metaheurystyczne
Metaheurystyki to ogólne ramy metod optymalizacyjnych, zaprojektowane w celu rozwiązywania złożonych problemów, które trudno rozstrzygnąć klasycznymi algorytmami. Działają na wysokim poziomie, niezależnie od konkretnego problemu; wykorzystują heurystyki i probabilistyczne poszukiwanie, aby znaleźć dobre, lecz nie gwarantowane optymalne rozwiązania w rozsądnym czasie. Charakteryzują się równoważeniem eksploracji i eksploatacji oraz możliwością łączenia różnych technik w ramach jednego podejścia.
Najważniejsze przykłady to algorytmy populacyjne (genetic algorithms, differential evolution), algorytmy sztucznego wyżarzania (simulated annealing), tabu search,
Zastosowania obejmują planowanie tras i logistyki, harmonogramowanie, projektowanie sieci, inżynierię (np. optymalizacja parametrów), problemy skojarzeniowe i
Ograniczenia to brak gwarancji znalezienia optymalnego rozwiązania, wrażliwość na parametry (rozmiar populacji, tempo schładzania), konieczność oceny