валеева. Решение на лучшее в специально определенной окрестности
Скачать 3.15 Mb.
|
9.2 Метаэвристики и гиперэвристикиМетаэвристика (от греческого «эврика» - «найти» и «мета» - «выше, на более высоком уровне») - это разновидность эвристического алгоритма. В литературе не дается строгого определения этому новому типу алгоритма, а лишь перечисляются основные свойства, характеризующие метаэвристики: являются недетерминированными; содержат процедуры, позволяющие выбраться из локального оптимума; допускают абстрактный уровень описания; не являются проблемно-ориентированными. Известны следующие метаэвристики: алгоритм оптимизации муравьиной колонии (AntColonyOptimization, ACO); эволюционный алгоритм (Evolutionary Computation, EC) генетический алгоритм (Genetic Algorithms, GA); итерационный локальный поиск (Iterative Local Search, ILS); имитация отжига (Simulated Annealing, SA); поиск с запретами (TabuSearch, TS); поиск с переменной окрестностью (VariableNeighborhoodSearch, VNS); вероятностный жадный алгоритм (GRASP); направленный локальный поиск (GuidedLocalSearch, GLS); нейронные сети (Neural Networks). Основные характеристики метаэвристик (1) исследования проводятся в областях пространства поиска с более качественными решениями (интенсификация поиска); (2) поиск эффективных решений ведется в еще не исследованных областях пространства поиска (диверсификация поиска), когда возникает такая необходимость (не происходит улучшения целевой функции). Замечание. Известно, что некоторые метаэвристики, в частности GA и SA, используют общую математическую конструкцию конечных цепей Маркова. Это свойство гарантирует сходимость по вероятности наилучшего найденного решения к оптимальному решению задачи. |