衷的辦法（比如數據挖掘），就是說沒必要所有數據都需要精確管理，實際上有效數據很有限，用數據挖掘的方法把這些有限的知識提取出來就行了。·此外，數據抽樣，數據壓縮也是解決大數據問題的一些策略。 數據挖掘：從數據中提取潛在知識，這些知識可以描述或者預測數據的特性。有代表性的數據挖掘任務包括關聯規則分析、數據分類、數據聚類等，這些你在任一本數據挖掘教材都可以了解。下面我說說和大數據的區別：數據挖掘只是大數據處理的一個方法。馬云所說的大數據，或者如今商業領域所說的大數據，實際上指的就是數據挖掘，其實真正所謂大數據，或者Science雜志中提到的大數據，或者奧巴馬提出的大數據發展戰略，我的理解是，這些都遠遠大于數據挖掘的范疇，當然數據挖掘是其中很重要的一個方法。真正目的是如何將大數據進行有效管理。 機器學習：這個詞很虛，泛指了一大類計算機算法。重點是學習這個詞，如果想讓計算機有效學習，目前絕大多數方法都采用了迭代的方法。所以在科研界，只要是采用了這種迭代并不斷逼近的策略，一般都可以歸到機器學習的范疇。此外，所謂學習，肯定要知道學什么，這就是所謂訓練集，從訓練集數據中計算機要學到其中的某個一般規律，然后用一些別的數據（即測試集）來看看學得好不好，之后才能用于實際應用。所以，選取合適的訓練集也是個學問。 模式識別：意思就是模式的識別。模式多種多樣，可以是語言，可以是圖像，可以是事物一些有意義的模塊，這些都算。所以總體來說，模式識別這個詞我是覺得有點虛，倒是具體的人臉圖像識別、聲音識別等，這些倒是挺實在的。也許是我不太了解吧。 另外說說你的其他問題。 傳統分析方法不包括數據挖掘。對于數據分析這塊我不是很了解，不過可以肯定的是，傳統分析都有一定的分析方向，比如我就想知道這兩個商品的關聯情況，那我查查數據庫就行了。數據挖掘雖說有些歷史，不過也挺時髦的，它是自動將那些關聯程度大的商品告訴你，這期間不需要用戶指定數據分析的具體對象。 如果想應對大數據時代，數據挖掘這門課是少不了的。此外對數據庫，特別是并行數據庫、分布式數據庫，最好了解點。至于機器學習和模式識別，這些總的來說和數據挖掘關系不太大，除了一些特殊的領域外。 總之，概念挺熱，但大數據還很不成熟，無論從研究上還是商業化上。我目前在作大數據背景下的算法研究，說實話，目前基本沒有拓展性非常強的算法，所以未來大數據的發展方向，我也挺迷茫。 PS：將數據挖掘應用于商業，最最重要的就是如何確定挖掘角度，這需要你對具體應用的領域知識非常了解，需要你有非常敏銳的眼光。至于數據挖掘的具體算法，這些就交給我們專門搞研究的吧！（對算法的理解也很重要，這可以把算法拓展到你的應用領域）
