Metaheurisztikák

Metaheurisztikák a heurikus módszerek általános osztálya, amely összetett optimumoló problémákhoz gyakran közelítő megoldásokat kínál. Ezek a módszerek jellemzően nem garantálják a globálisan optimális megoldást, de sokféle területen alkalmazhatók, ahol a hagyományos algoritmusok költségesek vagy nem skálázódnak.

Jellemzők: nagyrészt iteratív, sztochasztikus vagy félig determinisztikus keresést folytatnak; a keresőteret egyszerre feltárják és kiaknázzák; gyakran kombinálnak több helyi keresést, adaptív paramétereket és memetikus elemeket; kiinduló állapotok és beállítások problémától függően változnak. A cél az exploráció és az exploitation közötti egyensúly fenntartása, hogy a keresés hatékonyan jut el jó megoldásokhoz.

A legismertebb metaheurisztikák közé tartoznak a genetikus algoritmusok, a szimulált annealing, a tabu keresés, az ant colony optimization, a particle swarm optimization és a memetikus megközelítések. Ezek közös jellemzője, hogy problémától független keretet adnak a keresésre, amelyet konkrét problémától függő heurisztikákkal és szabályokkal töltenek meg.

Alkalmazási területek: ütemezés, útvonaltervezés, logisztika, tervezés és erőforrás-allokáció, gépi tanulás hyperparaméterek hangolása és más összetett optimalizációs feladatok. Előnyök: rugalmasság, képes komplex, nemlineáris problémákat kezelni, és nem igényli a célfüggvény deriválhatóságát. Korlátok: nincs garancia a globális optimumra, érzékeny a paraméterekre, és gyakran jelentős számítási költséggel jár.