metaheuristiikkamenetelmiä
Metaheuristiikkamenetelmät ovat ylemmän tason ongelmanratkaisustrategioita, joiden tavoitteena on löytää hyviä ratkaisuja suurten tai monimutkaisten optimointitehtävien ratkaisemiseksi. Ne eivät tarjoa takeita optimaalisuudesta, mutta voivat löytää riittävän laadukkaita ratkaisuja kohtuullisella laskentateholla. Yleisesti ne ovat ongelmakohtaisia hakustrategioita, jotka ohjaavat alhaisemman tason heuristiikkoja hakemaan tehokkaasti sekä laajaa etsintää että parannuksia nykyiseen ratkaisuun.
Metaheuristiikkamenetelmät ovat usein stokastisia tai hybridisiä. Ne käyttävät satunnaisuutta hakuprosessin ohjaamiseen ja pyrkivät hallitsemaan eksploraation ja
Yleisimmät esimerkit ovat genetic algorithms (GA), simulated annealing (SA), tabu search (TS), ant colony optimization (ACO),
Sovelluskohteita ovat muun muassa reititys- ja logistiikkaongelmat, tuotanto- ja aikataulutusongelmat sekä verkko- ja suunnittelutehtävät. Lisäksi niitä
Arviointi ja rajoitteet: tulokset voivat riippua ratkaisutavan oikeasta kuvaamisesta ja parametrian valinnasta. Metaheuristiikka ei takaa parasta