自注：此文是在转载的基础上，通过网络搜集其他相关学习资料，再结合自己理解下，填充并注释了更多的细节和内容，以此详尽的文本资料代替各种视频课程等资料，方便自己回头翻查。 转载请注明本文出处和原译文出处。 （个人填充的内容包括：下划线、注明“自注”） 译者注：本文智能单元首发，译自斯坦福CS231n课程笔记Optimization Note，课程教师Andrej...

通过分析元启发式算法的主要特点，我们知道随机化在探索和开发，或者多样化和集中化中都起着重要的作用。在大多数情况下，随机化是通过从均匀分布或高斯正态分布得到的简单随机数来实现的。在其他情况下，会使用更复杂的随机化技术，如：随机行走和 Lévy 飞行。本章简要回顾了随机行走的基本思想和理论、Lévy 飞行和马尔可夫链。我们还讨论初始化、步长、算法效率和鹰策略。这有助于我们了解自然启发式算法的工作机制。