動態規劃算法是啟發式算法嗎？

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！