metaheurystyki

Metaheurystyki to szeroki zbiór metod optymalizacyjnych, które mają na celu znalezienie wysokiej jakości rozwiązań w dużych i złożonych przestrzeniach poszukiwań. Są to podejścia problematyczne niezależne od konkretnego zadania, co pozwala ich zastosować do różnych klas problemów, takich jak optymalizacja kombinatoryczna, optymalizacja ciągła czy problemy logistyki i planowania.

Główne cechy metaheurystyk obejmują wyszukiwanie w przestrzeni rozwiązań, balansowanie między eksploatacją a eksploracją oraz wykorzystanie heurystyk i mechanizmów pamięciowych lub probabilistycznych. Często zastosowania opierają się na operacjach lokalnych, losowych decyzjach oraz iteracyjnym udoskonalaniu rozwiązań. W wielu przypadkach używa się również ograniczeń czasowych lub na liczbie iteracji jako kryteriów zakończenia.

Do najważniejszych klas należą metody trajektoryjne, takie jak symulowane wyżarzanie, iteracyjne wyszukiwanie lokalne i tabu search, oraz metody populacyjne, w tym algorytmy genetyczne, optymalizacje roju cząstek (PSO) i optymalizacja roju antykowych (ACO). Metaheurystyki mogą być także łączone z metodami dokładnymi w celu uzyskania lepszych wyników lub skrócenia czasu obliczeń.

Zastosowania obejmują planowanie, harmonogramowanie, trasowanie, alokację zasobów, projektowanie inżynierskie i problemy optymalizacyjne w przemyśle. Główne ograniczenia to brak gwarancji znalezienia rozwiązania optymalnego, wrażliwość na parametry i zależność od dobranych konstrukcji problemowych, co wymaga praktycznej kalibracji.