在数据科学研究过程中，能快速解决问题是一项不可或缺的能力。但是数据科学面临的复杂性在于，随着大数据采集的数据量越来越大，以及最优解算法越来越复杂，很多算法面临着运行非常耗时，有时甚至在现有的资源情况下不可解的状况。此时，需要数据科学家发挥工程师思维，使用一些计算量小的近似方法，在节省时间和计算资源的前提下，得到不错的结果，这些方法可以称为启发式方法。 本书聚焦“启发式方法”这个主题，分5个部分进行介绍。第1部分概述了各种类型的启发式方法；第2部分侧重于面向数据的启发式方法及其在数据科学问题中的应用；第3部分诠释了面向最优化的启发式方法，以及它们如何解决具有挑战性的最优化问题；第4部分是讲解如何设计和实施新的启发式方法，以解决特定问题的相关内容；第5部分介绍了关于启发式方法的其他主题，如透明度和局限性等。 本书适合从事和计划从事数据科学领域相关工作的读者阅读。

推荐序
译者序
前言
第1部分 关于启发式方法
第1章 创造性解决问题
1.1 解决问题
1.2 解决问题过程中的创造力
1.3 人工智能与创造力
1.4 脚踏实地的创造力
1.5 小结
第2章 什么是启发式方法
2.1 启发式方法概述
2.2 启发式度量指标
2.3 启发式算法
2.4 重要注意事项
2.5 小结
第3章 启发式与元启发式方法
3.1 元启发式方法概述
3.2 何时使用元启发式方法
3.3 适合元启发式方法的问题
3.4 重要注意事项
3.5 小结
第4章 特定的指标和方法
4.1 为什么启发式方法不可或缺
4.2 如何践行启发式方法
4.3 何时使用特定指标
4.4 何时使用特定的方法
4.5 小结
第2部分 面向数据的启发式方法
第5章 EDA基本启发式方法
5.1 EDA的启发式方法概述
5.2 EDA中的基本启发式方法
5.2.1 基于范围的相关启发式方法
5.2.2 二元相关启发式方法
5.2.3 你自己的启发式方法
5.3 如何在EDA中有效利用这些启发式方法
5.4 重要注意事项
5.5 小结
第6章 EDA高级启发式方法
6.1 为什么需要EDA高级启发式方法
6.2 EDA中特定的高级启发式方法
6.2.1 可辨识指数
6.2.2 密度分析
6.2.3 其他高级启发式
6.3 如何在EDA中有效地利用启发式方法
6.4 重要注意事项
6.5 小结
第7章 模型相关的启发式方法
7.1 模型相关的启发式方法概述
7.2 特定模型相关启发式方法
7.2.1 F分数启发式
7.2.2 曲线下面积启发式
7.2.3 基于范围的相关启发式
7.2.4 置信指数启发式
7.2.5 其他模型启发式
7.3 如何有效利用这些启发式方法
7.4 重要注意事项
7.5 小结
第8章 其他启发式方法
8.1 其他启发式方法概述
8.2 熵和反熵启发式方法
8.2.1 熵
8.2.2 反熵
8.2.3 在与数据相关的问题中是否使用熵或反熵
8.3 与距离相关的启发式方法
8.3.1 距离启发式方法
8.3.2 相似性启发式方法
8.3.3 与置信度指数的关系
8.4 重要注意事项
8.5 小结
第3部分 面向最优化的启发式
第9章 人工智能与机器学习最优化
9.1 最优化理论概述
9.2 最优化用例
9.3 最优化算法的关键组成部分
9.4 最优化在人工智能和机器学习中的作用
9.5 重要注意事项
9.6 小结
第10章 最优化中的启发式方法
10.1 一般优化中的启发式方法
10.2 使用启发式的特定优化算法
10.2.1 基于群体的算法
10.2.2 遗传算法
10.2.3 模拟退火算法和变体
10.2.4 其他
10.3 粒子群优化和启发式
10.3.1 概述
10.3.2 PSO算法的伪代码
10.3.3 启发式方法的应用
10.4 重要注意事项
10.5 小结
第11章 复杂的最优化系统
11.1 复杂优化器概述
11.2 遗传算法家族优化器
11.2.1 遗传算法的关键概念
11.2.2 香草味遗传算法及其局限性
11.2.3 精英主义变体（Elitism Variant）
11.2.4 缩放比例修改（Scaling Hack）
11.2.5 约束调整（Constraints Tweak）
11.2.6 其他变体
11.3 应用于遗传算法的启发式方法
11.4 重要注意事项
11.5 小结
第12章 最优化集成
12.1 最优化集成概述
12.2 最优化系统的结构
12.3 启发式方法在最优化集成中的作用
12.4 重要注意事项
12.5 小结
第4部分 设计和实施新的启发式方法
第13章 启发式方法的目标和功能
13.1 启发式方法的目标和功能概述
13.2 定义启发式方法的目标
13.3 确定启发式方法的功能
13.4 优化启发式方法的目标和功能
13.5 重要注意事项
13.6 小结
第14章 度量启发式的参数、输出和可用性
14.1 度量启发式的参数、输出和可用性概述
14.2 定义度量启发式的参数和输出
14.3 确定度量启发式的可用性和范围
14.4 优化度量启发式的可用性
14.5 重要注意事项
14.6 小结
第15章 方法启发式的参数、输出和可用性
15.1 方法启发式的参数、输出和可用性概述
15.2 定义方法启发式的参数和输出
15.3 确定方法启发式的可用性和应用范围
15.4 优化方法启发式的可用性
15.5 重要注意事项
15.6 小结
第16章 开发和优化启发式方法
16.1 开发新启发式方法的过程概述
16.2 定义新启发式方法的目标和功能
16.2.1 概述
16.2.2 一种衡量变量多样性的启发式方法
16.2.3 一种衡量数据点独特性的启发式方法
16.2.4 价值问