江苏龙网

  1. 首页 > 资讯 > 科技 > >

算法|6.18 狂欢背后，站着算法和程序员们( 四 )


假设有两条路可从蚁窝通向食物 ， 开始时两条路上的蚂蚁数量差不多：当蚂蚁到达终点之后会立即返回 ， 距离短的路上的蚂蚁往返一次时间短 ， 重复频率快 ， 在单位时间里往返蚂蚁的数目就多 ， 留下的信息素也多 ， 于是会吸引更多蚂蚁过来 ， 导致留下更多信息素 。 而距离长的路正相反 ， 因此越来越多的蚂蚁聚集到最短路径上来 。
物流算法的未来2010 年 10 月 25 日 ， 英国一项研究表明 ， 在花丛中飞来飞去的小蜜蜂显示出了轻易破解“旅行商问题”的能力 ， 他们利用人工控制的假花进行了实验 ， 结果显示 ， 不管怎样改变花的位置 ， 蜜蜂在稍加探索后 ， 很快就可以找到在不同花朵间飞行的最短路径 ， 这是首次发现能解决这个问题的动物 。
进行研究的奈杰尔·雷恩博士说 ， 蜜蜂每天都要在蜂巢和花朵间飞来飞去 ， 为了采蜜而在不同花朵间飞行是一件很耗精力的事情 ， 因此实际上蜜蜂每天都在解决“旅行商问题” 。 尽管蜜蜂的大脑只有草籽那么大 ， 也没有电脑的帮助 ， 但它已经进化出了一套很好的解决方案 ， 如果能理解蜜蜂怎样做到这一点 ， 对人类的生产、生活将有很大帮助 。
如同在科学研究发现蝙蝠通过超声波定位之前 ， 人们理所当然的认为人和动物只能靠眼睛识别方向和位置 。 我们无法得知 ， 蜜蜂是否在它的小脑袋中枚举了所有的飞行路线 ， 或是找到了 NP=P 的路线规划方法 。 无论是哪种可能 ， 在科学发展的面前 ， 我们永远应保持谦卑 。
另外 ， 硬件的发展也会促进物流算法的优化 ， 当计算效率大幅提升 ， 精确算法也将在物流算法行业一展身手 。 如今启发式近似算法百花齐放 ， 机器学习、人工智能在物流优化中大放异彩 。 但我们深知 ， 启发式算法仍有建模难、模拟久、成本高等缺点 ， 物流算法的发展依旧任重而道远 。 好在 ， 一代又一代的程序员前赴后继 ， 我们有理由坚信 ， 长路漫漫 ， 未来可期 。
本文作者：Alpinist Wang
声明：本文归 “力扣” 版权所有 ， 如需转载请联系 。 文中部分图片来源于网络 ， 如有侵权联系删除 。


推荐阅读


上一篇：特斯拉Roadster|特斯拉Roadster破百仅需1.1秒 加速史上最快

下一篇：操作系统|蔚来发布新版车机系统 全自动泊车系统得到优化