NN和贪婪搜索算法都具有Greed性质，并且都倾向于最低的成本/距离（尽管我的理解可能不正确）。但是，以某种方式可以使每个人都可以分为不同的算法组的方式使它们与众不同，这在我看来还不清楚。
例如，如果我可以使用NN解决特定问题，那么当然可以使用贪婪搜索算法来解决它，特别是在最小化的情况下。我之所以得出这个结论，是因为当我开始对它们进行编码时，我遇到了非常相似的代码实现，尽管两者背后的一般概念可能有所不同。有时我什至不知道实现是否遵循NN或贪婪搜索。
我做得很好，并且在Google上进行了足够的搜索，但是找不到关于它们与众不同之处的恰当解释。确实可以理解任何这样的解释。
嗯，在非常高的水平上，它们都受试探法驱动，以便根据理想解决方案评估给定的解决方案。但是，尽管贪心搜索算法会输出给定输入的解决方案，但是NN会训练一个模型，该模型将为给定输入生成解决方案。因此，在非常高的层次上，您可以认为NN会生成解决方案查找器，而贪婪搜索是经过编码的解决方案查找器。
换句话说，当提供给相同的网络拓扑时，NN将生成“代码”（即模型（即权重）），以找到问题的解决方案。贪婪的搜索是您实际上在编写找到问题解决方案的代码。不过，这真是令人望而却步，我敢肯定，还有一种更加简洁，学术上合理的方式来表达我刚才说的话
我刚才所说的所有假设都是基于“贪婪搜索”的意思，即您要使用算法来解决旅行商等问题。
另一种思考方式是：
[在贪婪搜索中，您编写了一种解决搜索问题的算法（根据提供的启发式，找到最能描述数据点A和数据点B之间关系的图，]]
编写神经网络时，您声明了网络拓扑，提供了一些初始的“随机”权重和一些启发式方法来测量输出误差，然后通过大量不同的方法（反向道具，GAN等）来训练网络权重。然后可以将这些权重用作新问题的求解器。
就其价值而言，我认为NN并不是生成旅行商问题的求解器的好方法。仅使用通用的图搜索算法，您会好得多。.