贪心算法和启发式算法有什么区别？
我读过一些关于该论点的文章，在我看来它们或多或少是同一类型的算法，因为它们的主要特征是在每次迭代时选择最佳(局部)选项来解决问题。
最佳答案
我对启发式的描述是，它们是“经验法则”。他们产生全局最优解的能力可能无法直接证明，但通常他们做得很好。当确定最佳解决方案的成本太高时，通常会使用它们。此外，启发式通常对过去解决问题的经验进行一定程度的编码。描述启发式的更好方法是“求解策略”。
贪婪算法是一种根据当前看起来最好的算法做出选择的算法。换句话说，选择是局部最优的，但不一定是全局最优的(如果幸运的话可能是这样，但你无法证明)。此外，贪心算法通常不会根据新信息改进其解决方案。这只是一种解决策略(也称为启发式)。
举例说明贪心算法的工作原理，如果您要使用贪心算法来帮助您规划一条路线，以最短距离从国家的一侧开车到另一侧，它可能会选择较短的慢速道路。它不一定会理解高速公路虽然更长而且可能更直接，但会是更好的选择。
另一种策略(启发式)可能会尝试使用高速公路覆盖尽可能多的旅程(因为对于大多数目的地而言，它们往往更直接)，然后求助于使用普 channel 路在两者之间过渡。在某些情况下，它可能会表现得很糟糕，但在大多数情况下，它会表现得很好，老实说，这可能是我们在通勤时都使用的类似启发式方法(如果不使用卫星导航的话)。
总结...
都是启发式算法，贪婪算法 - 否
都是贪心算法，启发式算法——总的来说，是的。
为了帮助提供一些背景知识，我在大学算法课上学到的第一个问题是 Traveling Salesman Problem .它属于 NP 完全类问题，这意味着不存在有效的解决方法。也就是说，随着问题规模的扩大，寻找解决方案所花费的时间也会大幅增加。存在许多可证明的算法，但它们的性能并不好，在现实世界的应用中，我们倾向于使用启发式算法(包括贪心算法 - 请参阅链接)。
关于algorithm - 贪心算法和启发式算法有什么区别？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/21537028/