应用 AI ok and/or 是否实用，可以找到算法问题的最优解
Is applying AI ok and/or practical to finding the optimal solution to the algorithmic problem
无论是在学习环境还是实践中，我都时不时需要使用不同的算法来解决问题。但我使用它们的次数越多，似乎就越能部署 AI 来尝试找到最佳解决方案，尤其是 NP 完全问题，因为 AI "progression" 很容易被跟踪
如果我们，例如，从来不知道如何有效地解决背包问题；我想知道，应用 AI 实用 and/or 是否可以找到给定问题的最佳解决方案？
AI algorithms一般来说基本上可以找到任何函数的近似值。它们是如此强大，因为即使对于具有许多输入参数 and/or 许多输出参数 and/or 非常复杂的内部结构的极其复杂的函数也是如此。
另一方面，没有已知的方法可以解决 NP-complete problems "quickly"。在实践中，您通常需要搜索庞大的解决方案 space 才能找到最佳解决方案。这就是为什么人们使用启发式方法和近似算法来有效地找到 "sufficiently good" 解决方案的原因。
所以是的，您可以使用 AI 找到一个好的近似解决方案（甚至可能比传统启发式方法更好的解决方案）来解决计算难题。
但是不，如果问题是NP完全的，你仍然无法知道你找到了最优解。
无论是在学习环境还是实践中，我都时不时需要使用不同的算法来解决问题。但我使用它们的次数越多，似乎就越能部署 AI 来尝试找到最佳解决方案，尤其是 NP 完全问题，因为 AI "progression" 很容易被跟踪
如果我们，例如，从来不知道如何有效地解决背包问题；我想知道，应用 AI 实用 and/or 是否可以找到给定问题的最佳解决方案？
AI algorithms一般来说基本上可以找到任何函数的近似值。它们是如此强大，因为即使对于具有许多输入参数 and/or 许多输出参数 and/or 非常复杂的内部结构的极其复杂的函数也是如此。
另一方面，没有已知的方法可以解决 NP-complete problems "quickly"。在实践中，您通常需要搜索庞大的解决方案 space 才能找到最佳解决方案。这就是为什么人们使用启发式方法和近似算法来有效地找到 "sufficiently good" 解决方案的原因。
所以是的，您可以使用 AI 找到一个好的近似解决方案（甚至可能比传统启发式方法更好的解决方案）来解决计算难题。
但是不，如果问题是NP完全的，你仍然无法知道你找到了最优解。