metaheurística

Metaheurísticas são estruturas de alto nível para a busca de soluções em problemas de otimização complexos, orientando heurísticas menores. São geralmente independentes do enunciado específico do problema, permitindo sua aplicação a diferentes categorias de problemas com ajustes simples, especialmente quando soluções exatas são inviáveis.

Essas abordagens combinam exploração global do espaço de soluções com busca local intensiva, buscando equilíbrio entre ampliar a diversidade de soluções e aprimorá-las incrementalmente. Elas são estocásticas, dependentes de parâmetros e de populações ou amostras de soluções, o que confere robustez diante de ambientes complexos.

Entre as metaheurísticas mais conhecidas estão o algoritmo genético, o simulated annealing (refrigeração simulada), a busca tabu, a otimização por colônia de formigas, a otimização por enxame de partículas e a evolução diferencial. Existem também variantes híbridas, chamadas meméticas, que combinam busca global com otimização local intensiva.

Aplicam-se a problemas de otimização combinatória, planejamento, roteirização, design de engenharia, aprendizado de máquina e ajuste de hiperparâmetros. Embora possam produzir soluções próximas do ótimo em tempos razoáveis, não garantem a optimalidade global nem sempre proporcionam melhores resultados que métodos exatos em casos de menor escala.

O uso de metaheurísticas requer cuidado com a representação do problema, escolha de operadores de busca e critérios de parada. Em muitos casos, são usadas em conjunto com métodos exatos (matheurísticas) para obter soluções de alta qualidade em problemas de grande escala.