موارد استفاده : تحقیق و آموزش
منابع فارسی: دارد
منابع لاتین: دارد
پیشینه داخلی جدید: دارد
پیشینه خارجی جدید: دارد
نوع فایل: Word قابل ویرایش
تعداد صفحه: 39 صفحه
شماره فایل : 530 mg

در حالت کلی سه دسته از الگوریتم‌های هیوریستیک قابل تشخیص است: - الگوریتم‌هایی که بر ویژگی‌های ساختاری مسأله و ساختار جواب متمرکز می‌شوند و با استفاده از آن¬ها الگوریتم‌های سازنده یا جستجوی محلی تعریف می‌کنند. - الگوریتم‌هایی که بر هدایت هیوریستیک یک الگوریتم سازنده یا جستجوی محلی متمرکز می‌شوند به گونه‌ای که آن الگوریتم بتواند بر شرایط حساس (مانند فرار از بهینه محلی) غلبه کند. به این الگوریتم‌ها، متاهیوریستیک گفته می‌شود.

- الگوریتم‌هایی که بر ترکیب یک چارچوب یا مفهوم هیوریستیک با گونه‌هایی از برنامه‌ریزی ریاضی (معمولا روشهای دقیق) متمرکز می‌شوند. هیوریستیک‌های نوع اول می‌توانند خیلی خوب عمل کنند (گاهی اوقات تا حد بهینگی) اما ممکن است در جواب‌های دارای کیفیت پایین گیر کنند. همانطور که اشاره شد یکی از مشکلات مهمی که این الگوریتم‌ها با آن روبرو می‌شوند افتادن در بهینه‌های محلی است، بدون اینکه هیچ شانسی برای فرار از آن¬ها داشته باشند. برای بهبود این الگوریتم‌ها از اواسط دهۀ 70، موج تازه‌ای از رویکردها آغاز گردید.

این رویکردها شامل الگوریتم‌هایی است که صریحاً یا به صورت ضمنی تقابل بین ایجاد تنوع جستجو (وقتی علائمی وجود دارد که جستجو به سمت مناطق بد فضای جستجو می‌رود) و تشدید جستجو (با این هدف که بهترین جواب در منطقه مورد بررسی را پیدا کند) را مدیریت می‌کنند. این الگوریتم‌ها متاهیوریستیک نامیده می‌شوند.

ادامه مقاله به طور کامل در فایل اصلی موجود است.