metaheuristiikkoja

Metaheuristiikkoja ovat yleiskäyttöiset, korkeantasoiset hakustrategiat, jotka ohjaavat alhaisemman tason hakualgoritmeja yrittäen löytää hyviä tai lähellä parasta ratkaisua suurista ja monimutkaisista optimointiongelmista. Ne on suunniteltu toimimaan joustavasti erilaisilla ongelmanmuodoilla, eikä niille pyritä tarjoamaan yhtä ainoaa ratkaisua, vaan käytännössä tarjotaan tehokkaita lähestymistapoja epälineaarisiin, epäoptimaalisiin tai suuria tilaa sisältäviin ongelmiin.

Metaheuristiikat eivät takaa globaalin optimin löytymistä, vaan tarjoavat hyvän ratkaisun ja usein kohtuullisen laskennan kustannuksella. Ne käyttävät satunnaisuutta tai muististrategioita estääkseen paikkojen lokalisoitumat, kokevat useita ratkaisutapoja ja voivat pätkätyöskentelyn avulla parantaa ratkaisua toistuvasti. Yleisiä kriteerejä ovat termination-ehdot (kestoaika, iteraatioiden määrä, konvergenssi) sekä sopeuttavat parametrit.

Tunnettuja metaheuristiikkoja ovat esimerkiksi geneettiset algoritmit, simuloitu annealing, tabu-haku, muurahaiskoloniatekniikat ja partikkelitotumaoptimoituminen. Näiden perusperiaatteet voivat esiintyä eri muodoissaan: konstruktiiviset lähestymistavat rakentavat ratkaisuja, parantavat ratkaisuja paikallisilla opeilla tai sekoittavat sekä laajaa että tarkkaa hakua. Monesti niitä täydennetään domain-spesifisillä heuristiikoilla tai paikallisella haulla.

Käyttökohteita on runsaasti, erityisesti logistisessa suunnittelussa, aikataulutuksessa, verkko- ja energiainfrastruktuurin suunnittelussa sekä teollisissa optimointitehtävissä. Metaheuristiikkoja käytetään myös hyperparametrien virityksessä ja monimutkaisten ongelmien tutkimuksessa, missä eksaktit menetelmät eivät ole käytännön tasolla toteutettavissa.